分子筛辅助人参须根粉快速制备人参皂苷Rg5的工艺研究

利用多功能改进型索氏提取器为提取工具,以人参须根粉为原料,盐酸为催化剂,分子筛辅助下高效制备了稀有人参皂苷Rg5,并通过单因素实验优化了工艺条件。实验结果表明：当以30 mL的甲醇为溶剂、加入0.3 g 4 A分子筛、于65 ℃提取4 h时,人参总皂苷的提取率达到10.2%,稀有人参皂苷Rg5的得率达到3.20%,与传统索氏提取器相比可以显著提高人参皂苷Rg5的制备效率。分子筛辅助下利用多功能改进型索氏提取器从人参须根粉提取制备稀有人参皂苷Rg5,不仅得率较高,而且操作简单快捷,是一种快速制备人参皂苷Rg5的工艺方法。     

基于改进AHP-FCE模型的多指标拟态表决算法

为了提高拟态防御中表决的准确性,提出了一种基于改进层次分析-模糊综合评价（AHP-FCE）模型的多指标拟态表决算法.针对传统AHP-FCE模型中判断矩阵一致性检验的缺点,对判断矩阵的构造方法进行了改进,构造具有一致性的判断矩阵,无须一致性校验和调整.基于该改进模型,综合分析了拟态表决中的一致度、历史置信度、异构度指标,将拟态表决转化为模糊评价过程.仿真结果表明,与一致表决相比,该算法能有效提高表决的正确率,提升拟态系统的整体安全性能.     

面向工业平稳/非平稳复杂系统的在线故障监测技术

针对复杂系统中关键性能指标（KPI）相关故障检测方法检测精度低的问题,提出基于双层改进潜结构投影（DL-IPLS）的KPI相关故障检测方法. 利用协整分析和主元分析建立底层模型,对非平稳和平稳变量进行特征提取. 将提取的信息进行融合,建立改进潜结构投影的上层模型,根据融合信息对KPI的贡献进行空间分解. 在2个正交子空间中设计统计量,实现KPI相关故障的在线监测. 田纳西-伊斯曼过程和青霉素发酵过程的仿真结果表明,在面向工业平稳和非平稳复杂工业系统检测时,所提方法有效提高了KPI相关故障的检测率,降低了KPI无关故障的误报率.     

振荡翼改进运动模型的能量捕获性能分析

为了提高振荡水翼的水动力性能和能量捕获效率,基于传统简谐运动模型提出改进运动模型,通过引入俯仰运动系数k,推导改进后俯仰运动规律的一般形式,利用Fluent软件建立水翼的二维模型,综合分析半主动振荡模型下不同俯仰运动系数、折算频率和俯仰振幅等运动参数对水翼能量捕获性能的影响。结果表明:与传统简谐运动模型相比,改进运动模型能够使水翼升力系数在较长时间段内维持较大数值,提高水翼的升力系数和捕能效率;在相同的折算频率和俯仰振幅下,减小俯仰运动系数会增大俯仰角转动的角速度,进而增大俯仰运动所消耗的能量;不同俯仰振幅下对应不同的最优折算频率,折算频率越低水翼的捕能性能越不稳定,俯仰振幅越大,转动俯仰角所消耗的能量越多。在给定参数条件下,水翼的能量转化效率可超过40%。     

储能型双馈风电场联合STATCOM的无功协调控制

针对传统双馈风电机组(DFIG)低电压穿越(LVRT)能力不足问题,提出了储能型双馈风电场联合STATCOM的无功协调控制。该控制是在网侧变流器（GSC）原有的模型上将超级电容经隔离型DC/DC变换器并联到风机直流侧,以此吸收故障期间直流侧产生的不平衡功率;在发生低电压故障时,根据超级电容投入情况,对两侧变流器和并联在风机出口母线上的STATCOM进行无功协调控制来支撑电网电压;同时超级电容储能装置采用电压电流双闭环控制,满足了系统稳定性和经济性的要求。仿真结果表明：该方法应用在风电并网系统中可以使DFIG的LVRT能力得到极大的提升。     

基于Super-Twisting算法的内燃机车永磁同步发电系统策略研究

为了使内燃机车永磁同步发电系统在内燃机全速范围内和突变性负载条件下均能稳定控制中间直流环节电压且减小电压的脉振,采用Super-Twisting高阶滑模算法对电压外环进行控制得到给定转矩,与传统PI外环控制相比,中间直流环节电压开始的超调减小,且电压跟随性、稳定性得到提升。同时,为了提高发电系统变流器容量利用率,在矢量控制的基础上,提出改进的功率因数控制策略对电机进行控制。仿真试验表明,所提发电系统在内燃机宽转速范围、突变性负载条件下,可以得到平稳且能够快速恢复的中间直流电压。同时,发电系统在切换转矩内无功功率基本能稳定在零附近,超过切换转矩后无功功率依旧保持较低水平,提高了变流器容量利用率。     

局部阴影下光伏阵列MPPT算法的研究

针对局部阴影状态下光伏阵列P-U特性曲线多峰值的问题,提出了一种基于搜索-计算-判断的三步法全局最大功率点跟踪(GMPPT)策略。该方法使用改进型扰动观察法反向搜索第一个峰值点,利用计算和判断减小搜索区域,将多峰值间接转化为单峰值搜索,解决了搜索过程中陷入局部极值的问题。通过建立3种阴影状态下的模型,将该方法与现有最大功率点跟踪(MPPT)算法进行仿真对比,并建立相应的试验进行验证。仿真及试验结果表明,该方法在有、无阴影状态下均能稳定实现GMPPT,有效地提高了系统的跟踪精度和跟踪速度。     

模块化多电平变换器全桥型子模块优化均压控制方法

模块化多电平变换器(MMC)子模块(SM)的数量与直流侧电压成正比,当SM增加时,会导致MMC的开关损耗急剧增加,因此降低功率器件的开关频率一直是MMC的重要研究方向之一。采用最近电平逼近调制(NLM)方式,提出一种基于全桥型SM的改进均压排序法,旨在降低MMC中功率器件IGBT的开关频率,该方法实现相对简单,无需额外的控制器,且易于扩展。最后,通过在MATLAB/Simulink平台搭建了19个全桥SM的仿真模型,验证了该方法的有效性。验证了所提全桥型SM优化均压策略,可以有效避免IGBT不必要的反复投切,降低IGBT的开关损耗,同时对外部输出特性不会产生负面影响。     

基于改进K-means聚类的配电网电压暂降频次估计法

传统考虑保护动作特性的电压暂降频次估计法需要获取详尽的保护配置信息,然而配电网保护配置多样,在不同因素如过渡电阻、运行方式、故障类型等的影响下,阶段式保护各级保护区可能产生较大变化,采用传统方法对电压暂降持续时间进行评估可能会产生较大误差。文中提出一种基于改进K-means聚类的配电网电压暂降频次估计方法,在未知线路保护配置基础上,基于电压暂降历史监测数据与保护动作信息,采用改进K-means聚类算法,对电压暂降幅值-持续时间进行聚类分析,推断线路保护配置情况,计算保护动作时间与保护动作电压。根据计算结果,在考虑不同故障类型、不同运行方式及不同过渡阻抗的情况下进行配电网电压暂降频次估计。在IEEE RBTS-6母线测试系统的母线5配电网中进行仿真,验证了文中方法的有效性和优越性。     

基于改进粒子群优化算法的BP神经网络在大坝变形分析中的应用

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。