三芯电缆实时导体温度实时解析与计算方法

针对目前难以直接测量运行电缆导体温度的问题,将10 kV三芯电缆热路简化为只含一个等效热容和一个等效热阻的暂态热路,利用一阶热路的响应实现电缆实时导体温度的解析计算;同时,在试验场进行了阶跃电流试验和周期负荷载流量试验,测量电缆导体温度和外皮温度.根据测量的电缆外皮温度和加载的负荷电流计算出试验电缆的实时导体温度,对比发现导体温度的实时计算值与测量值吻合度较高,验证了该计算方法的正确性.该解析计算方法易于实现、计算准确,不仅可用于计算常用敷设方式下不同回路三芯电缆实时导体温度,还可根据电缆当前运行状态适当调整负荷电流,在保证安全的前提下提高现有电缆线路的输电能力.     

加强学习与联想记忆的粒子群优化算法

为了克服粒子群优化算法多维搜索时方向性差、目的性弱以及易早熟收敛等缺点,提出了一种改进的粒子群优化算法。改进的算法分别对认知部分及社会部分的最优信息、最差信息赋予不同的学习因子,使算法具有更强的学习能力。每个粒子联想记忆其历史最优、最差信息,然后按照追逐最优躲避最差的原则寻找最优位置。联想记忆克服了多维搜索中方向性差、目的性弱的缺点;追优避差保持了种群的多样性,有利于提高算法的收敛速度、克服早熟收敛。通过基准函数的仿真测实验证了算法的有效性。     

带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用

针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。     

氢气比例对家用燃气灶燃烧产生CO的影响

研究采用不同比例的氢气与天然气混合作为燃料,通过调整氢气的比例来模拟不同的燃烧条件。实验结果表明,随着氢气比例的增加,燃烧产生的CO排放量呈现明显上升的趋势。这是因为氢气的燃烧过程中生成的氢氧化物会抑制CO的生成。在一定范围内,适当增加氢气比例可以有效降低CO的排放量。掺入15%氢气时,不仅减少了CO摩尔分数,还保持了适宜的燃烧温度。这对于提高家用燃气灶的环保性能非常有利。氢气比例保持15%作用对家用燃气灶燃烧产生CO的影响是最大的,能够同时保障燃烧效果与CO生成量。适当增加氢气比例可以降低CO的排放量,但过高的氢气比例则会导致CO排放增加。因此,为了减少CO的生成,需要在设计和使用中综合考虑燃气的混合比例。     

贝叶斯网络在输电线路运行状态预测中的应用

为了提高电力输电线路巡检的效率,充分考虑了影响输电线路运行状态的各种因素,采用基于贝叶斯网络的数据挖掘方法,建立了输电线路运行状态模型,它通过预测结果可以对巡检制定出合理的计划.在SPSS Clementine 下进行的仿真实验证明,该模型具有较高的准确率.