基于神经网络的大坝岩体渗透系数张量反演分析

基于人工神经网络的非线性映射特性,在三维有限元计算基础上结合大坝原型观测资料,提出了坝区岩体渗透系数张量的反演方法.以某混凝土拱坝原型观测资料为例,反演了坝区岩体渗透系数张量.结果表明,该方法可行有效.     

基于渗透张量的裂隙渗流有限元计算中反常水头现象初探

针对利用等效连续导水介质模型研究岩体裂隙渗流问题时,有限元计算部分结果出现的水头反常现象,经多因素分析,认为渗透张量与渗流区域边界形状之间存在着相互协调的条件,当这种条件被超越时,就会使计算结果出现水头反常现象。     

采用最大特征值筛选的配电变压器状态评估实用方法

针对配电变压器状态量数据较少,开展状态评估工作困难的情况,提出了一种基于最大特征值筛选的配电变压器状态评估方法。利用最大特征值法分析影响配电变压器的各状态量,得到评估配电变压器的核心状态量集合。在利用核心状态量进行状态评估得到初始评估结果的基础上,通过求取非核心状态量的灵敏度,修正初始评估结果,从而得到配电变压器状态评估的最终结果。通过对油浸式配电变压器评估实例的结果分析表明:所提方法仅需要考虑核心状态量和有变化的非核心状态量,既减少了对数据的需求,又保证了评估结果的准确性,是有效和实用的。     

压力容器材料缺陷的磁记忆判别方法及应用研究

本文分析了金属磁记忆检测技术的检测方法和相应的参数特征，并对制造压力容器常用的16MnR材料进行拉伸载荷试验，采用金属磁记忆方法获取在不同载荷情况下材料的磁记忆信号，为了表征弹塑性变形的不同阶段，本文引入了磁信号载荷梯度的概念，提出了对设备运行进行定期检测的方法，以载荷梯度值作为判断铁磁性试件安全运行状态的参数。     

基于局部异常系数的混凝土坝变形异常分析方法

针对回归分析方法在数值拟合方面存在的问题,根据变形监测历史数据,考虑大坝变形、水位、温度等数据的相关性,将大坝变形监测数据看作多变量时间序列,采用鲁棒性较强的Eros距离度量多变量时间序列间的相似性,并利用局部异常系数对变形数据进行挖掘和异常检测,提出了基于局部异常系数的大坝变形异常分析方法。实例应用结果表明,该方法与统计学方法所得结论一致,能较好地描述变形监测数据的异常,可用于混凝土坝变形异常评价。     

交流磁轭磁化的校验方法探讨

对交流电磁轭磁化力的校验，概述了常用的提升力测试法与磁场强度，磁感应密度及涡电流测试法的利弊问题，并与最新提出的双感应法作了比较。结论：当磁通直接从材料上测试时，所得数据能对感应到工件中去的磁通给出最好的相关性。     

大型汽轮机热力参数异常测点识别的方法研究

从汽机运行现场参数监控的实际情况出发,以现场实际测得的某些特殊位置的蒸汽参数为基础,利用电厂汽轮机变工况热力计算方法,研究了蒸汽测点异常的识别方法,进行了计算程序编制,并以某300MW凝汽式汽轮机为研究对象,对识别方法进行了检验。结果表明,在机组一定负荷范围内,该方法能够实现对异常测点的识别,可较好地满足工程应用的需要。     

基于红外测温的圆管内壁不规则边界的识别算法研究

对内部通热流体的带有内壁缺陷的管道建立了瞬态传热模型,通过有限元法进行求解,研究管道的表面温度分布规律以及变化规律;根据共轭梯度法,提出了根据管道外表面红外测温定量地识别管道内部不规则边界的计算方法,并通过模拟实验研究了测温误差等对内壁边界识别的影响。研究证明了识别算法的有效性;初值对识别结果的影响不大;基于温差的识别算法可以大大消除红外测温误差的影响。     

基于温度参数的风电机组异常识别

文章针对风电机组运行过程中机组早期的异常状态识别问题,提出一种考虑有功功率的基于机组温度参数变化特性的风电机组异常识别模型。首先,分析风电机组各系统与温度相关的参数。然后,利用相关性理论,确定了与有功功率相关的温度参数:齿轮箱高速轴轴承前端温度、齿轮箱高速轴轴承后端温度、齿轮箱油温、发电机驱动端轴承温度、发电机非驱动端轴承温度、发电机定子绕组温度,形成了异常检测的参数体系。再次,以正常状态下机组温度参数的偏度和峰度的最大区间作为阈值,建立风电机组异常识别模型。最后,采用滑动窗口对机组运行状态进行在线监测。通过实例研究发现,当机组发生异常状态时,温度参数的偏度或者峰度超过了阈值,比警报提前了15 d。该识别模型为风电机组的早期故障预警提供了参考。     

