基于集成学习的高压直流输电系统故障诊断

以某西南电网变电站出现的4种故障的实测数据作为数据集,针对高压直流输电(high voltage direct-current, HVDC)系统的故障诊断设计出一种基于集成学习(ensemble learning, EM)的故障诊断方法,显著提升了故障诊断的速度、精度和鲁棒性。首先,对4类故障数据进行数据预处理,同时对故障数据的特征进行提取并完成训练,使用故障数据标签对故障数据集进行均分权重。然后,计算当前弱分类器对带权重数据集的分类误差,并计算当前分类器在强分类器中的权重。最后,更新训练样本权值的分布得到强分类器,根据训练好的模型对不同数据集下的故障类型进行辨识实验。通过与BP神经网络故障诊断模型对比,所提出的方法在多组测试中可以达到89%以上的诊断准确率,错误率较低并且鲁棒性强,有利于HVDC系统的故障识别和快速诊断。     

HTV硅橡胶的疏水抗紫外层制备及机理研究

高温硫化（HTV）硅橡胶的抗紫外老化性能较差,在紫外辐照后其憎水性逐渐丧失,拉伸强度降低,硬度增加明显。为了提升HTV硅橡胶的疏水性和抗紫外性能,本文通过分步嵌入固化的方式在HTV硅橡胶表面引入不同结构的长效性室温硫化（PRTV）硅橡胶和四针状氧化锌/纳米氧化锌（tZnO/nZnO）粒子,制备了不同形貌的疏水型抗紫外复合涂层,并通过老化试验、水接触角、表面硬度、力学性能等测试研究了该复合涂层的结构组成对HTV硅橡胶微观形貌和抗老化性能的影响。结果表明：在HTV硅橡胶表面引入PRTV硅橡胶后,其表面孔洞得以覆盖,憎水性增加,含水率和吸水率下降;引入的ZnO粒子大幅提升了硅橡胶材料的憎水性、抗紫外性和热稳定性;通过分步嵌入固化引入的PRTV硅橡胶-tZnO/nZnO复合涂层,可有效构建微纳级乳突结构和紫外屏蔽层,其对基体的憎水性和抗紫外老化性提升效果相比单一嵌入tZnO或nZnO粒子更加明显。