基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法。通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置。提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器。这种状态观测器可以将暂态行为转换为由代数微分方程描述的广域电力系统,而无需非线性反演技术。最后以IEEE-5电力系统为例,说明了该方法的有效性。     

坛紫菜蛋白质提取工艺优化及其特性分析

为了开展坛紫菜高值化加工利用，以坛紫菜为原料、蛋白质提取率为评价指标，通过考察提取溶剂、超声时间和功率、料液比、pH等单因素实验、正交试验设计优化超声波提取工艺，对其等电点、乳化性、起泡性等基础特性进行分析，并进行抗氧化活性测定。结果表明，在超声全程时间50 min、超声功率1350 W条件下，坛紫菜蛋白质提取率为60.98%±1.01%。同时通过对所提取的坛紫菜蛋白质特性分析结果显示，坛紫菜蛋白质的等电点为4.5，在等电点附近，坛紫菜蛋白质有较好的泡沫稳定性，可达80.84%±2.95%；抗氧化测定结果显示，坛紫菜蛋白质在5~50 mg/mL范围内具有较强的抗氧化活性，浓度为50 mg/mL时，总抗氧化能力为2.89±0.09 U/mL，ABTS+自由基清除能力相当于0.83±0.08 mmol/L Trolox，DPPH清除率在10 mg/mL时达到68.04%±0.73%。该研究可以为坛紫菜资源的开发利用提供一定的理论依据和技术支持。     

人工智能在移动通信中的应用

阐述移动通信技术的特点和应用状况，通信网络的优化框架，网络智能优化中的机器学习算法分析，完善后台监控系统，建立软件平台提高服务质量，形成安全的网络环境，保证高效运行。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

基于遗传算法的TCE污染地下水修复抽水处理优化方案研究

抽水处理技术已广泛应用于地下水污染现场修复，系统设计运行不当会严重影响抽水处理的成本和效率。布井位置和抽水流量是抽水处理系统设计的两个关键因素，需考虑污染现场及饮用水源位置、经济成本等条件，因而布井方案需综合实际情况考虑不同参数。已有的抽水处理系统主要依据经验设计，不能满足复杂系统下经济高效运行的目的。因此，根据影响抽水处理系统经济效应的因素寻求经济高效的最优布井方案越来越重要。以某典型三氯乙烯(TCE)污染含水层为例，运用地下水流场、溶质运移模拟模型与遗传算法相结合的优化技术MGO,采用水力优化和运移优化两种地下水污染修复模式进行优化。基于情景分析比较了不同修复时间、井的数量、目标修复浓度、吸附常数和渗透系数等参数调整对井位和抽水量优化布局的影响，探索了抽水处理系统优化中遗传算法设计参数的确定方法，总结了影响抽水处理系统经济效应的不同因素及其变化规律。结果表明，抽水成本随井数的增多、修复时间的延长、目标修复浓度的增大而降低，但降幅会在某一临界范围内显著缩小，需根据实际工程需要，平衡各方成本因素。当目标修复浓度为0.03 mg/L且修复时间为20 a时，3眼井较2眼井抽水成本减少18%...     

90 t/h四角切圆燃烧锅炉优化调整及试验研究

某炼油厂90 t/h自然循环燃气锅炉燃烧器低氮改造后，运行调整总是不太理想。在40%～90%负荷工况下，出现炉膛和过热器的高温/低温段、省煤器两侧烟气温度（烟温）偏差大，NO_x、氧含量及颗粒物排放浓度较高的问题。经过分析，造成该现象的主要原因是4个燃烧器配风不均。针对此问题，对4个燃烧器配风进行了优化调整，优化后的锅炉省煤器α/β侧烟气温差较原来减少30℃,炉膛内部两侧温差较原来减少9℃,过热器高温/低温段温差较原来减少40℃/30℃,各侧点温度α侧变化较大，β侧变化较小。NO_x平均质量浓度下降了近100 mg/m³;颗粒物质量浓度由16.3 mg/m³降低到5.8 mg/m³。有效地解决了锅炉两侧燃烧偏烧和氧气分布不均匀及NO_x、颗粒物排放浓度较高的问题。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。