电容分压型电子式电压互感器研究与设计

建立电力系统中电容分压型电子式电压互感器(ECVT)电容分压器的数学模型,依据电子式电压互感器暂、稳误差的定义,提出运用ECVT电容分压器的数学模型分析ECVT误差特性的思想.以220 kV系统ECVT为例,利用ECVT电容分压器的数学模型,使用仿真软件综合分析了三相ECVT的暂、稳态误差,进而完成传感器参数的优化设计.仿真和优化结果表明.杂散电容是引起ECVT测量误差的根本原因,它对电容分压器分压比的影响随着主电容值的减小而增大,在主电容值不低于3500pF时,ECVT能达到0.2级精度.     

寺河矿区110kV站35kV系统电容电流超标重大隐患治理研究

本文针对寺河矿区110kV站35kV系统电容电流超标重大隐患进行治理研究,总结出了煤矿35kV系统电容电流治理经验,提高了煤矿供电可靠性,确保了煤矿安全生产。     

催化裂化机理模型的应用开发

AspenFCC软件以21集总反应动力学模型为基础,结合进料和催化剂指纹库技术,是当前较为完善的催化裂化机理模型。以某炼厂一催化装置为例,利用该软件建立装置模型,并对该软件的应用进行分析。     

边缘计算环境下应用驱动的网络延迟测量与优化技术

互联网、移动计算、物联网技术的进步推动了人-机-物环境的深度融合,催生了一大批面向边缘用户的网络搜索、在线社会网络、电子商务、视频监控、智能助理等类型的边缘计算应用.边缘计算应用具有规模巨大、服务质量敏感等特性,对延迟性能提出迫切需求,然而,由于用户访问请求跨边缘网络、广域网、数据中心异构环境,“长尾延迟”问题导致边缘用户的体验质量严重下降.首先综述边缘计算应用的系统架构特征,然后分析长尾延迟的产生原因,分类介绍网络延迟测量的主要理论和方法,并归纳对长尾延迟的优化技术,最后提出在线优化运行环境的思想以及面临的挑战.     

混凝土巨型箱形截面梁及其设计理论

双层交通混凝土箱梁是由钢筋和混凝土两种材料组成,而它们的工作性质可抽象为由钢筋和混凝土构成的拉杆-压杆模型。引入一种新的拓扑优化方法“加窗渐进结构优化算法”建立反映结构工作机理的拉杆-压杆模型,为双层交通混凝土箱梁腹板开孔设计提供理论指导。介绍了拓扑最优解建立拉杆-压杆模型和如何完成结构配筋设计方法。结果表明：通过加窗渐进结构优化算法获得的拓扑最优解能较好的呈现结构内部受力状态;根据优化方法完成的工字梁结构配筋及开孔设计与试验设计相比,开孔率增加了5.5倍,极限荷载增长了1.2倍,但钢筋用量减少了30%。     

基于粒子群优化的二阶拉曼光纤放大器研究

为了进一步提升二阶拉曼光纤放大器(RFA)的性能指标,对二阶RFA的主要参数进行了分析。首先设计了一个可以通过光开关控制,在二阶和一阶RFA两种模式下切换的结构模型,通过模拟仿真证明了二阶RFA可以提高系统的增益,改善系统的噪声性能,然后针对二阶RFA的增益性能进行了优化,以降低平坦度为优化目标,使用粒子群算法优化泵浦光波长和功率的配置,再经过结构的改进,最终在100 nm带宽范围内实现了增益为24.50 dB,增益平坦度为0.98 dB的二阶RFA。这些结果为以后设计出性能更加完善的二阶RFA提供了参考。     

一种有效的储备池在线稀疏学习算法

为克服传统储备池方法缺乏良好在线学习算法的问题, 同时考虑到储备池本身存在的不适定问题, 本文提出一种储备池在线稀疏学习算法, 对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时, 可对储备池输出权值的稀疏性进行有效控制, 有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.     

9H级燃机水汽系统化学控制和监测设计与优化

目的 国内燃气蒸汽联合循环机组电厂建设已呈现井喷状态,其中9H级机组的建设近年来更是日益增加,有必要对这些机组水汽系统化学控制和监测设计与优化进行研究。 方法 以某9H级联合循环电厂为例,根据机组水汽质量控制标准和化学监督技术导则的要求,对水汽系统化学控制和监测设计与优化进行研究。 结果 通过选择高严密性的凝汽器、可靠的凝结水精处理和锅炉补给水处理工艺,采用氧化性全挥发给水处理AVT(O)和炉水磷酸盐处理,水汽取样系统配置完善的在线监测仪表,可保证机组安全、可靠和经济运行。 结论 旨在为将来9H级燃气蒸汽联合循环机组水汽系统化学控制和监测设计提供可借鉴的优化方案。     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

机器学习在SDN路由优化中的应用研究综述

随着网络技术的迅速发展和新型应用的不断出现,网络数据的急剧增加导致网络管理变得极其复杂.传统网络中的设备多种多样,配置复杂,难于管理,而软件定义网络(software defined networking, SDN)这种新型网络架构的出现给网络管理带来了曙光,该架构摆脱了硬件设备对网络的限制,使网络具有灵活、可编程性等优点.一个好的路由机制影响着整个网络的性能,软件定义网络的集中控制特性给机器学习在路由机制方面的应用带来了新的研究方向.首先论述了SDN路由优化的现状,然后从监督学习和强化学习2个方面概述了近年来机器学习在SDN路由方面的研究,最后为了满足不同应用的服务质量(quality of service, QoS)以及不同用户的体验质量(quality of experience, QoE),提出了数据驱动认知路由的发展趋势.通过赋予网络节点感知、记忆、查找、决策、推理、解释等认知行为,加快寻路过程,优化路由选择,完善网络管理.