基于机器学习的网络拥塞控制研究

拥塞控制是网络研究的经典课题,可以避免网络因拥塞而性能下降。其在互联网的发展中扮演着重要的角色。近年来,随着机器学习、深度学习和强化学习的兴起,给拥塞控制提供了新的思路。对网络拥塞控制的机制进行了详细分析,阐述了国内外对于该领域的研究现状及进展,将有代表性的解决方案分为基于规则的解决方案、基于路由反馈的解决方案和智能解决方案3类,并详细分析了各方案的原理及优缺点。     

基于多模型融合的水轮机振摆合理性分析及预测

水轮发电机组的安全稳定运行,对于水电站至关重要。在机械、水力、电磁因素耦合及机械部件老化等多种原因的复合影响下,水电机组产生的故障大多以振摆形式表现出来,因此振摆信号可以直观地对机组运行状态进行表征。本文研究一种基于多模型融合的振摆分析方法,模型通过最小二乘法集成SVR、LightGBM和XGBoost三种机器学习算法,并采用R2决定系数对模型进行评价。通过实验表明,融合模型能够稳定地对振摆值进行预测,融合后的模型的R2得分可以达到0.98以上,比单一模型的R2得分提升0.3以上,验证了模型的有效性。     

一起500 kV电缆外护套放电故障分析及防治措施研究

交联聚乙烯由于其电气性能、结构轻便等优势被广泛应用于高压交直流电缆绝缘领域,但是近年来因电缆故障导致的停电事件呈现出逐年增多的趋势。文中针对某水电厂主变压器空载充电过程中存在的500 kV交联聚乙烯电缆外护套对夹件间隙放电的问题。首先,利用ATP-EMTP仿真软件建立了全厂一次设备电磁暂态仿真分析模型,对导致电缆铝护套放电现象的故障原因进行了分析;然后,对不同种类的故障治理措施进行比较;最后,提出了针对性解决方案。