具有良好时频性能的电力系统次同步振荡模态在线辨识算法

介绍了一种适用于电力系统次同步振荡在线监测的非平稳信号模态辨识算法,该算法综合了经典IIR窄带滤波器组算法及经验模态分解(empirical mode decomposition,EMD)算法的优点,利用次同步振荡分析获得的预知频率信息,对可能导致模态混叠的相邻模态做数字滤波器(Infinite Impulse Response,IIR)预处理,再经EMD获得无混叠的固有模态分量IMF1.该算法具有理想的窄带选频特性,且能够快速反映次同步振荡及机组扭振发生最初的时域过程,计算量很小,可用于现场在线提取SSO模态特征,有利于更好地实现对次同步振荡的稳定性判别及闭环控制、机组扭振保护等.最后,利用PSCAD产生的仿真数据及某电厂发生次同步振荡的现场数据验证了该算法的有效性.     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

具备无功补偿功能的串联电压调节器

针对电网存在的暂降、低电压、谐波、无功等电能质量问题,采用一种背靠背式单相三电平无耦合变压器的拓扑结构,与H桥等结构相比,无桥臂之间耦合问题,降低了设备损耗及成本,同时本文整流侧采用TTA算法检测无功电流,具备无功补偿功能.对于逆变侧,采用输出电压前馈控制策略,消除了负载对逆变系统控制性能的影响,同时充分利用设备调制度较小的情况,在DSP中采用立即刷新的方式,消除了控制延时的影响,提高了系统的开环增益、响应速度、稳态控制效果和系统鲁棒性.所研制的10 kVA的补偿设备验证了该拓扑结构、TTA算法及控制方法的正确性和有效性.     

食品包装高精度计量控制方法

目的 为提高食品包装过程计量组件的称量精度和效率,采用智能控制算法设计一种高精度计量控制系统.方法 在分析动态称量系统工作原理的基础上,建立称量过程数学模型,将控制对象由放料阀门开度转换为电机轴位置.考虑到传统PID控制的缺陷,结合PI Ziegler-Nichols和预测控制设计一种高精度计量控制系统.该控制系统可实现比例和积分系数的在线调整,能够抑制参数变化、负载扰动;预测控制可提高系统收敛速度和跟踪能力.最后进行仿真和实验研究.结果 仿真结果表明,智能控制算法具有比较强的自适应、自整定能力,计量精度可以达到静态称量水平,均高于99.5％.结论 食品包装高精度计量控制系统具有精度高、稳定性好、称量效率高等特点,在实际应用中对称量过程的控制效果相对较好.     

期货交易模型及算法设计与实现

利用先锋期货提供的期货实时行情数据,结合传统的KDJ指标计算并利用KDJ的金叉死叉来实现交易过程中买卖的判断,给出了从实时数据的获取到KDJ指标的计算以及交易算法实现的框架结构;使用C++编程语言定义了算法中所使用的有关结构体,通过编制相应的程序来完成部分主要功能.程序对固定合约跟踪模拟实验,结果表明,该算法达到了预期的效果.     

基于PBFT区块链技术的电网企业仓储系统

提出了一种基于实用拜占庭容错(PBFT)算法的区块链技术,首先对传统的实用拜占庭容错算法原理进行了阐述,该传统算法包含前期、需求、预准备、准备、确认、答复6个阶段,但传统算法具有实时性差、缺乏惩罚机制、带宽高的缺点。针对出现的这些问题,又对传统算法进行了改进,具体涉及记账节点、共识过程以及视图切换过程。通过测试进一步证明了该改进算法的实用性,并将该算法应用于电网企业中,构建的虚拟仓库实现了联储联备,降低了库存资金的耗费,并且提高了电网企业库存管理的效率。     

工程造价管理中的项目成本控制研究

随着我国城市建设规模不断扩大,带动了建筑行业的蓬勃发展。为提高建筑质量并扩大经济效益,必须做好工程造价管理控制。对于工程造价管理而言,实际涉及的内容非常多,包含在项目的每一个环节之中,并对企业的综合利益有着直接的影响。成本管理由于受到诸多因素的影响,经常会造成成本投入超出预期。为此,企业要提高对成本管理的重视度,从多个环节入手,认真管理,以防投入过高,进而推动企业持续进步。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。