电能表基本误差测量不确定度评定与验证

通过实例,阐述电能表基本误差测量不确定度评定与验证的方法和步骤。最后指出,对电能表基本误差测量不确定度评定与验证具有实际意义,可以及时掌握对电能表检定结果正确性的可信程度。     

大数据条件下现场运行电能表计量误差估计方法

为了探究现场多维影响工况下在网电能表的计量性能,并映射其在标准实验室条件下的计量误差,提出一种基于大数据分析技术的现场服役电能表计量误差估计方法,结合现场运行的环境数据和电因素数据实现在线计量误差估计。首先,通过优化聚类评价指标实现K-Means聚类算法的改进,并对现场环境数据进行聚类分析;然后,采用LM算法优化基于BP神经网络的数据训练方法,结合负载电流、功率因数等数据,构建电能表电能误差与环境温度、湿度和负载电流、功率因数四种应力的映射关系;最后,在获取电能表现场电能误差数据的基础上,开展工程应用实例计算。结果表明,利用所提方法可对电能表的计量误差进行划分,验证了所提方法的准确性。     

0.01级电能表检定装置的设计与开发

概述了0．01级电能表智能检定装置的结构、功能，软、硬件的设计、开发以及该装置的指标、性能和特点。     

单相电能表检定装置的改造及其应用

智能电网建设是我国电网公司现代化发展的必然方向.抚顺供电公司在原单相电能表检定装置的基础上进行了改造,增加走字、编程、通讯等功能模块,并对原有操作系统进行升级,使其能够同时完成误差、走字、通讯等校验项目.实际应用表明:改造后单相电能表检定装置不但满足智能电能表的校验要求,而且极大地节约了人力物力,提高了工作效率.     

智能电能表技术与应用

智能电网的快速发展过程中,智能电能表受到前所未有的重视,得到了广泛的使用.介绍了智能电能表的特点、功能,并针对目前智能电能表技术中存在的主要问题,如准确性、防窃电、安全性与成本问题进行了分析,最后描述了智能电表的应用与前景.     

单相电能表误差的实用检定法

通过理论分析,结合简单的实测数据,判断单相电能表的误差是否满足计量要求.     

水轮发电机组神经网络建模研究

针对水轮发电机组存在的非线性，研究用神经网络建立其模型，分析网络初始权值的选取以及遗忘因子对网络权值学习收敛性的影响，并建立了一个真实水轮发电机组的神经网络模型。     

高精度功率电能表的研究

通过理论分析，着重对功率电能表的关键部分－乘法器做了深入的分析与研究。并在此基础上对乘法器的误差了有效的补偿，且利用测量技术中最基本又常用的替代法来探讨数字电能表的自校技术问题，同时发挥了微机的特点，增强了表的功能，实验结果表明，该系统方案可行，达到了０．０５级功率电能表的要求。     

联合改进SVR和渐消记忆递推最小二乘算法的电能表误差评估模型研究

针对电能计量装置运行误差现场检定难度大、定期轮换成本高等问题,提出一种联合麻雀搜索算法（SSA）、支持向量回归机（SVR）和渐消记忆递推最小二乘算法（FMRLS）的电能表误差评估模型。该方法首先利用改进的K-Means算法对台区进行分类,将分类后的样本导入利用SSA优化后的SVR模型进行训练,建立台区线损率预测模型;而后将得到的线损率代入改进的线损模型,构建电能表误差求解方程,利用FMRLS算法对误差方程进行求解,对电能表误差进行估计。通过河北省某低压台区样本的数据验证,该方法可以实现对低压台区线损率的有效预测,并估计出在运电能表的误差,为加快推进智能电能表检修策略由定期更换转向状态轮换提供技术保障。     

基于BP神经网络的化工过程建模研究

研究使用ＢＰ神经网络来完成化工过程的建筑。一般的化工过程建模问题是非线性的问题，很多情形下，与不相有关量的变化速率数量级相差很大，从而问题是刚性的。这时，用数值方法难于对过程的变化精确求解。由于ＢＰ网络能实现任何非线性的连续映，故适于处理复杂化工建模问题，将ＢＰ神经网络用于精细塔的温度计算，结果令人满意。     

