基于遗传算法优化的BP网络变压器可靠度计算

针对在进行变压器可靠度评估时可靠度计算用时较长的问题,进行了理论和仿真研究.首先对基于FTA计算变压器可靠度的原理进行了分析,其中专家经验起很大作用,分析了部分变压器可靠度较低的原因;在所得到的138台变压器可靠度值的基础上,提出了运用BP神经网络拟合单台变压器可靠度的方法,确定了神经网络架构和训练样本,在此基础上,运用GA对BP网络的权值和阈值进行了优化,用10组数据验证了其准确性.研究结果表明,通报BP神经网络可以有效地拟合出变压器的可靠度,误差在可以接受范围之内,提高了计算速率,运用GA优化后提高了可靠度拟合的准确度.     

曝光量在GIS设备X射线可视化无损检测中的选择应用

针对GIS设备缺乏有效检测手段且其在电网中的重要性,云南电网在全球率先将X射线数字成像DR检测技术应用到GIS设备的可视化无损检测中。目前,X射线数字成像DR检测技术在电力设备可视化检测中的应用才刚刚起步,还没有现场试验操作规程、X射线机参数选择标准、图像处理系统等理论支撑。然而,在X射线成像过程中,曝光量直接影响着X射线数字成像质量,由此基于大量的现场试验及计算,提出了曝光量在GIS设备X射线可视化图像的选择方法。     

历史建筑结构加固方法探究与工程实践

阐述了历史建筑特点及我国历史建筑保护工作现状,以具体历史建筑加固工程为例,结合历史建筑结构特点和修缮原则,基于结构状态和各主要受力构件特点,介绍了不同结构构件的加固方法,并给出了其施工方法要点,总结了一套工艺成熟且适用范围较广的结构加固方法,为类似加固工程提供参考.     

水驱开发指标的数学模型联解预测方法

油田进入高含水后期,在生产压差和井网条件基本不变的条件下,产量将按照一定的规律开始递减。萨中已开发区块水驱递减类型符合指数递减模型,该模型只能预测产油量、累积产油量和可采储量,不能预测水驱油田的含水率、产水量和产液量。将指数递减模型与丙型水驱特征曲线相结合,可以预测水驱油田各项开发指标。对于投产时间短、还未出现产量递减的三次加密的井,先利用油田水驱采收率与井网密度经验关系预测加密调整井的可采储量,然后采用广义翁氏与丙型水驱特征曲线联解法进行开发指标预测。     

不稳定试井方法在海拉尔油田的应用

1.贝301区块地质特征海拉尔油田贝301区块属于砂砾岩油藏,其储层物性变化大,孔隙度为8.1%~28.0%,空气渗透率为4×10-3~102.4×10-3μm2。该区块位于贝尔凹陷西南诺仁构造带中部,主要受三条NE向反向正断层控制,是一继承性断鼻构造。开发目的层为南二段上部和中部,油层埋深1110~1     

基于静电驱动NEMS混频器结构设计与分析

提出了一种采用新型纳米梁结构利用静电驱动实现混频的NEMS混频器的工作原理。通过在两个双端固支梁中间加一平板质量块作为静电驱动与检测输出电极,可以明显提高纳米尺度下静电驱动静电力的大小以及电容信号输出强度,减少平板电容边缘效应的影响。采用双梁结构对于中间质量块而言回复力得到了提高,有利于提高谐振频率同时有效地抑制了梁扭转模态的干扰。在详细分析双梁结构静电驱动信号选取方式以及真空下动力学模型基础上,利用Lindstedt-Poincare方法推导出系统的幅频关系式。     

铸造过程质量控制探究

铸件质量决定于每道工艺过程的质量。对铸件质量进行控制实际上是全过程的质量控制。铸造生产过程是铸件固有质量具体形成的阶段,其工艺流程长,从原材料进厂到成品铸件出厂,先后经过数十道工序,工序间连贯性强,每道工序的变量多,不易控制。本文针对熔模铸造过程中主要工艺过程原材料、陶瓷型芯、蜡模的制作、型壳的制作、熔炼及浇注过程、铸件的清理,结合生产实际阐述了需控制的环节,以减少随机误差,提高产品合格率。     

基于专家系统的设备状态评价研究与应用

为了能及时、准确、动态掌握电力设备状态的变化情况,提高状态评价结果的应用水平,根据包括在线监测、带电检测、生产管理系统等多个数据来源,基于专家系统模型,结合设备状态模糊性分析,构建设备状态评价体系架构。在此基础上,通过设备状态数据获取与预处理分析,研究状态量选取和构建设备的自动状态评价模型。最后通过实例应用,验证该方法的实用性与先进性,从而为设备状态的准确、自动评价提供一种参考。     

基于随机森林的变压器油中溶解气体浓度预测

对油中溶解气体浓度进行分析及发展趋势预测,可以为变压器的状态评估提供重要的依据。传统的离线DGA方法因易导致延迟判断变压器的运行状态,造成一定的经济损失,现已不适用于油中溶解气体浓度分析及预测。因此,提出一种基于随机森林的变压器油中溶解气体浓度预测模型,以更准确地分析与预测油中溶解气体浓度。该模型以7种气体浓度构成特征向量空间,作为可视输入,并以目标气体浓度作为输出。试验结果表明,相较于传统的机器学习方法(BPNN、RBF和SVM),随机森林模型能更准确地预测油中溶解气体浓度,且需要调整参数少、训练效率高。通过算例分析,验证了该方法的有效性。