钢-PVA混杂纤维高韧性混凝土力学与碳化性能试验研究

研究了不同体积掺量的钢纤维和PVA纤维对不同碳化龄期下钢-PVA混杂纤维高韧性混凝土的抗碳化性能以及碳化后力学性能的影响,考虑了水泥、粉煤灰、碳化等多因素效应和纤维体积分数对混凝土碳化深度的影响,并提出了钢-PVA混杂纤维高韧性混凝土碳化深度预测模型。结果表明:纤维的掺入提高了混凝土强度及抗碳化性能,且1.0%钢纤维与0.10%PVA纤维的混掺效果最好;提出的碳化预测模型精度较高,可为混凝土碳化深度的预测提供参考。     

新型40.5kV/2500A干燥空气绝缘充气柜温升控制研究北大核心CSCD

采用干燥空气取代SF_(6)绝缘的中压充气柜,符合绿色环保发展方向,但空气的对流散热能力弱于SF_(6),这对充气柜的散热结构提出了更高要求。文中提出了一种采用纵向直线布置主回路的40.5 k V 2 500 A干燥空气绝缘充气柜总体结构,其具有主导电回路短、发热功率较低的特点。对该充气柜进行发热与散热分析、仿真和试验研究,发现采用常规结构气箱时,其内部空气温升达60 K左右,气箱内热量无法散到气箱外部是整体温升超标的主要因素。从增强对流散热和辐射散热方面对散热结构进行优化,重点设计了柜体侧板外表面的散热通道,优化后的方案通过了1.1×2 500 A温升试验,验证了设计和优化思路的可行性。     

适用于海上风电分频输电的模块化多电平矩阵变换器故障穿越控制策略

作为海上风电分频输电(fractional frequency transmission system,FFTS)的重要装置，模块化多电平矩阵变换器(modular multilevel matrix converter,M3C)的故障穿越是海上风电并网安全稳定运行的重要问题之一。为研究M3C故障穿越控制，首先基于M3C双dq坐标系下的数学模型和稳态控制策略，在MATLAB/Simulink中搭建仿真模拟电网发生三相对称故障的情况，分析M3C的暂态特性，并提出故障穿越策略。通过改变M3C低频侧交流电压指令，迫使风电场根据自身低电压穿越策略减少输出功率，从而降低M3C传输的有功功率；M3C工频侧采取有功平衡优先、剩余最大无功输出的控制策略以支撑网侧跌落电压；且根据系统对有功无功功率的需求分为有功无功兼顾、有功优先、无功优先3种场景的控制方案。仿真结果表明，所提策略可以根据不同的控制需求提升M3C故障穿越的能力，保证M3C各子模块电容平均电压不超过阈值，无需额外卸荷电路和通信即可实现电网故障期间的安全穿越，同时有利于维持风机持续并网运行和电网电压的恢复。     

基于知识图谱的高职英语教学资源推荐系统设计

为提高推荐资源与学生需求资源的匹配度，以某高职院校英语学科为例，开展资源推荐系统的开发与设计研究。首先，创建某一知识点的关联链接，定义知识点的标签，根据标签的实体属性，创建与此实体属性相关的其他关联知识，统一知识点的格式后，按照标准录入计算机数据库，建立高职英语教学资源库；其次，根据资源库中不同实体结构的映射关系，建立多维度英语教学资源知识图谱；最后，利用协同过滤计算中的相似度计算方法，计算需求资源与推荐资源的相似度，根据学生所掌握的知识点，设计英语教学资源的个性化推荐。实验结果表明，该系统的应用效果良好，可以提高推荐资源与学生需求资源的匹配度。     

一种低功耗的电网巡检故障图像识别方法

针对计算机平台在图像处理过程中面临的高能耗问题，研究了电网巡检故障图像识别的低功耗神经网络加速方法.采用直接映射方式将卷积层与全连接层的计算分别映射至独立的计算核心，提出了针对图像处理过程不同阶段的优化方案，实现了不同运算层次与硬件资源之间的匹配，并通过遗传算法得到了神经网络的并行优化参数.结果表明，优化后的LetNet-5与AlexNet卷积神经网络运行能效分别为优化前的1.94倍和1.8倍，单张图片的平均处理速度约为原来的4～5倍和2～3倍.     

国产嵌入式操作系统的I2C驱动设计与实现

通过分析FT2000/4平台上所采用的I2C总线特点，针对性地设计了驱动模型，并完成国产嵌入式操作系统下I2C总线基本功能的实现，对设计的驱动进行了实验验证。实验结果表明，提出的I2C驱动基本功能正常，能够满足处理器与外围芯片的通信要求。     

基于ICEEMDAN-CNN-K-shape的智慧园区短期负荷预测研究

在“双碳”背景下，针对海量用户负荷预测场景，目前智慧园区用能存在受多重外界因素影响，人工调整参数和使用单一模型无法实现精确的负荷预测。因此，提出了一种基于改进的带有自适应噪声完备集合经验模态分解(ICEEMDAN)结合卷积神经网络(CNN)结合K-shape的智慧园区短期负荷预测方法。首先，基于改进的带有自适应噪声完备集合经验模态分解法将初始用能数据分解为若干分量，将负荷序列的特征在多尺度上剥离开，以减少负荷序列的复杂性。而后，使用卷积神经网络算法将分解后的数据进行特征提取，提取相似日不同时间段下智慧园区负荷特征曲线。最后，基于K-shape聚类筛选相似日历史负荷作为卷积神经网络的输入向量进行智慧园区短期负荷预测。以浙江省某智慧园区用能数据为例，将所提方法应用于典型的智慧园区，并与已有聚类评价指标比较，实验结果表明，所提方法能够很好地解决智慧园区短期负荷预测问题。