基于优化FBD算法的谐波与闪变综合抑制装置的应用与研究

根据当前电网中存在的实际问题,提出对系统进行谐波与闪变综合抑制的必要性.对传统的FBD(Fryze-Buchholz-Dpenbrock)法进行分析和改进.在此基础上针对三相四线制系统对FBD法进行了优化设计,通过增加一个反馈回路,提高了检测方法的实时性,增强了谐波与闪变抑制装置的动态响应特性.在理论研究与仿真分析的基础上,搭建了基于并联型有源电力滤波器的谐波与闪变综合抑制装置的仿真与实验模型,检测算法采用FBD优化算法,电流跟踪控制电路采用基于滞环比较的空间矢量控制策略.仿真与实验效果验证了检测算法与控制策略的有效性和准确性.     

全台网非线性编辑设备选用与研究

分析了中小电视台在构建高效、实用的非编网时需要考虑的问题,根据实际情况阐述了非编设备的选用要求,并对实现的非编网络系统进行了介绍.     

基于RFID和LSTM的固定资产智能感知方法

针对传统基于射频识别的固定资产感知方法存在射频信号易受环境影响、多个标签互干扰、感知识别精度低等问题,提出一种基于射频识别（RFID）和长短期记忆（LSTM）神经网络的固定资产状态智能感知方法。为克服RFID信号接收时间非连续性导致的识别精度低问题,引入序列分析思想,使用LSTM对一段时间内接收到的RFID信号序列进行模式学习,构建基于RFID和LSTM的固定资产感知模型,实现固定资产位置的二分类辨识。所提方法在高校实验室条件下开展实测实验进行性能验证。结果表明,使用序列分析的固定资产状态感知模型辨识准确率可达 99.26%,比传统基于离散时刻点的 RFID 感知模型辨识准确率高 11.05%,且对多标签的识别准确率可达93.0%。     

基于渐进式分解架构的风电时间序列预测

准确预测风电机组各项指标对准确管控机组和调控电网的供需有着重要意义. 预测指标任务可抽象为风电时间序列预测任务. 目前时间序列预测模型主要采用深度学习模型, 但是风电时间序列具有较强的波动性和随机性, 导致绝大部分模型不能较好挖掘风电时间序列的复杂演化特性. 为解决上述问题, 提出了一种基于渐进式分解架构的风电时间序列预测方法, 该方法首先应用神经网络池化分解方法将复杂的依赖关系简化并应用注意力机制学习长期趋势, 然后运用多变量融合捕捉模块增强了网络整体的多变量关联挖掘能力, 最后, 融合趋势项和周期项对风电时间序列做出准确的预测. 实验结果表明, 该方法在风电时间序列的多步预测中均方误差相比基线模型至高可提升24%, 在多尺度预测长度下表现出预测性能稳定提升的同时, 计算效率显著优于同类模型.     

Ultra-thin Body Buried In0.35Ga0.65As Channel MOSFETs with Extremely Low Off-current on Si Substrates

In this paper, we investigated the electrical properties of the Metal-oxide-semiconductor gate stack of Ti/Al2O3/InP under different annealing conditions. A min...     

模糊综合评判法在变电站工程质量评定中的应用

以模糊数学中的综合评判方法,探讨变电站工程质量评价体系;介绍了模糊综合评判方法在工程项目质量评判中的应用.     

铜合金六通接头体热挤压刚粘塑性有限元模拟

本文利用刚粘塑性有限元法,对六通接头的热挤压成形进行了热力耦合的数值模拟,获得了热挤压成形的载荷和行程的关系曲线,应力、应变和温度的分布信息.模拟结果表明,在工件挤压温度为730℃和模具预热温度为400℃时,挤压速度范围是70mm/s～80mm/s.这一模拟结果对后期的工艺制定和模具设计提供了参考.     

基于快速连通域分析的目标特征提取算法

基于子区域思想,提出了一种快速的连通域分析方法用于提取视频目标特征。算法只需对图像进行一遍扫描,就可以用一棵多叉树描述出连通域各子区域之间的等价关系,同时由多叉树支节点向根节点完成目标特征提取并将特征保存在多叉树的根节点中。算法占用内存小,具有很高的运行效率。     

一种高性能阵列架构研究

现今的应用程序需要更可靠的数据存储.到目前为止,数据存储的可靠性都是依靠不同的RAID级别来保证数据的可靠性,一般采用5个RAID级别[1,2]中的一种.存储方面的数据已经很明显地增长了,但是磁盘的可靠性并没有多大的改善.所以,为了控制存储的成本,有必要提供多元化的存储.在现有系统中加入新的RAID代码需要大量的开发、测试和调试工作,从成本上来讲是不现实的.因此,提出了一种新的通用RAID架构,此架构是基于异或的纠删码的,并将任意扇区和磁盘故障的组合作为基础,因而具有通用性.     

输出信号量化的双率采样系统参数辨识方法

针对双率采样和信号量化(signal quantization)[BFQB]的控制系统,采用随机重复性试验测量信息,提出基于辅助模型的双率采样量化控制系统辨识方法.分析了在随机重复试验和放松估计误差方差条件下,双率采样量化系统的模型特征并给出了分两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,并给出了基于辅助模型的双率采样量化控制系统量化辨识递推算法;接着分析了所给出量化辨识递推算法的收敛性,得到了双率采样量化系统参数估计误差上界的计算式,最后数字仿真验证了该算法及结论的有效性.