基于图像分析和深度学习的复合绝缘子憎水性分级

为了更加方便快捷地检测大量复合绝缘子憎水性等级,提出一种基于图像分析和深度学习的复合绝缘子憎水性分级方法。首先为提高图像对比度,对复合绝缘子憎水性图像进行灰度化和图像增强处理;其次利用图像分析技术和U-Net网络提取水珠轮廓,得到水珠轮廓图像;接着引入深度卷积神经网络,将这些水珠轮廓图作为神经网络的输入,以相应的憎水性等级作为输出向量,训练网络得到分级模型;最后将分级模型用于憎水性分级,得到分级结果。实验结果表明:该方法的分级结果已达到实际应用要求,水珠轮廓提取的精度达到了92.96%,分级准确率达到了90.2%,预测一幅图像的憎水性等级平均耗时0.1 s。     

回转窑中心线偏差动态测量新法

针对现有回转窑动态测量方法存在测量基准不可靠,测量误差大等问题,提出建立横梁实体水平基准,动态测量水泥回转窑筒体中心线偏差的新方法。采用新方法设计的测量系统由全站仪、在线直径测量组件、托架组件、标定过的水平标尺和数据采集器等软硬件组成。通过架设水平基准横梁,由左、右托轮中心和轮带中心建立三角形模型,用全站仪间接测得回转窑中心线的水平和竖直偏差。经现场实地测量调试:新方法研制的测量系统稳定可靠,精度达到0.5 mm以内,测量数据与现场窑体运转状态反映一致。     

不平衡数据下基于PSO-BP算法的输电线路弧垂预测

针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.     

电力配电网单相接地故障选线技术的发展

作为供电系统中的重要部分,电力配电网的重要性毋庸置疑。从实际情况来看单相接地故障是配电网建设与使用过程中经常出现的问题,要求专业人员提高对选线环节的重视,选择应用多种科学的选线方法以从根本上降低单相接地故障的发生风险。本文阐述了常见的几种故障选线方法,并就每一种线型的特性进行了分析。     

光伏发电接入对配电网低压台区线损的影响

随着可再生能源的不断开发,越来越多的光伏发电接入配电网,而光伏发电的不稳定性会对配电网的稳定造成影响。为此,针对光伏发电对配电网低压台区线损的影响,建立了电源接入模型并进行了仿真计算。     

基于PCC-RBF网络的风电功率短期预测方法

风电功率预测对风电场安全平稳运行、电网调度具有重要意义。针对风电功率短期预测指标选择不合理、预测精确度偏低的问题,提出一种基于皮尔逊相关系数(PCC)和径向基函数(RBF)神经网络的风电功率短期预测方法。该方法利用PCC筛选出与风电功率密切相关的3个指标,即电流、温度、风速,然后以这3个指标作为预测模型的输入对风电功率进行RBF样本训练与短期预测。试验结果表明,所提的预测模型预测误差更小,预测精度更高,能够满足风电功率短期预测的要求,具有广泛的应用前景。     

基于Buck电路的BLDCM调速系统设计

为了获得转速平稳、调节快速的无刷直流电机(BLDCM)输出,对BLDCM控制和驱动系统进行了设计。分析了BLDCM的运行原理和转矩波动原因,并采用Buck电路直接驱动解决了转矩波动的问题。针对传统PID调速慢、精度低以及参数调节困难等问题,采用了BP神经网络对PID进行参数调节。在MATLAB/Simulink仿真平台上搭建了系统的各个模块并进行仿真。结果表明,所设计的系统调节速度快,控制过程中超调小,转速平稳,转矩波动减小。     

基于异构物联网络的输电线路智慧巡检方法

为解决高海拔地区输电线路运行维护检修存在的传感器供电可靠性差、无移动信号区域数据传输难度大的问题,文中提出了一种基于异构物联网络的输电线路智慧巡检方法。首先,研究了风光协同的传感器供电技术,实现了高海拔地区恶劣环境下输电线路监测传感器的可靠供电;其次,建立了异构的输电线路物联网络,实现了输电线路无移动信号传感器的数据采集。在此基础上,通过深度学习对所采集数据样本进行分析,实现对输电线路的智慧巡检;最后,将所提方法在某无信号地区110 kV线路的现场运行,其结果验证了所提方法的有效性和可行性。     

PIPD/Cu2 纳米纤维气凝胶的制备及性能

以聚(2,5-二羟基-1,4-苯撑吡啶并二咪唑)(PIPD)为基体、三氟乙酸(TFA)和甲烷磺酸(MSA)为混酸,通过混酸剥离-去质子化诱导凝胶-冷冻干燥-惰性气氛高温处理制备出PIPD纳米纤维气凝胶.对PIPD纳米纤维气凝胶的形貌和结构进行表征,结果表明,混酸法制备PIPD纳米纤维气凝胶过程中,强质子酸破环了PIPD纤维的晶区和取向,PIPD主体的化学结构未发生明显变化.制得的PIPD纳米纤维气凝胶具有蜂窝孔结构、低密度(6.90～15.2 mg/cm3)和高孔隙率(99.1％～99.6％).当PIPD含量(以MSA和TFA总质量为基准,下同)不高于1％时,PIPD纳米纤维气凝胶无明显收缩.惰性氛围高温处理使PIPD纳米纤维气凝胶具有弹性.水平垂直燃烧、极限氧指数(LOI)、导热系数测试表明,PIPD含量为0.5％的纳米纤维气凝胶达到不可燃水平(UL-94,V-0级),LOI高达49.2％,100℃下低热传导性〔导热系数为0.052 W/(m·K)〕.此外,引入Cu2+配位交联网络提高PIPD纳米纤维气凝胶的压缩应力,增强后气凝胶的压缩应力是初始PIPD纳米纤维气凝胶的约16倍.     

采用不同模型预测低碳Fe–Ni合金等离子熔覆层的冲击韧性

采用等离子熔覆法在Mn13高锰钢上制备了低碳Fe-Ni合金层。以熔覆电流、喷头移动速率、离子气流量和热处理温度作为输入参数,以冲击韧性作为输出参数,建立了BP(误差反向传播)神经网络模型和粒子群算法优化(PSO)BP神经网络模型,并跟冲击韧性与热处理温度之间的线性回归模型进行对比。结果表明,线性回归模型、BP神经网络模型和PSO-BP模型的平均相对误差分别为7.06%、6.12%和3.03%。PSO-BP模型的预测结果与实测值的误差较小。