透射式能见度仪的数学模型与误差分析

为解决大气透射能见度仪的测试精度问题,对透射式能见度仪建立了简单的数学模型,从理论上分析了仪器测试的误差来源;并以提高接收机的稳定性和延长基线为思路提出了一系列提高能见度仪测试精度的解决方案。为了验证该方案的有效性,安排了2套设备在同一地点做了对比测试。测试结果表明：2套参试仪器的测量值总体走向是一致的,在能见度较高且快速变化时,虽然2台设备测试数据出现偏离,但已经达到了气象部门对透射式能见度仪的精度指标的要求,证明了数学模型的有效性。     

数字式多功能电度表的研究

用测量电压、电流以及它们之间的相位差的方法，利用积分累加的原理，用单片机构成多功能数字式电度表，并提供多种电能参数和实现电能的分时计量、电费计算以及数字显示。文中还介绍了该表的硬件、软件设计的基本思想、方法和特点。试验结果表明：此表的主要性能指标均符合设计要求。     

Modeling of Magneto-Rheological Damper with Neural Network

With the revival of magnetorheological technology research in the 1980＇s, its application in vehicles is increasingly focused on vibration suppression. Based on the importance of magnetorheological damper modeling, nonparametric modeling with neural network, which is a promising development in semi-active online control of vehicles with MR suspension, has been carried out in this study. A two layer neural network with 7 neurons in a hidden layer and 3 inputs and 1 output was established to simulate the behavior of MR damper at different excitation currents. In the neural network modeling, the damping force is a function of displacement, velocity and the applied current. A MR damper for vehicles is fabricated and tested by MTS; the data acquired are utilized for neural network training and validation. The application and validation show that the predicted forces of the neural network match well with the forces tested with a small variance, which demonstrates the effectiveness and precision of neural network modeling.     

基于BP神经网络的处理器节能技术研究

研究芯片功耗中动态功耗部分,针对传统动态节能技术动态电压与频率调节（dynamic voltage and frequency scaling,DVFS）技术未能考虑预测CPU未来阶段行为的不足,提出BP-DVFS节能策略。为了提高下一阶段CPU利用率的预测准确性,更准确地对CPU进行动态调频进而降低其运行功耗。构建了一种FPU-CPU（forward predict utilization CPU）模型。模型假设下一时间段CPU利用率与CPU运行资源有关的事件特征量存在非线性函数关系,从处理器运行时环境出发提取出与CPU资源紧密相关的5个特征量进行度量,采用BP神经网络进行拟合训练。用训练后得到的神经网络预测CPU下一阶段的利用率,进行CPU处理不同类型任务程序的功耗仿真实验。并在相同实验条件下与常用的3种CPU调频策略实验结果进行对比。实验结果表明,在CPU处理不同类型任务程序时,采用BP-DVFS策略进行调频的CPU功耗都低于其他3种策略进行调频的CPU功耗。通过实验验证,本文提出的方法提高了预测CPU利用率的准确度,降低了CPU运行时功耗。同时验证了假设的合理性与有效性以及此方法实现CPU低功耗运行是有效的。     

基于熵方误差的QuasiNewton前馈神经网络

为了提高前馈神经网络学习算法的收敛速度 ,尝试定义熵方误差函数 ,在理论上证明了熵方误差函数的有效性 ,并将其应用于拟牛顿 (QuasiNewton)前馈神经网络。最后与使用其他误差函数的网络算法进行对比实验 ,结果表明引入熵方误差函数的前馈神经网络具有良好的收敛性与稳定性。     

基于改进的神经网络循环流化床锅炉建模

提出了基于改进的BP神经网络的方法,并引入附加动量项和自适应学习率,根据所提的建模方法进行实际建模.计算结果表明,该模型能够较好地对床温进行预测,可以反映主要参数变化时循环流化床锅炉床温的动态特性,说明了该建模方法的可行性.     

基于铝电解过程神经网络建模的研究

目的利用神经网络铝对电解过程进行辨识建模,以解决采用常规方法难以建立模型的问题.方法分别利用递归神经网络（Elman神经网络）和延时神经网络（加入延时单元的BP神经网络）对铝电解过程进行辨识建模,并将二者的辨识结果进行了比较.结果递归Elman神经网络能更好地跟踪铝电解生产过程,并且网络结构简单误差小.结论笔者提出的递归Elman神经网络建模方案更适合于对铝电解过程进行辨识建模.     

水轮发电机组神经网络建模研究

针对水轮发电机组存在的非线性，研究用神经网络建立其模型．分析网络初始权值的选取以及遗忘因子对网络权值学习收敛性的影响，并建立了一个真实水轮发电机组的神经网络模型．