基于深度学习的环网柜局部放电信号特征识别

由于制造工艺和现场环境的影响,环网柜运行时会存在局部放电的现象。为深入研究局部放电的类型,提出了一种局部放电信号的特征识别方法。首先,搭建了电晕放电、沿面放电、悬浮放电3种放电模型的实验平台,采集了大量实验数据;然后,结合边际谱和卷积神经网络（convolutional neural networks, CNN）,通过模型参数寻优的方法建立了神经网络训练模型,开展了不同局部放电信号的特征识别研究;最后,与传统的特征识别方法进行了对比研究。研究结果表明：相对于VGG(visual geometry group)Net和AlexNet,ResNet34网络模型识别的准确率最高;边际谱图像提高了典型局部放电信号的辨识度,所提方法的准确率高达97%,明显优于CNN和支持向量机（support vector machine, SVM）。所提方法可为环网柜局部放电信号的研究提供技术支撑。     

高压均质对大米蛋白功能特性及物化特性的影响

试验研究了不同均质压力(0~120 MPa)对浓度4%的大米蛋白功能特性和物化特性的影响。结果表明:随着压力的增加,大米蛋白的溶解性显著增加(P0.01),且在120 MPa下达到最大,为82.09μg/mL;乳化活性指数先增大后降低,在80 MPa下达到最大,为14.82 m~2/g;乳化稳定性指数降低。在压力的作用下,大米蛋白的粒径减小;离子键变化不显著(P0.05);氢键、疏水相互作用、巯基及二硫键的含量均发生显著性变化(P0.05),表明高压均质对大米蛋白的三维结构产生一定的影响。     

基于Modbus协议的锅炉监控系统设计

所研究的问题是Modbus协议如何在锅炉监控系统中得到有效的实现。首先对Modhus协议的技术要点和具体规定作了详细的阐述，然后通过基于Modbus协议的锅炉监控系统实例，说明了整个监控系统的硬件构成，监控软件的相关设计和开发，以及Modbus协议的实现。目前，基于Modbus协议锅炉监控系统已经开发完毕，在实际应用中得到了良好的应用。     

基于AT89C51的湿度测量系统

本系统能够实时测量及用液晶屏显示出湿度值,一般湿度可以以10%RH为单位变化来显示,只在需要高精确要求的某个湿度范围内设置成以1%RH为单位变化来显示,这样既简洁适用性又强。系统还具备报警功能,适用于许多对湿度有一定要求的场合,在工业控制领域可充分发挥其作用。     

基于Modbus协议的锅炉监控系统设计

所研究的问题是Modbus协议如何在锅炉监控系统中得到有效的实现。首先对Modbus协议的技术要点和具体规定作了详细的阐述,然后通过基于Modbus协议的锅炉监控系统实例,说明了整个监控系统的硬件构成,监控软件的相关设计和开发,以及Modbus协议的实现。目前,基于Modbus协议锅炉监控系统已经开发完毕,在实际应用中得到了良好的应用。     

电动工具发展过程是不断创新的过程

正近年来,随着电子技术、计算机技术、稀土永磁材料、传感器技术,电机控制理论的发展,以及锂电在电动工具领域中的广泛应用,推动了无刷电机技术在电动工具行业中的发展。由于无刷电机具有体积小,重量轻,效率高,寿命长,电磁干扰小,维护成本低,易制造,易实现电子保护及延长电池在工具上的运行时间等,使其在锂电电动工具上的应用越来越广泛,或将     

毛细管电泳法在反式脂肪酸检测中的应用

对常用于反式脂肪酸检测的区带毛细管电泳和胶束毛细管电动色谱技术的原理和特点进行了简要的介绍,并对食品中反式脂肪酸检测应用进行了综述。     

猪油曲奇饼干货架期预测模型的建立

采用货架期加速试验方法和Arrhenius方程建立猪油曲奇饼干的货架期预测模型。以过氧化值为指标,在试验储藏条件下(25,35,45,55℃),猪油曲奇饼干的过氧化值随储藏时间的变化符合一级品质劣变动力学模型。研究了加速储藏条件下的样品检测重复次数、检测点数和检测时间间隔对货架期预测模型预测精度的影响。结果表明:测定点数对预测精度的影响最大,其次是测定重复次数,影响最小的是测定时间间隔。不同温度下的速率常数以及结合Arrhenius方程建立了猪油曲奇饼干的货架期预测模型,该模型对25℃下猪油曲奇饼干货架寿命具有较好的预测效果,预测误差为-2.74%,具有一定的应用价值。     

基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化策略

配电网源网荷储协调优化是消纳可再生能源的重要手段,其中,无功优化可保障系统安全可靠和经济运行。该文提出了一种基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化方法,它充分考虑到运行场景的特性,直接利用配网运行大数据离线生成历史场景库并基于多目标粒子群优化算法离线构建历史策略库,再基于不同优化目标和K-means聚类算法对历史场景库和实时待优化场景进行两次分类,然后以历史场景库为训练集,以实时待优化场景为测试集,基于深度神经网络实现智能在线场景匹配,通过匹配效果评估匹配历史策略或在线优化分配无功优化方案。最后,在IEEE 30节点仿真模型接入分布式光伏、储能和电动汽车充电站等随机负荷进行算例验证。结果表明,方法可灵活、有效地对系统进行协调无功优化,不依赖于模型和参数,极大地提高了决策效率。