新疆两种闪电定位系统探测资料的对比分析

利用2013—2017年ADTD和LLS探测的地闪资料,并结合2015年5月5日雷灾个例,对比分析新疆两种系统的地闪变化特征和雷灾发生时的地闪分布。结果表明:LLS探测的年均地闪次数约为ADTD的2倍多,均以负地闪为主。两种系统探测到白天发生的地闪次数几乎均高于晚上,近5年正地闪昼夜比分别为1. 5、1. 4。ADTD和LLS监测的正、负地闪日变化、月变化特征基本一致。LLS系统测得正、负地闪密度值均大于ADTD。地闪密度大值区均主要集中在新疆的北部和西部,而最小区则均集中在南疆沙漠戈壁; ADTD探测的地闪频次比LLS偏小一个数量级,但均随着经纬度的增大而先增加后减少。ADTD探测的地闪平均强度在4—10月均大于LLS,且日均值也大于LLS。ADTD与LLS探测负地闪电流强度中间值区域较为一致,大多集中在南疆。LLS系统监测的负地闪电流分布和IEEE工作组给出的电流强度分布较为接近。与雷灾数据对比发现LLS系统数据与受灾距离误差较小。     

新型实用的加气混凝土坯体硬度计

加气混凝土生产过程中 ,掌握好坯体的塑性强度对提高产品质量至关重要。坯体塑性强度过大会增加切割阻力 ,切割钢丝容易崩断 ,严重时还会使整模坯体报废 ;坯体塑性强度过低坯体在吸运过程中底部会掉下来 ,切割时会产生粘连而造成废品。为了掌握坯体合适吸运和切割的塑性强度 ,常州建材设备制造厂在中国建筑东北设计院的指导下 ,设计并制造了加气混凝土坯体硬度计 ,应用时只要加气混凝土的硬度达到某一数值即可进行坯体的吸运和切割 ,经上海、苏州、辽宁、广东等地实际使用效果较好。该硬度计具有以下特点 :（１）可以比较正确地测出坯体表面…     

校企合作实践教学模式培养材料学专业研究生的探索

依靠校企合作培养材料专业研究生,可为合作企业培养高层次、高素质、应用型专门人才。本文结合作者在材料学领域培养研究生的经历,总结校企合作方面的经验,主要包括在培养方式改革、研究生课程体系建设、师资人才队伍建设、实践教学和校外实习基地建设等,形成了培养过程监控与培养质量评价等方面的经验,推进校企合作培养专业学位研究生培养方式的创新。     

碲粉电解精炼过程中面积电流对电碲质量的影响

碲粉电解过程中，面积电流对电碲质量，电碲中杂质硒、砷、铜、铋、铅的质量分数有较大影响。试验结果表明，面积电流在63．55～85A／m^2范围内时，电解质量符合国标1^#碲质量要求。     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解(EMD)方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取.分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解(EEMD)的解决方法.该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号.并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果.仿真和现场测试的结果均验证了所提方法的有效性.     

基于半监督学习的XLPE电缆局部放电模式识别研究

在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究.制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,K近邻,BP神经网络等方法进行了对比,并采用主成分分析进行优化.研究结果表明半监督学习能充分利用已标注样本的特征信息和未标注样本的分布信息,增强分类器的性能,提高局部放电模式识别的准确率.而通过主成分分析的方法能降低样本特征维数,有效提高半监督学习算法速度.     

基于半监督学习的XLPE电缆局部放电模式识别研究

在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究.制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,K近邻,BP神经网络等方...     

用于变电站放电源空间定位的特高频传感器研究

基于宽带单极天线理论,设计了一种可用于变电站局部放电空间定位的特高频传感器。该传感器采用椭圆单极贴片的结构,具有全向、宽频带、高灵敏度、驻波比低及群时延稳定等特点,能有效满足变电站放电源全向检测的要求,多个传感器可组成特高频传感器阵列,对放电源进行空间定位。实验室搭建的局放实验平台对该传感器的空间检测及定位性能进行了验证,并成功将由该传感器组建的传感器阵列用于了变电站现场放电在线监测。实验室实验及现场应用结果表明,该传感器能够满足变电站放电源空间定位的要求。     

基于空化效应的微泡浮选油水分离方法

针对变电站含油废水的水处理问题,提出了一种使用旋流-静态微泡浮选柱内置旋流器用于油水分离的方法,并且分析了旋流器内部油滴的聚结过程;在油水分离初步完成后,利用水力空化效应进一步降解与净化分离后的废水。对传统的空化发生装置文丘里管作出改进,并且通过Fluent仿真研究不同内部流道尺寸对空化效应的影响,通过亚甲基蓝溶液与羟基的反应验证了最佳内部流道尺寸为1 mm,在此尺寸下空化效果最好。在溶液初始质量浓度为100 mg/L、温度为35℃、入口压力为0.3 MPa的条件下进行水力空化实验,流道尺寸为1 mm时油的去除率达到37%,去除率较高。     

基于双传声器和深度学习的变压器状态识别

针对单传感器状态识别算法存在漏检、误检的缺陷,文章提出一种基于双传声器和深度学习的变压器状态识别算法,即基于一维卷积神经网络和双传声器数据融合算法(1D-CNN based dual microphones fusion algorithm,1D-CNN-DMF)。利用2个传声器分别同时采集变压器声信号,通过一维卷积神经网络对2个传声器采集到的声信号分别进行特征提取,并利用全连接层对特征进行融合,最终通过softmax分类器进行分类。通过采集500 kV变压器的声信号构建数据集进行验证,结果表明1D-CNN-DMF算法可以有效地对变压器不同状态进行分类,分类准确率高于1D-CNN-LSTM、1D-CNN、FFT-BP、SVM和FFT-SAE等算法。最后利用t-SNE可视化工具揭示了1D-CNN-DMF算法的内在机制。