基于DWT-MOSMA-SVM的多目标优化短期母线负荷预测

母线负荷基数小，波动性和不确定性大，随着光伏、风电等可再生能源的接入，母线负荷受天气等随机性因素的影响增加，母线负荷的高精度预测受到很大影响。针对小样本场景下母线负荷预测问题，提出了一种基于离散小波变换-多目标黏菌算法-支持向量机(discrete wavelet transformation-multiple objective slime mould algorithm-support vector machine, DWT-MOSMA-SVM)的多目标优化短期母线负荷预测方法。首先采用离散小波变换对母线负荷数据进行处理；然后兼顾预测的精度和稳定性两个目标函数，采用多目标黏菌算法对支持向量机的惩罚因子和核函数参数进行优化；最后在优化所得的Pareto前沿面上选择Pareto最优解，以此搭建支持向量机(support vector machine, SVM)预测模型进行训练，并将预测结果与长短期记忆网络(long short-term memory, LSTM)、未优化的SVM以及多目标黏菌算法(multi-objective slime mold algorithm, MOSSA)...     

基于阻抗归算的间谐波源识别及责任划分

电力电子装置等非线性设备会产生间谐波,对电网和用户产生危害。为此提出一种基于基波阻抗测量和归算的间谐波源识别方法,同时考虑不同频率间谐波对公共连接点电压引起闪变水平的差异性,引入权重系数量化系统侧和用户侧的责任。算例分析表明该方法可以准确地识别主问谐波源并能量化系统侧和用户侧的责任。     

水体重金属多元素LIBS测量连续背景光谱去除方法研究

连续背景光谱是影响水体重金属多元素激光诱导击穿光谱(LIBS)定量测量的重要因素,依据背景光谱变化缓慢和特征谱线半峰全宽窄的特性,研究了滑动窗口积分斜率算法去除连续背景的方法。设置合适的窗口宽度和变化率阈值识别背景光谱和特征峰位,对窗口内的背景进行赋值操作,完成整个背景光谱的提取。实验结果表明,Pb、Cu元素特征信号的信背比是背景去除前的5.7倍和1.95倍,特征信号的相对标准偏差分别降低了2%和2.5%。滑动窗口积分斜率算法是一种稳定有效的LIBS光谱背景去除方法,为其他光谱分析技术中连续背景的去除提供了参考。     

无机盐先驱体溶胶—凝胶法制备50%Al2O3—50%ZrO2结晶复相陶瓷

采用无机盐先驱体，溶胶－凝胶法制备出超细５０％Ａｌ２Ｏ３－５０％ＺｒＯ２复合粉体，ＢＥＴ法测得其比表面积达２２７．４ｍ＾２／ｇ。复合粉体经热压烧结得到具有互渗结构的结晶复相陶瓷，其Ａｌ２Ｏ３晶粒约１００ｍｍ，ＺｒＯ２晶粒约０．６μｍ。     

2021 年 4 期目录

为了提高涠西工区大断裂及小断层成像效果,通过在涠西工区应用叠前逆时偏移技术（RTM）多轮次的测试分析及试处理,找到了影响海上复杂构造的RTM成像效果的关键问题,针对性开展了单边放炮观测孔径定义方式、宽屏RTM算法（低频保护的Laplace算法优化）和RTM照明补偿等技术方法优化,并开发了相应的RTM模块。测试应用结果形成了一套RTM技术在涠西区块精细成像的技术参数。RTM成像处理效果在研究过程中逐步大幅提高,大断层成像、断点的归位比以往成果及此次叠前深度偏移更加清晰、准确,构造成像可信度提高,基底构造连续清晰,尤其在陡倾角地层及小断层成像效果较好。     

小波神经网络及其在电力负荷预测中应用概述

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文介绍小波神经网络的构成原理、设计方法和优点,分析小波神经网络在电力负荷预测领域的研究和应用现状。文中所指小波神经网络的优点,例如所需网络节点少和预测精度高,已经在电力负荷预测研究中得到验证。将小波神经网络应用于电力负荷预测的成果是令人鼓舞的。但是小波神经网络也存在收敛性差等缺点,还需要进一步研究适合小波神经网络的算法,以提高其性能。     

基于专家规则和信息论的电网警报处理方法

针对电网发生故障时存在误报和漏报等不确定情况,提出一种基于专家规则和信息论的电网警报处理方法。该方法对警报处理过程中的警报划分集合关系,通过基于专家规则的正反向推理得到候选故障原因的特征警报集,并引入信息熵分析显示的警报集和特征警报集的相关联程度,科学地量化分析处理过程中的不确定程度。提取的交互信息量和信息比两个特征指标,在考虑时序特性与不考虑时序特性两种情况下,均能实时准确评估候选故障原因。实际算例验证了该方法的实用性和有效性。