计及分布式电源注入谐波的单相接地故障联合选线

随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地故障联合选线。针对谐振接地系统中出现单相接地故障后,故障线路与健全线路的暂态零序电流相位、周期变化不同的特点,先根据低频周期差异用多尺度交叉样本熵计算暂态零序电流,再根据高频相位差异用加权暂态能量法及同步挤压小波变换计算高频暂态零序电流的重构误差。此外,使用加权暂态能量法控制计算量并通过多尺度交叉样本熵、加权暂态能量和重构误差3个判据判定故障线路。实验结果显示,文中的联合选线法受不同故障条件的影响小,准确性高,抗干扰性强。     

改进Harris-Susan算法下砾石土料掺配均匀度评价

砾石土料掺配均匀程度对砾石土心墙坝的安全至关重要。数字图像处理方法被广泛应用于混合物识别领域,但在处理存在黏连特性的图像时易出现过分割与欠分割问题,导致评价结果精度不足。针对上述问题,本文提出改进Harris-Susan算法下砾石土料掺配均匀度评价方法。首先,改进Harris-Susan算法可分割欠分割区域并修复过分割区域,提高二值图像精度;其次,基于砾石邻域的概念,对图像进行单分位均匀度评价;最后,采用空间分布采样构建砾石土的空间均匀度评价指标。将该方法应用于大渡河双江口砾石土高心墙堆石坝工程建设中,本文方法相对统计准确率为0.935,较Otsu算法（0.353）和分水岭算法（-3.101）提升明显。结果表明,本文方法结果与筛分法高度一致,同时可有效节省人力、物力与时间成本,评价效率更高,具有很强的工程应用价值。     

源荷双边参与的高比例新能源电力系统能量与备用市场联合出清方法

风光出力的随机性与反调峰特性增加了电网对新能源的消纳难度。利用源侧、荷侧的灵活可调节特性,设计源荷双边参与规则,引导源荷进行跨时间的双向功率协调以支撑清洁能源高效消纳。首先,梳理源荷双边参与的基本原则与原理,明确交易主体、品种以及模式并设计其参与规则。然后,基于源荷双边参与规则,构建计及源荷双边参与的日前能量与备用联合优化调度模型,在促进新能源消纳的同时降低工业用户用电成本。其次,针对多场景混合整数规划的求解难题,采用改进的渐进式对冲分解算法进行求解,通过启发式的变量“固定-筛选-松弛”,保证模型的收敛性。最后,基于IEEE 118系统进行算例分析,验证了所提能量与备用联合出清模型在促进新能源消纳方面的有效性。     

虚拟电厂参与电-碳联合市场运行的竞价策略研究

电力系统脱碳是全社会零碳发展的关键。近年来分布式小微主体发展迅速,成为未来我国能源结构的重要组成部分。首先,从虚拟电厂(virtual power plant, VPP)出发,在分析VPP参与我国现行碳交易市场方式的基础上,提出VPP参与电-碳联合市场的运行机制。其次,构建了联合市场运行机制下多主体互动博弈的两阶段双层竞价策略模型。第一阶段为VPP内部分布式小微主体预调度模型;第二阶段内层为VPP与多市场主体间非合作博弈竞价模型,以VPP参与日前现货市场和碳交易市场的总收益最大为目标,采用多场景描述竞争对手报价的不确定性;外层是以全社会福利最大化为目标函数的多主体互动决策出清模型。最后,采用Q-learning算法和路径跟踪内点法进行模型求解,算例验证了所提模型的可行性和有效性。     

Neural reactive path planning with Riemannian motion policies for robotic silicone sealing

Due to its excellent chemical and mechanical properties, silicone sealing has been widely used in many industries. Currently, the majority of these sealing tasks are performed by human workers. Hence, they are susceptible to labor shortage problems. The use of vision-guided robotic systems is a feasible alternative to automate these types of repetitive and tedious manipulation tasks. In this paper, we present the development of a new method to automate silicone sealing with robotic manipulators. To this end, we propose a novel neural path planning framework that leverages fractional-order differentiation for robust seam detection with vision and a Riemannian motion policy for effectively learning the manipulation of a sealing gun. Optimal control commands can be computed analytically by designing a deep neural network that predicts the acceleration and associated Riemannian metric of the sealing gun from feedback signals. The performance of our new methodology is experimentally validated with a robotic platform conducting multiple silicone sealing tasks in unstructured situations. The reported results demonstrate that compared with directly predicting the control commands, our neural path planner achieves a more generalizable performance on unseen workpieces and is more robust to human/environment disturbances.     

