大丝束聚丙烯腈基预氧丝炭化研究

采用正交实验法研究了炭化温度、炭化时间、升温速率等因素对两种聚丙烯腈基预氧丝炭化产物结构和性能的影响.结果表明,进口东邦48 K大丝束聚丙烯腈基预氧丝环化程度优于国产吉林6 K小丝束聚丙烯腈基预氧丝,在炭化温度950℃,升温速率4℃/min,保温时间10 min条件下,炭化可取得最佳性能,炭化产物纤维拉伸强度达2.96 GPa,而国产吉林6 K小丝束在炭化温度1 100℃,升温速率4℃/min,保温时间5 min条件下炭化产物性能最佳,产物炭纤维拉伸强度近3.80 GPa.伴随两种预氧丝炭化过程,纤维颜色加深,表面缺陷减少,拉伸断裂模式均由假塑性向脆性过渡,为复合材料低成本开发中预氧丝坯体制备与炭化工艺提供了参考依据.     

基于功率和载荷协调的变桨距控制策略

风力机启动阶段变桨距实现最佳力矩,额定风速以上时变桨距实现恒功率控制。正常情况下变桨距过程引起的载荷变化不会超过设计阈值范围。但是,当风电机组设备老化疲劳后载荷阈值可能会下降,出现超载荷运行的现象,危害机组安全。本文在建立风电机组数学模型的基础上,分析了桨距角和载荷的内在关系,提出了功率和载荷协调的变桨距控制策略。当风电机组超载荷运行时,改变常规的变桨距控制策略,调整桨距角,优化变桨速率,以降低风电机组输出功率为代价,减小风电机组载荷,保证风电机组安全稳定运行。采用GH Bladed建模仿真,其仿真结果证明了控制策略的可行性和有效性。     

一种基于高阶混合投影估计的网络嵌入方法

特征提取对于网络分析任务而言是至关重要的,而网络嵌入学习的目的则是根据网络的结构和语义信息自动化构建节点或边的特征。现有的方法将网络嵌入分解为网络数据挖掘和数据降维两个独立的过程,因而无法很好地在潜在空间中对节点的分布进行建模描述。因此,提出了一种基于高阶混合投影估计的网络嵌入方法,该方法借鉴谱分解的思想,利用线性投影算子将网络从高维结构空间映射至低维特征空间,然后利用混合概率模型对节点的分布进行建模以维持网络的社区结构性质。此外,该方法还融入了局部节点相似性来防止发生过拟合现象。最后,为了验证该方法的有效性和鲁棒性,在四个真实的网络数据集之上和现有的网络嵌入算法进行了对比实验,在链路预测任务中,该方法分别将Micro-F1和Macro-F1指标的基准线平均提升了3.97%和2.23%,在节点分类任务中,该方法将AUC值的基准线平均提升了10.43%。     

一种基于深度RTRBM的动态网络链路预测方法

针对节点对的嵌入特征随时间演化而发生的骤变问题,提出了一种基于深度循环时序受限玻尔兹曼机(RTRBM)的链路预测方法。在样本集构建方面,利用网络嵌入学习自动化提取网络节点特征,并以嵌入特征空间中两个节点间的距离作为节点对样本属性;在学习模型选择方面,将RTRBM模型应用于动态网络链路预测,考虑到短时间间隔内节点在嵌入特征空间中的位置相对稳定,对RTRBM的能量函数及训练过程进行了改进。此外,为了提取节点对的深度时序特征,结合深度学习理论,通过纵向地堆叠多个改进后的RTRBM构成深度学习结构,并利用Logistic回归分类器对动态网络中的链路关系进行分类和预测。实验结果表明,改进后的RTRBM及其深度学习模型相比于其他方法在AUC指标下有着明显的性能提升。     

基于EMS的用电调度自动化平台研发及应用

以调度自动化系统为基础,遵循南方电网一体化电网运行智能系统总体架构,开发基于EMS（Energy Man-agement System）的用电调度自动化平台。平台创建了用电调度相关监视、控制与管理功能模块,实现了EMS与配网GIS（Geographic Information System）系统、营销管理系统、计量自动化系统、主配网生产管理系统的互联。