后窑于家险段石笼护坡及软体沉排抛石护脚设计探析

辽宁昌图县辽河干流后窑于家险工段位于辽河干流左岸,该段险工段现状冲淘严重,弯段岸坎多有水流兑岸后形成的陡坎,威胁防洪堤安全,需对该河段进行加固处理。根据河段基本情况,提出采取石笼护坡及软体沉排抛石护脚相结合的加固方案,治理段长度为1000 m,以消除险情隐患,减少河岸冲兑,确保岸线平顺、清晰,稳定局部河势,为今后的河道综合治理工作奠定基础。     

疑似火点监测定位及电网运行预警方法

智能电网建设的快速发展,对电网森林火灾监测预警能力提出了更高要求。研究融合极轨卫星遥感火点数据、气象监测和预报预警数据、电网空间地理信息及应急资源等数据于一体,基于电网GIS平台定位分析疑似火点任意范围内距离最近和受山火影响最严重的电力设施,依据气象监测预报预警实时数据研判山火未来趋势。通过专业化、标准化符号语言和分析研判预警策略,形成电网森林火灾预警及处置态势专题图。通过研发预警发布技术,将火点、气象环境、影响设备、处置策略及发展态势等信息及时对相关人员发布,提高电网防灾减灾综合监测预警和应急处置辅助决策能力。     

论乙烯装置裂解炉辐射段炉管整体更换

对乙烯装置裂解炉辐射段炉管的结构、换管原因、整体更换方法及施工程序等方面进行了较为全面的阐述。     

饮用水源保护区生态补偿标准修正核算方法

研究从"谁保护,谁受益"、"谁使用,谁付费"、"谁污染,谁负责"的角度出发,综合考虑生态保护总成本法、水资源价值法和水质补偿赔偿法的优点,确立了基于水量、水质修正系数的饮用水源保护区生态补偿标准核算方法,并以杨木水库为例估算了用水地区对杨木水库生活饮用水源保护区所在地的生态补偿额度:16 746.06万元/年,即用水地区每年向水源保护区所在地支付16 746.06万元作为生态补偿资金。所建核算方法避免了传统方法仅考虑单一因素的计算,较为全面的反映生活饮用水源保护区生态补偿的实际情况,对生态补偿机制的建立具有一定参考作用。     

基于改进深度降噪自编码网络的电网气象防灾方法

电网运维数据表明电网故障的主要原因已由电气设备制造工艺水平、现场运维水平等因素转向雷电、山火、大风、冰灾等自然气象因素,电网防灾减灾也应重点关注气象致灾。针对气象与电网故障之间的关联特点和规律,提出了一种基于改进深度降噪自编码(SDAE)网络的电网气象防灾方法。以气象历史数据和电网运维检修数据为基础,利用合成少数类样本过采样技术(SMOTE)降低原始数据集的不平衡度,自编码网络通过非监督自学习和有监督微调完成气象信息特征的提取和气象信息与电网故障映射关系的建立,并通过融入稀疏项限制和加噪编码来改善网络的鲁棒性。算例分析表明,所提出的基于SMOTE和SDAE的网络电网气象防灾方法,能够准确、全面地建立气象信息与电网故障之间的关联映射关系,能够对给定的气象条件是否会导致发生电网灾害事故进行准确的预判。     

基于污染物总量控制的流域水环境 管理绩效优化研究 - 以吉林省招苏台河流域为例

为探寻流域污染物总量控制和水环境管理绩效之间的关系,建立覆盖流域社会、经济、生态的水环境综合管理绩效指标体系,计算环境绩效并分析其变化趋势,以水污染物削减量为决策变量,以投入资金量最小为优化目标,设置环境绩效优化、控制断面水质达标、污染物削减提升的约束条件,构建基于结构、工程、监管提升的流域水环境管理绩效优化模型。以吉林省招苏台河流域为例,利用Lingo8.0软件编程进行优化求解,得到优化方案总投资15.09亿元,COD、氨氮总削减量分别为9 879.1t,619.68t,规划期末水环境管理绩效提升至0.856。水环境管理绩效指标体系可较全面的反映绩效值的定量变化,得到的优化方案满足流域水环境质量改善和污染物总量控制的要求,有效降低资金投入,为流域管理和发展提供参考。     

83型变电站后加速保护回路的改进

1.存在的问题 我公司管辖的20余座变电站中,有9座变电站的保护图纸为83型,而83型变电站普遍存在6kV线路没有安装后加速信号的问题。在运行人员手动合闸送电时,变电站常发生断路器拒合闸不发信号的现象,使运行和调度人员不能准确判断故障原因,延误线路的送电时间,严重影响原油产量。2.原因分析 83型变电站过流保护和后加速保护回路如图1所示（图中文字符号与现场图纸保持一致）。     

综合防灭火措施在长距离易自燃采煤工作面的应用

采煤工作面放灭火管理,是煤矿"一通三防"管理的重要组成部分,必须采取综合性防火措施,因地制宜,才能有效防治煤炭自然发火,提高经济效益,保证安全生产。     

基于机器学习的输电走廊强对流临近预警技术

输电走廊上的强对流天气会给电力生产、供应带来严重的威胁,从而影响居民的正常用电需求。针对此问题,研究了基于机器学习的输电走廊强对流临近预警技术。该技术选取有效反映输电走廊强对流预警的数据类型,构建数据特征并对样本数据进行预处理,再利用卷积与池化操作实现数据的特征识别。同时采用CL多小波融合方法将细节融入目标数据库以增加物理信息量,为后续预警处理提供更为准确的数据,并使用了交叉相关算法来解决图像的追踪问题。通过实际的算例分析,验证了所提算法的有效性,其预测精度可达93.64%。     

基于数据融合的电网强对流临近预警技术研究

强对流天气的破坏力大、预测准确率和实时性较差,且容易对电网造成严重危害,因此构建有效的电网强对流天气临近预警系统具有重要的现实意义。传统的雷达回波技术虽然能够根据云团位置的改变来推断后续天气的变化,但当云团发生融合或分裂时,其预报准确率较低。针对该方法存在的缺陷,文中使用深度学习技术对气象云图数据进行处理,其算法部分将卷积网络与长短期循环神经网络相结合,使其兼具准确性和实时性。在算法对比实验中,该算法的虚警率比卷积法以及LSTM法降低了5.2%和6.0%,说明该算法的性能较为理想。而在测试验证实验中,所提算法能够实现对1 h后强对流天气的预测,并可完成对电网的强对流临近预警,具有良好的工程应用价值。