双循环策略下岸桥与跨运车的联合调度

集装箱码头采用跨运车能够减少作业环节和码头机械设备的种类与数量,同时缓存区容量的设置至关重要。首先,为降低码头总完工时间、提高码头作业效率,并解决采用跨运车作为水平运输设备与岸桥进行联合装卸作业时产生的时空协调问题,引入了双循环操作策略,对岸桥与跨运车的联合作业序列优化问题进行研究。其次,建立以总完工时间最小化为目标,考虑岸桥与跨运车双循环操作的实际约束、岸桥缓存区容量限制、安全时间等约束的混合整数规划模型。然后,针对传统禁忌搜索（TS）算法的局限性,加入贪婪算法、多种邻域搜索方式、响应性策略,设计了基于贪婪算法的响应性TS算法,并进行了数值实验。实验结果验证了所提模型与算法的有效性。最后,通过对缓存区容量与跨运车数量、岸桥与跨运车配比的实验分析,得出了最优的跨运车数量和缓存区容量、岸桥与跨运车配比。结果表明：与传统码头设备配置相比,双循环策略可减少跨运车使用数量,提高岸桥与跨运车使用率。     

基于多任务学习的多罪名案件信息联合抽取

面向法律文本的实体关系联合抽取技术对于案情关键信息的智能提取至关重要,是智慧司法领域应用中的重要环节。目前的联合抽取方法虽然已经在特定罪名案件的数据集上取得了较好的效果,但是由于模型在训练时只关注了特定罪名类型文本数据的特点,使得模型的泛化能力有限,在应用到多罪名案件的情况下常常使得模型的效果下降。因此引入多任务学习的方法对多罪名情形下的实体关系联合抽取进行了研究,以涉毒类案件和盗窃类案件两大类罪名的文书数据为基础,构建了一个罪名分类任务作为联合抽取的辅助任务,通过基于特征筛选的动态加权多任务模型同时对两个任务进行学习,在单任务模型的基础上整体F1值提升了2.4个百分点,在涉毒类案件和盗窃类案件上的F1值分别提升了1.6和3.2个百分点。     

模块化可重构机器人动力学研究进展

模块化可重构机器人由于其构型多变,运动形式丰富等特点,可以在非结构化环境或未知环境中执行任务,在最近几年迅速成为机器人研究领域的前沿和热点. 模块化可重构机器人在军事、医疗、教育等众多工程领域具有广泛的应用前景,其典型代表包括仿生多足模块化机器人、模块化可重构机械臂、晶格式模块化机器人等. 模块化可重构机器人丰富的构型设计、多样的连接特征、不断拓展的应用范围,给动力学建模与控制带来了很多挑战和机遇. 本文首先阐述了模块化可重构机器人的研究背景和意义,并概述了其构型分类与设计、构型描述与运动学建模方法.随后,本文系统回顾了模块化可重构机器人动力学研究中相关问题的最新进展,包括：(1)系统整体动力学建模;(2)结合面以及对接机构动力学建模;(3)基于动力学模型的控制方法. 本文最后提出了模块化可重构机器人动力学研究中若干值得关注的问题.     

MoS2/C纳米复合材料的合成及其电化学性能研究

理论比能量高达2 600 Wh/kg的锂硫电池已经成为锂电池研究热点,然而硫导电性不好、穿梭效应和锂化体积效应较大等问题阻碍了锂硫电池的产业化。将无定型多孔碳材料的高导电性和极性MoS₂的固硫作用相结合改善锂硫电池的电化学性能。所得的S@MoS₂/C在0.05 C和2 C电流密度下的放电比容量分别为1 507和406.3 mAh/g,比S@MoS₂在相同电流密度下的放电比容量（1 400和345.7 mAh/g）更高。在循环性能测试中,S@MoS₂/C容量保持率为46.9%,要高于S@MoS₂（39.1%）。因此,MoS₂/C复合材料作为硫载体可以显著改善锂硫电池性能。     

基于知识图谱的智能问答意图识别联合模型

针对现有意图识别联合模型在专业领域知识图谱问答中容易发生识别领域实体以及问句分类错误的情况,提出一个结合了领域知识图谱的意图识别联合模型。该模型有三步,将领域知识图谱中实体对应的本体标签以及本体间关系导入训练数据集,形成包含本体标签的知识文本以及额外包含本体关系的知识文本图;通过字符级嵌入和位置信息嵌入将包含了本体标签的知识文本转化成嵌入表示并依据知识文本图创建实体关系可视矩阵,明确知识文本各成分的相关程度;将嵌入表示和实体关系可视矩阵输入模型编码层进行模型的训练。以高速列车领域知识图谱为例,经过准确率和召回率的验证,以该方法训练出的模型在高速列车领域问答数据集的意图识别任务上取得了更好的表现。