基于PAT包含告警信号的智能变电站保护信息交互建模与验证

为了准确评估告警信号产生时智能变电站保护系统的可靠运行情况,研究了一种基于进程仿真工具PAT的智能变电站保护信息交互建模与验证方法。分析了多个厂家保护装置的原理,构造了保护系统的告警故障树,给出了各保护子功能的工作条件与告警信号的对应关系。采用进程仿真工具PAT的实时系统模块RTS(Real-Time System Module),对各IED的内部工作、各IED之间的交互过程等进行建模,包括工作条件、各进程之间的信息传递与时序等,给出了保护子功能死锁与保护系统运行阶段的断言与验证。多个算例验证了基于PAT包含告警信号的智能变电站保护系统交互建模与验证方法的有效性,提高了保护模型的准确性和实用性。     

超高分子量聚乙烯膜的制备及研究进展

介绍了超高分子量聚乙烯(PE–UHMW)膜材料的国内外发展现状,总结了PE–UHMW膜材料的制备方法及其研究进展,简述了其应用领域,并指出了今后的发展方向。     

智能变电站过程采样值传输协议的分析与程序实现

智能变电站是变电站发展的趋势,而智能变电站过程层采样值传输协议,是将非常规互感器采集到的电力一次系统的运行数据传输给保护装置和监控装置．这些数据的正常传输是保护装置和监控装置完成其各自功能的基础,详细介绍了智能变电站过程层的3种采样值传输协议,从灵活性、实时性、可靠性等方面比较了其优缺点,并给出了实现这3种协议的编程方法．     

级联STATCOM负载不平衡校正能力分析

针对星形级联静止同步补偿器(STATCOM)校正不平衡负载过程中出现的相间电容电压失衡问题,分析计算补偿装置各相吸收的有功功率与其输出电流正负序分量之间的关系,指出负序电流的注入会在级联STATCOM三相之间产生不平衡功率,由此造成相间直流侧电容电压失衡。引入零序电压注入法来解决由负序电流注入校正不平衡负载带来的相间电容电压失衡的问题,从控制系统不发生过调制的限制条件,提出了级联型补偿装置输出不平衡电流能力的计算方法。最后,搭建MATLAB/Simulink仿真模型,验证了该控制算法的有效性。     

220kV智能变电站集成测试周期研究

针对智能变电站集成测试周期长的问题,从集成测试的工作项目出发,找出集成测试周期长的主因是设备组网时间长,并就此开展分析和调查,提出缩短集成测试周期的方案,并通过工程实测验证了方案的有效性。     

填料段循环量对甲醛吸收的影响

甲醛生产中是以水作为溶剂来吸收甲醛气体,使其浓度不断提高,达到一定浓度后,便得到工业甲醛产品。如果吸收效果好,则收率就大,单耗就低,综合效益高。本文主要是对填料段循环量影响甲醛吸收进行探讨、总结,找出一些比较合理的控制数据得出结论。     

预应力混凝土框架梁设计计算方法研究

预应力混凝土结构具有跨越能力大、耐久性高、节约材料,造价相对低廉和施工难度低的优点,正好符合绿色建筑的要求。注重预应力混凝土框架梁的设计以及结构的抗震性能,对预应力结构的推广和基础建筑的建设具有重要的意义。为保证预应力混凝土结构正截面承载力的可靠性,文章根据某建筑预应力混凝土架梁设计,对预应力架梁的设计计算,抗震结构和构造措施进行深入分析,为相似预应力结构设计提供一定的借鉴意义。     

DR在聚醚醚酮注射制品缺陷检测中的应用

介绍了X射线数字成像检测(DR)技术及其特点,对热塑性工程塑料聚醚醚酮(PEEK)注射成型制品进行了DR检测,给出了PEEK注射制品内部典型缺陷气泡和夹杂的DR图像特征,并采用计算机断层扫描技术(CT)对检测结果进行了验证。研究表明,DR技术能够快速、准确、清晰地检测出PEEK注射制品内部缺陷;分析产生缺陷的原因,结合实际情况提出了避免缺陷产生的改进措施。     

基于重采样与属性约简的多模态选择性集成学习

通过对重采样技术和属性约简方法进行研究,提出一种多模态选择性集成学习算法SE_RSAR.采用重采样方法扰乱样本空间,采用一种基于相对决策熵的属性约简方法扰乱特征空间,通过这种多模态的扰乱策略增加个体分类器之间的差异性.实验在多个UCI数据集上完成,KNN算法被用来训练个体分类器.实验结果表明,相对现有的集成学习算法,SE_RSAR算法能够取得更好的分类效果.     

一种基于抽样与约简的集成学习算法

集成学习的一个重要目标是获得一组差异性大的基分类器来构建集成分类器。为实现这一目标,提出一种基于抽样与约简的集成学习算法ELSR。该算法采用多模态扰动策略来训练基分类器。首先,采用多次抽样策略从训练集中抽样产生k个抽样集;其次,使用粗糙集的属性约简技术对每个抽样集进行约简;第三,在每一个约简之后的抽样集上分别训练一个基分类器;最后,利用一个验证集对每个基分类器进行性能测试,并根据测试结果选择一组合适的基分类器来构建集成分类器。在UCI数据集上的实验表明:当采用KNN算法或者C4.5算法来训练基分类器时,ELSR的分类性能总是要优于现有的集成学习算法。