浅析玻纤格栅在沥青路面裂缝预防中的应用

针对沥青路面裂缝问题,从裂缝产生原因、应力分析入手,提出了预防裂缝出现的有效措施,阐述了玻纤格栅在沥青路面裂缝预防中的应用,通过玻纤格栅的使用,达到了较好的预防效果。     

基于扇区空域预滤波的方位估计新方法

提出了基于扇区空域预滤波的微弱信号目标方位估计新方法,通过对传感器阵列接收数据进行扇区空域预滤波.抑制扇区以外的干扰和噪声,获得扇区内源信号相关的阵元域数据.应用虚部MUSIC方法对空域预滤波后的阵元域数据进行方位扫描,获得扇区内非对称信号源的方位信息,提高了系统对低信噪比信号的处理能力.计算机仿真结果表明,扇区空域预滤波后的虚部MUSIC方法,能有效地检测和分辨出偏离对称中心的低信噪比信号.     

配电网重构研究的现状与展望

配电网重构可以提高配电网运行的安全性、经济性和供电质量，对于当前国内配电自动化系统建设和应用具有重要意义，介绍了配电网重构的作用和国内外的研究现状，总结了各种理论和研究方法。然后，详细分析了配电网重构的目标函数、实施成本和约束条件，指出研究要向更广和更深的方向发展，以利于实际应用，最后，提出配电网重构不仅要继续研究搜索方法，不应重视负荷预测、潮流计算等相关问题的研究，充分利用人工智能等理论加快配电网重构的理论研究和实际应用。     

电力大数据应用的判断原则

电网每时每刻都在产生着类型繁多、体量巨大的数据,有效处理并发挥数据的最大价值,是电力信息化建设的主要目的之一。在电力行业,大数据应用已经得到国内外专家学者的广泛关注,但整体来看目前仍然处于初期的尝试阶段,明确何为电力大数据应用具有重要的意义。文章在综述电力大数据国内外应用研究的基础上,阐述了电力大数据的概念,进而结合具体应用场景从技术和价值2个方面提出了判断电力大数据应用的具体准则,为大数据在电力行业中的应用提供有益参考。数据即资产,电力大数据必将为电力工业乃至经济社会的发展提供重要的技术支撑。     

基于EMD与Spearman相关系数的混合直流线路纵联保护方法

混合直流输电系统兼备常规直流以及柔性直流的优势,是直流系统发展的必然趋势。现有直流差动保护易受线路分布电容的影响,纵联保护依赖于边界条件,在混合直流输电系统中适用性差。针对以上问题,提出了一种基于经验模态分解(EMD)与斯皮尔曼(Spearman)相关系数的混合直流线路纵联保护方法。在分析故障电流增量的极性特征、考虑分布电容影响的基础上,首先对线路两端故障电流信号进行镜像延拓,通过EMD提取表征电流变化方向的残余函数,再计算残余函数的Spearman相关系数,以此识别线路内外部故障。该方法不受分布电容影响、不依赖于边界条件。通过仿真验证,所提保护方案动作速度快、可靠性高,且具有较强耐受过渡电阻与抗噪声干扰的能力。     

智能算法在海绵城市规划设计领域应用进展

近年来，智能算法以其优秀的数据处理能力和自适应性，被广泛应用于海绵城市规划设计的多目标优化中。在介绍典型智能算法的计算原理及特性的基础上，从低影响开发设施优化布局、雨水管网优化设计和海绵城市设施优化调度等方面，对智能算法的应用现状进行了总结分析，并提出相关研究应关注参数优化、混合算法应用及结果合理性评价等问题，为智能算法在海绵城市建设领域的研究和应用提供了理论指导。     

基于Seq2seq模型的多特征短期母线负荷预测

母线负荷短期预测对电力系统调度运行及电力现货交易市场具有重要意义，由于母线负荷受到复杂多因素的影响，单独采用母线负荷历史数据进行预测不能取得很好的效果。为提升多因素影响下母线负荷预测的准确率，本文结合特征工程和深度学习法，对母线负荷的影响因素进行斯皮尔曼相关性分析，设计时间连续性周期编码；对Seq2seq模型的编码器和解码器设置不同的特征组进行消融实验；将实验结果与采用离散小波变换分解提取特征的方法进行对比，结果表明，本文提出的特征工程结合深度学习Seq2seq框架的母线负荷短期预测效果更佳。     

基于相似日与多模型融合的短期负荷预测

为提高负荷预测精度，以相似日思想为基础，构建了一种基于相似日与多模型融合的短期负荷预测框架。首先，通过Pearson相关系数确定负荷的气象影响因素，并结合气象因素及负荷日期类型进行相似日选取，构造历史数据集；其次，采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)技术将历史数据集分解为不同频率下的固有模态函数(intrinsic mode function,IMF)分量；然后，采用长短期时序网络(long short term time-series network,LSTNet)及极限学习机(extreme learning machine,ELM)模型分别对高频及低频IMF分量进行预测，经过结果的融合得到最终的负荷预测结果；最后，经过实际电力负荷验证，所提出模型具有较高的负荷预测精度。     

基于Apriori-ANP的电动汽车充放电站并网性能综合评估方法

电动汽车充放电行为的随机性，导致充放电站运行数据波动性强、指标间权重差距大，传统方法难以全面准确评估其充放电站的并网性能。为此，提出了一种电动汽车充放电站并网性能的综合评估方法。首先，提出了包含安全性、适应性、稳定性等5项准则的综合评估指标体系。其次，采用Apriori算法处理指标间关联关系。同时引入博弈思想将网络分析(Analytic network process, ANP)法与基于指标相关性的指标权重确定法结合以确定指标的最优组合权重。基于最优组合权重和基于逼近理想解排序法建立评估模型，对各充放电站并网的综合性能进行量化分析。最后，采用某市电动汽车充放电站运行数据对所提方法进行验证，并与已有评估方法进行对比。结果表明所提评估体系与评估方法的有效性和优越性。