基于麻雀优化算法的锂电池健康状态估计方法

目的  准确估计锂离子电池健康状态（SoH）对于未来的智能电池管理系统具有重要意义。为解决数据特征质量差以及模型参数调整困难的问题,提出了基于奇异值定阶降噪以及麻雀算法优化门控循环（GRU）神经网络的锂电池SoH估计方法。 方法  首先,从电池充放电数据中提取了3个与SoH衰减高度相关的指标,运用奇异值分解技术对特征进行降噪,提高了其与SoH的相关性。接着,使用麻雀搜索算法优化GRU神经网络的模型结构及参数,提高其对SoH的估计精度。最后,使用先进生命周期工程中心（CALCE）的电池数据集验证所提模型的有效性。 结果  实验结果表明,所提模型适用于电池SoH估计,其最大均方根误差（RMSE）仅为0.018 4;经过数据降噪以及算法优化后的GRU模型,其RMSE比初始模型减少了55.41%。 结论  文章所提方法实现了SoH的准确估计,可为实际工程应用提供参考。     

一种基于混合模型的短期电价预测方法

针对电力现货价格存在的高波动性、非线性特征的问题，采用变分模态分解（VMD）和WOA-ATT-BiLSTM相结合的方法实现了短期电价预测。首先使用VMD将原始电价序列分解成多个相对平稳的子序列，然后采用结合注意力机制的ATT-BiLSTM来提取电价子序列中的特征信息并进行预测，同时引入鲸鱼优化算法（WOA）优化ATT-BiLSTM的超参数来提高预测精度，最后为验证方法的有效性，使用了法国电力市场的数据进行实验比较。结果表明，基于VMD和WOA-ATT-BiLSTM模型的平均绝对百分比误差（MAPE）为2.91%，均方根误差（RMSE）为1.65欧元/MWh，平均绝对误差（MAE）为1.29欧元/MWh，相较于其他对比模型具有更准确的预测效果。     

复杂地质下大型地下洞室群三维有限元建模

采用超单元网格法对某地下洞室群总平面布置图和典型断面布置图进行二维有限元网格划分,结合控制断面线性插值的方法,对复杂地质条件下大型地下洞室群进行可供渗流有限元计算的三维网格的自动划分。该法较好地解决了因计算边界复杂、地层材料分区多变、建筑物突变导致的很难自动生成三维有限元网格的问题。工程实例建模表明,该方法具有操作简单、适应性强、单元形态较好等优点。     

基于VOF方法的团山子水利枢纽溢流坝数值模拟

该文以团山子水利枢纽为依托，通过基于VOF的数值模拟对团山子溢流坝的水力特性进行了研究，对团山子溢流坝设计方案进行检验、比较，为优化设计提供依据。