差分拉曼光谱结合机器学习对汽车灯罩的可视化研究

为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。     

集成服务环境下风电并网的无功调节（二）信息交换

以并网风电场的无功功率调节为例,研究电力企业集成服务环境下风电并网的协调控制技术。介绍了风电数据采集与监控（SCADA）系统与地调能量管理系统（EMS）的企业集成服务体系架构,重点描述了应用系统之间数据交换的实现方法,具体介绍了无功调节数据交换的数据模型和数据交换组件接口的设计方法。通信系统的仿真实验表明数据模型和数据交换接口设计的正确性。     

基于DCOM组件技术的CA证书申请设计与实现

文章主要介绍了PKI（Public Key Infrastructure）体系中使用智能卡向CA机构申请征书服务于系统的一个完整设计与实现，具体说明了Winsows2000证书服务、CRYPTOAPI、CSP（Cryptographic Service Provider)以及DCOM组件等在实现过程中涉及的技术及相关原理。     

单片机电力监控系统交流采样的实现及抗干扰措施

以８０９８单片机为主体设计远程电力监控系统的用户级分站，能做到低成本、高性能，适用于监控中小型电力用户的用电情况．电力参数的数据采集是其从重要的环节，要求硬件投资少，软件占用ＣＰＵ时间少．本文介绍了用８０９８单片机实现电力参数交流直接采样技术的一套经济实用而又稳定可靠的方法，对其硬件结构原理、软件设计思想以及去除现场干扰的软硬件措施等进行了阐述．     

大渡河流域水电科学开发实践分析

大渡河是四川水电的"一环路",其水电开发情况复杂,制约因素众多,国电大渡河公司坚持以科学发展观为指导,科学、合规、有序开展了大渡河流域水电资源可持续开发,实现了水电开发、环境保护、区域经济社会和谐发展、互相促进。     

调制解调器的任务唤醒和通话时自动应答后的唤人回应处理

现有的调制解调器（ＭＯＤＥＭ）,没有由电话振铃启动工作电源的功能;当它自动应答的是通话呼叫时,无本机振铃唤人和给对方等待提示的功能,这使得将其应用于工业控制系统的自动数据通信等场合时颇不方便．为此,设计了一种“ＭＯＤＥＭ自动应答功能扩展器”,它具有“任务唤醒”功能和自动应答通话任务时的唤人回应处理功能,能够启动本地振铃声唤人接电话,并给对方发送等待信号．文章介绍了ＭＯＤＥＭ的自动应答功能、自动电源控制电路的设计以及振铃唤人和回话处理电路的设计。     

基于BPNN-NCT的风电机组主轴承异常辨识方法

风电机组主轴承作为传动系统的重要组成部件,其异常辨识精度受风速波动的影响较大。针对该问题,提出了一种基于BPNN-NCT的风电机组主轴承异常辨识方法。首先,利用相关系数法确定了与主轴承状态相关的参数作为模型的输入,并基于反向传播神经网络(BPNN)建立了以主轴承温度为状态参数的状态参数预测模型。然后,基于非中心t(NCT)分布刻画了不同风速波动区间下状态参数预测残差的分布特性,并在此基础上提出了计及风速波动影响的风电机组主轴承异常状态量化指标。最后,以某风电场的2 MW直驱风力发电机组为例,验证了所提方法的有效性和准确性。     

300 m级心墙堆石坝与地下厂房洞室群渗流分析与控制

渗流分析与控制对高心墙堆石坝工程安全至关重要。双江口水电站心墙堆石坝最大坝高314 m,地下厂房洞室群规模巨大,工程厂坝区的水文地质条件复杂。采用4种有限元法进行渗流计算分析和渗流控制方案研究,反演得到天然渗流场边界水位和材料渗透参数,建立4套有限元计算模型,计算分析运行期不同方案下渗流场分布、渗透坡降和渗流量,研究渗流控制方案的可行性和合理性,为双江口水电站工程安全运行奠定了基础。     

基于态势利导的同步逆变器负序电流抑制方法

电网电压不平衡时,同步逆变器并网运行输出负序电流导致三相并网电流严重不平衡,进而使电网不稳定加剧,制约了其在新能源并网中的应用。针对此问题,对电网电压与逆变器输出电压未能同步而产生的不平衡电流进行机理分析,提出了一种抑制负序电流的新方法。该方法首先对逆变器输出电流进行态势预测,提前预知电流态势信息,然后将预测所得电流变化量转化为相应电压变化量作为前馈信息输入同步控制系统进行实时补偿,可实现同步逆变器态势利导下的快速预防控制。仿真结果表明,所提方法有效抑制了电网电压不平衡时的负序电流,降低了电流不平衡度,并提高了控制系统的动态性能。     

模块化五电平逆变器子模块开路故障的智能诊断方法

基于深度学习理论,提出了一种基于栈式稀疏自动编码器(SSAE)的模块化五电平逆变器(MFLI)子模块开路故障诊断方法。该方法将MFLI子模块开路故障检测与定位问题转化成分类问题,首先将子模块电容电压信号组合成24通道序列信号,然后沿着24通道序列移动大小为24×40滑动窗口获得"数据带"样本,紧接着将"数据带"转化为向量输入到SSAE中进行逐层无监督特征学习,构建原始故障数据集的深层特征简明表达,最后将深层特征简明表达连接到Softmax分类器输出故障诊断结果。此外,为了提高该方法的抗噪性能,利用已添加高斯白噪声的数据对SSAE进行训练,以提高其特征表达的鲁棒性。结果表明,所提出的故障诊断方法平均准确度达到98.09%,故障平均诊断时间为31.47ms,且具有较高的鲁棒性。