改进型遗传算法在滤波器优化设计中的应用

提出一种引入神经网络函数的自适应遗传算法,并将其应用到电力系统滤波器优化配置,致力于解决电网谐波污染问题.根据工程实际情况.建立滤波器的简化模型,以滤波器投资最少为目标函数,以各节点谐波电压指标作为约束条件,采用改进的遗传算法进行寻优,最终实现有源电力滤波器的最优安装地点、安装个数和参数的优化选择.通过对IEEE实例计算与仿真分析,充分论证了所提出的改进算法及模型是正确而可行的.     

基于改进遗传算法的主动配电网优化定价策略研究

由于传统的主动配电网优化定价策略没有设置等式和不等式约束条件,使电力定价超过设定的最高限值,降低了定价效率,基于此,研究一种基于改进遗传算法的主动配电网优化定价策略。首先将最优的机组有功费用和无功费用作为目标建立目标函数,即定价优化策略模型,然后设置其等式约束条件和不等式约束条件,使电力定价不超过设定的最高限值,最后在约束条件下利用改进后的遗传算法对最优定价策略模型进行求解,获取最优定价。实验结果表明,所研究方法在大于设定的价格下限0.5元/度的基础上,定价更高一点,基于电力企业角度,说明所研究方法优化后的主动配电网定价更为合理,并且定价效率较高。     

一种新型大功率ZVZCS三电平DC-DC变换器

三电平直流变换器因其主开关器件电压应力仅为Vin/2且具有拓扑结构简单和软开关特性好等优点,受到工业界和学术界的广泛关注。基于IGBT的零电压零电流开关ZVZCS(zero-voltage zero-current switching)三电平DC-DC变换器是大功率高压直流变换的主流方案,具有通流能力强、软开关负载范围宽和原边通态损耗低等优点。但目前ZVZCS三电平直流变换器仍存在原边电流复位困难和整流二极管电压应力高等问题,限制了该类变换器在大功率场合的应用。提出一种新型ZVZCS飞跨电容型不对称PWM半桥三电平DC-DC变换器,采用电压可变电流复位电路,在保证主开关器件宽负载范围实现软开关的同时不增加副边整流二极管的电压应力,且复位电路中的MOSETs全负载范围ZVS(zero-voltage switching)关断和ZCS(zero-current switching)开通。此外,该电路在飞跨电容两端串联一个双向开关,防止原边电流复位后反向,该双向开关在全负载范围可实现ZVS关断和ZCS开通,因此增加的损耗可以忽略。讨论了电路的结构、工作原理和特性,设计了一台6.5 kW实验样...     

柳堰集水库渔光互补工程对水环境影响的数值模拟研究

针对渔光互补工程对水环境的影响缺乏精准量化研究的问题，构建了适用于柳堰集水库的水动力-水质-水生态-工程耦合数值模型，模拟了2020年8月自然现状和渔光互补工程实施后库区水温、化学需氧量、溶解氧、总磷、总氮、叶绿素a的质量浓度时空分布，并计算了水体富营养化指数。结果表明：渔光互补工程实施后，柳堰集水库的水温、溶解氧和叶绿素a质量浓度分别下降了0～6℃、0～0.02 mg/L和0～0.000 5 mg/L,化学需氧量质量浓度上升了0～10 mg/L;总磷、总氮质量浓度变化趋势在光伏板下伏水域和未布设光伏板水域呈现较大差异性，光伏板下伏水域总磷质量浓度升高了0～0.814 mg/L,总氮质量浓度降低了0～0.125 mg/L;各水质指标在渔光互补工程实施前后的差异随时间推移逐渐减小，入汇口水体富营养化程度显著下降，中央库区灌溉取水口水体富营养化指数提高了5.61～16.00。     

高瓦斯综放工作面智能放煤关键技术研究与应用

目前高瓦斯综放工作面的智能化放煤面临着许多难题，主要包括煤矸识别精度较差、煤流与瓦斯浓度的控制不够全面、跟机工艺设计研发繁琐、控制系统响应较慢。为解决这些问题，研发了基于5G通信的云边端协同智能放煤控制系统，包括5G网络、云端服务器、边缘处理器、终端执行设备等，系统具有较高的数据传输速度、控制响应速度和数据处理能力，在对综放开采放煤工艺参数和智能放煤工艺流程分析的基础上，详细阐述了煤矸识别技术、大块煤识别与煤流负荷平衡技术、瓦斯安全联动控制技术、跟机放煤数字孪生技术四大智能放煤关键技术。在保德煤矿81309综放工作面进行应用试验，采用智能综放技术后，顶煤采出率由86%上升到93%，煤炭含矸率由21%下降到15%，总的生产效率提高了10%，放煤作业人员由原来的3～4人减少为1～2人。开发的基于5G通信的云边端协同智能放煤控制系统及其关键技术也可以推广到其他综放工作面，对煤矿减人增效和安全高效开采具有重要价值。     

数控加工技术的优化策略分析

阐述数控加工技术的特点，数字控制技术在机械加工中的运用，现代数控加工技术的优化策略，对于软件设备的研究创新，从而提升产业综合能力，提高产品制造的效率。     

异构信息网络的注意力感知多通道图卷积评分预测模型

异构信息网络(Heterogeneous Information Network, HIN)包含了丰富的语义信息，利用其进行评分预测已成为缓解推荐系统数据稀疏性问题的一个重要途径。然而，传统采用元路径来提取HIN语义信息的方法忽略了元路径中的评分信息，从而导致元路径无法精确捕获用户和推荐项目之间的语义相似性，同时也未能良好区分不同元路径的重要性。为了解决这两个问题，首先提出了一种带有评分限制的元路径以获取更准确的HIN语义信息，利用这些信息构建用户和项目多层网络；然后结合图卷积网络和注意力机制设计了一个用于评分预测的神经网络，通过多通道图卷积有效地表示了HIN的多种语义信息，采用注意力机制区分不同元路径的重要性，弥补了传统方法的不足；最后融合了用户和项目的属性信息，进一步提高了评分预测的准确性。在Douban Book和Yelp数据集上的实验结果表明所提模型明显优于对比的基线模型，尤其在数据稀疏的情况下，均方根误差比基线模型最多减少了50%,从而验证了所提模型的优越性。