一种基于抽取LMS的距离旁瓣抑制方法

在噪声雷达中，传统相关处理方法的距离旁瓣受到时宽带宽积的限制，在有限相关处理时间内得到的距离旁瓣较高，会造成微弱目标被强目标、杂波旁瓣淹没的现象。提出一种基于抽取最小均方（Least Mean Square,LMS）滤波的噪声雷达旁瓣抑制方法，将LMS滤波器的系数作为距离压缩结果，从而获取较低的距离旁瓣。对该方法的性能进行了理论分析，并通过数字仿真验证了算法的有效性和理论分析的正确性。     

基于m-Ucosφ平面识别振荡期间输电线路不对称故障的方法EI北大核心CSCD

距离保护作为输电线路的后备保护在电力系统广泛应用,但是系统振荡期间测量阻抗变化会导致距离保护误动作,在系统振荡期间需要闭锁距离保护,而系统振荡期间线路发生不对称故障时需要快速开放距离保护,现有距离保护利用电流不对称度识别振荡期间不对称故障,识别故障电阻的灵敏度低,无法快速开放距离保护。提出了一种综合利用保护安装处电流、电压特征识别振荡期间线路不对称故障方法,利用保护安装处的电压余弦分量反映故障点处的电压,建立了电流不对称度–电压余弦分量平面,从电流和电压两个维度综合反映系统振荡及线路故障特征,在此基础上,构建了系统振荡期间线路不对称故障的识别判据,提高了保护识别振荡期间线路不对称故障的灵敏性,缩短了距离保护开放时间,实时数字仿真系统(real time digital system,RTDS)仿真结果验证了本方法的有效性。     

分布式多元随机动态场景生成及快速精准场景降维算法

高比例新能源及多源耦合是电力系统发展的重要特征,这也为系统稳定经济运行提出了新挑战。该文以园区型多能系统为对象,研究了分布式多元随机动态场景分析,从多时空角度有效量化不确定因素给系统造成的影响,可为系统灵活重构、多维度协同运行与决策提供有力模型与场景支撑。首先由预测误差驱动拟合多元功率预测误差概率分布,全面反映随机功率出力信息,提高模型泛化性;以时序相关范围参数为数据驱动关联变量,高效动态控制波动强度;最终场景生成利用逆变换映射思想保证置信度。然后针对典型场景提取,提出一种综合递归聚类思想的多段嵌套削减算法,结合改进Wasserstein距离指标,兼具准确、时效、稳定方面的优势。最后由对比实验论证该方法的前沿有效性。     

SYMEO雷达距离传感器在智能行车上的应用

行车定位作为智能行车的一个重要组成部分，一般用雷达、激光、格雷母线、编码尺等仪表检测大小车的位置，位置数据越准确，智能行车运行效率越高。SYMEO公司生产的雷达距离传感器通过使用最新的超宽带技术，加上高鲁棒性以及免维护和磨损的LPR?雷达技术，可以实现毫米范围内的测量精度，同时适应高粉尘、污垢、振动、阳光直射、雾或下雨的使用环境，使该雷达距离传感器成为恶劣工业环境中行车智能化升级改造的理想选择。     

下运带式输送机飞车判据研究

<正>因煤矿地质条件、采区布置和煤矸石运输方向等因素的影响,下运带式输送机被广泛应用于煤矿运输系统中,不仅可以缩短工期、减少工作量,而且能缩短运输距离、节约费用^[1]。但下运带式输送机存在易跑偏、打滑、断带以及飞车等隐患^[2],其中,跑偏、打滑、断带等故障已经有了相对准确的判断依据及保护措施,但飞车故障还没有可以量化的判断依据。研究分析飞车故障的发生机理和输送机的状态特征,找到飞车故障的判断依据,对保障下运带式输送机安全运行具有十分重     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

考虑需求响应的智能微电网日前竞价方案

由于发电、负荷和市场价格预测的不确定性，微电网日前竞价往往很困难。提出了采用2阶段随机规划的方法，通过蒙特卡罗模拟生成各种随机场景，并基于Kantorovich距离进行场景简化，以日前电力市场交易所获得的预期利润最大化为优化目标，计算了智能微电网能源管理系统对日前电力市场的最优报价，并将目标函数的非线性项重构成线性形式。仿真结果验证了所提方案在智能微电网日前竞价中具有很好的效果。