基于频域参数识别方法的配电网单相接地故障选线

国内配电网大多采用中性点不接地或经消弧线圈接地的方式运行,在这种系统发生单相接地故障时,尽快选出故障线路对电网运行有重要意义。提出一种基于参数识别的频域方法进行小电流接地选线。通过矩阵束方法提取故障后零序电压和零序电流的频点信息,解决了传统离散傅里叶变换方法提取频域信号不准确的问题。提取频点信息后,利用频域方程求解线路对地电容值并进行选线。与时域参数识别方法相比,该方法对采样频率要求低、计算精度高。同时,频带分析表明该方法比传统的首容性频带滤波方式具有更宽的频带,理论上不需要滤波。经ATP-EMTP仿真和实时数字仿真器录波数据验证,该方法选线正确、有效,耐过渡电阻能力强,不受消弧线圈的影响。     

基于近红外光谱技术的沙棘籽油鉴伪方法研究

针对市场上沙棘籽油质量参差不齐的情况,结合近红外光谱技术研究沙棘籽油快速鉴伪的方法。采用234份沙棘籽油、其他植物油、掺假沙棘籽油的近红外透反射光谱,结合簇类独立软模式法(SIMCA)、偏最小二乘判别法(PLS-DA)、支持向量机法(SVM)3种化学计量学方法,在4 000~6 000 cm-1波段范围内分别建立这3类油的判别模型,并用117份独立样品对模型进行验证。结果表明:3种建模方法均得到了满意的结果,其中SVM在训练和验证过程中均得到100%的正确率,判别效果最好;近红外光谱技术应用于识别纯沙棘籽油和区分沙棘籽油掺假类别具有实用性,近红外光谱技术应用于沙棘籽油鉴伪是可行的。     

利用电流模型识别的输电线路纵联保护新原理

针对纵联电流差动保护应用于超特高压长线时受分布电容影响性能降低这一问题,基于矩阵束算法能够分析暂态电流组成的特点,提出一种仅用电流量的适用于分布参数输电线路的纵联保护新原理。该原理采用模型识别的思想,首先推导出线路故障时两侧电流故障分量之和与之差比值的理论表达式,作为待识别的基准模型。进而定义模型误差函数用于刻画实际故障数据与基准模型的符合程度。区外故障时,故障数据符合基准模型,模型误差为0;区内故障时,故障数据不符合基准模型,模型误差不为0,据此区分外部和内部故障。该原理不受分布电容影响,无需补偿电容电流;充分利用故障电流信息,无需滤波;能够灵敏快速地动作。用ATP仿真和动模仿真验证新原理的有效性。     

遗传算法联合LS-SVM的苹果原醋成分定量分析

利用近红外光谱技术对苹果原醋中的重要指标进行定量分析,并进行模型优化以提高性能。采用遗传偏最小二乘法（GA-PLS）提取的特征波长作为最小二乘支持向量机（LS-SVM）的输入变量,先后建立苹果原醋中总酸、可溶性固形物的近红外定量模型,并与建立的偏最小二乘（PLS）模型结果进行比较。用决定系数（R2）、预测均方根误差（RMSEP）以及相对分析误差（RPD）对模型进行评价,确定最佳建模方法。结果表明,相比于PLS模型,总酸及可溶性固形物指标的LS-SVM定量模型的R2、RMSEP以及RPD值均有更好的表现,且在进行独立测试集验证时,LS-SVM模型的预测精度也明显优于PLS模型。说明遗传算法联合LS-SVM建立的定量模型有很高的准确度及稳定性,可以应用于苹果原醋总酸和可溶性固形物含量的快速检测。     

基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

利用近红外光谱技术对葡萄酒发酵过程中挥发酸含量进行定量分析,通过偏最小二乘法建立葡萄酒发酵过程中挥发酸定量分析模型,同时采用间隔偏最小二乘法（iPLS）、后向间隔偏最小二乘法（BiPLS）、组合间隔偏最小二乘法（SiPLS）、竞争性自适应重加权算法（CARS）对整个谱区进行光谱特征变量筛选。以决定系数（R2）、校正标准偏差（RMSEC）、预测标准偏差（RMSEP）、相对分析误差（RPD）以及最佳主因子数为模型质量的评价指标。结果表明：进行变量筛选可对模型起到优化作用,提高识别精度,降低模型解析难度。其中CARS对模型的优化效果最佳,优化模型的决定系数R2达到0.868,RMSEC为0.033,RMSEP为0.032,RPD为5.31,有效简化了模型复杂程度,提高了模型稳定性和预测能力。     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy,NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network,RBFNN)的方法,分析比较了多元散射校正(multiple scatter calibration,MSC)、标准正态变换(standard normal variation,SNV)的光谱预处理方法,分别结合了主成分分析(principal componentanalysis,PCA)、独立成分分析(independent component analysis,ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares,PLS)模型。结果非线性建模方法RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0.87,预测标准偏差(root mean square error of predicition,RMSEP)是1.71%。结论所建立的模型准确度高,适用于胶原肽粉低聚肽含量的快速高效分析。     

LS-SVM结合近红外光谱快速检测香梨可溶性糖

利用可见/近红外光谱技术对"库尔勒香梨"内部品质的快速无损检测具有非常重要的研究意义。为了解决光谱数据中由于大量无关信息的存在而导致模型精度降低的问题,探究了基于不同可见/近红外光谱特征波长筛选方法建立模型的效果。分别采用无信息变量消除算法(UVE)、后向偏最小二乘算法(BiPLS)对香梨可溶性糖的特征波长进行筛选,并将其作为输入变量分别建立偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)模型。结果表明,UVE算法可以有效地减少建模变量,UVE-LS-SVM模型效果明显优于UVE-PLS模型,其决定系数(R~2)为0.976、预测均方根误差(RMSEP)为2.313、预测相对分析误差(RPD)为5.45,验证了UVE-LS-SVM结合近红外光谱分析技术能实现对"库尔勒香梨"可溶性糖含量的快速无损测量。     

江西骑龙庙金铅锌矿区地质特征及找矿方向

骑龙庙金铅锌矿区大地构造分区上属于钦杭结合带、华夏地块的范畴,为东乡南部中生代火山盆地的重要组成部分。区内历经多期次构造—岩浆活动,尤其是燕山期强烈的构造运动和复杂的火山活动,使该区以断裂发育、火山杂岩系广泛分布为特征,为金铅锌矿的形成提供了良好的成矿地质条件。