基于小波-隐马尔可夫的波形异常扰动类型识别研究

针对波形异常扰动的识别问题,提出一种基于小波-隐马尔可夫的分类方法,利用小波变换提取波形异常扰动特征。波形异常扰动利用小波变换被分解成多分辨率小波域,其小波系数由HMM构建模型。基于此模型,结合最大似然实现波形异常扰动的分类识别,并在7 200 V配电线上的实际波形异常扰动数据进行分类,并通过后处理对结果进行调整。实验结果表明,该方法在电力工业的507个真实波形异常扰动事件分类的正确率为99％。     

基于改进深度学习的电力营销数据异常识别研究

电力行业发展对国民经济发展具有显著影响,在社会发展过程中电力企业发挥着重要作用。电能的销售工作实际上就是电力营销,其涉及到抄表、业扩报装以及核算等多个步骤。在电力企业发展过程中,异常电力营销数据对于各相关方的利益均带来不良影响,并且对于我国经济的发展也起到一定的阻碍作用。随着人工智能技术的不断发展,改进深度学习以其优异的数据处理能力、强大的态势感知能力,可以用于电力营销数据的异常识别。     

基于支持向量机的水资源短缺量预测模型及其应用

随着水资源短缺问题的日益突出,利用支持向量机在解决小样本、非线性及高维模式识别问题中的优势,建立了基于支持向量机的水资源短缺影响因子的识别模型和缺水量预测模型,并以北京市为例,对水资源短缺影响因子进行了识别,分析了影响因子的敏感性,进而对北京市未来5年(2014~2018年)的水资源短缺量进行了预测,根据预测结果,为解决北京市水资源短缺问题提出了具体建议。     

基于脉宽直接处理的逆变器偏磁抑制方法

文章对带工频隔离变压器的单相光伏并网逆变器产生偏磁进行了分析,为解决输出的直流偏磁对逆变器的不良影响,提出一种通过对调制波进行直接处理的全数字化基于脉宽处理的偏磁抑制方法,为验证其有效性,在3 kW单相光伏并网逆变器的样机上进行了试验验证,采用单极性倍频的SPWM调制方式。试验结果表明,该偏磁抑制方法能有效地抑制变压器的直流偏磁。     

基于长短时记忆网络的电热协同运行异常识别方法

当前,以“电热协同,跨网互济”为核心理念的区域清洁供能逐步成为了一种成熟的能源解决方案,因此保障电热协同运行安全稳定也成为了工作重中之重,在异常识别过程中,很难获取充足故障数据,使得所训练模型泛化能力不足。文章基于区域电热综合功能系统典型架构,构建光伏、热泵、电动汽车、蓄电池、蓄热模块综合仿真模型,然后结合所提故障模拟方法生成所需异常运行数据,提出一种基于长短时记忆网络的运行异常识别模型,最后进行算例分析,验证模型的有效性,对监测电热协同运行异常具有一定的理论与数值参考价值。     

基于特征聚类分析的大规模发电数据异常辨识方法

目前电厂发电量数据集抄已在各电网公司得到了广泛应用。针对电量集抄中首要解决的异常数据辨识问题,深入分析了不同类型电源的自身特性,基于特征聚类分析技术,提出了不同类型电源日发电量异常的辨识条件,由此构建了基于特征聚类分析的大规模发电数据异常辨识方法,最后基于某省网的实际数据,验证了所提出方法的有效性。     

基于B型显示超声波的耐张线夹压接质量检测方法

耐张线夹作为输电线路关键组成部件,其压接质量直接影响输电线路安全。目前的耐张线夹压接质量检测方法都存在一定的不足,为此结合超声波检测技术,提出了基于B型显示超声波的检测方法,并结合试验证明了该方法的可行性和有效性。该研究为耐张线夹压接质量检测提供了新思路,对于提升输电线路安全运行具有重要意义。     

基于改进K-Means聚类和误差反馈的数据清洗方法

综合能源数据的采集与分析是构建综合能源系统的基础和前提,由于数据采集过程中存在系统故障、线路检修等随机因素的制约,其数据常存在异常和缺失情况。为解决上述问题,提出了基于改进K-Means聚类和误差反馈的数据清洗方法,对异常数据进行识别和插补。将异常数据分为不符合用能业务特性的坏数据和缺失数据两类。针对坏数据问题,提出了基于改进K-Means聚类的异常数据识别方法,其中采用Davies-Bouldin（DB）指标解决聚类数K的选取问题;针对缺失数据问题,提出了基于误差反馈的异常数据组合式插补方法。为验证所提方法的有效性,从某园区5个用户4个月的用电数据中选取40组数据,前20组作为样本集以确定插补权重,后20组作为验证集进行验证与对比,结果表明,所提方法具有更高的稳定性与可靠性。