甘肃近50 a暴雨洪水极端值分析探讨

通过甘肃近50 a暴雨洪水与已知世界最大暴雨洪水及其外包线的对比,分析甘肃暴雨洪水极端值的量级特性,探讨甘肃暴雨洪水成因及时空分布,研究暴雨洪水灾害发生的基本规律。结果表明:历时小于1 h的局地暴雨可达到或超过世界最大外包线;流域面积小于30 km~2的小面积洪水量级可达到或超过世界最大外包线,大流域洪水量级与世界最大外包线相差较大,造成灾害的可能性较小;暴雨洪水在7月和8月发生的频率均超过70%,"七下八上"是甘肃境内洪水的高发期;从暴雨洪水分布区域看,东南部流域发生的频率大,河西内陆河流域发生的频率相对较小。     

浅谈变电站智能地线管理系统的应用

针对目前变电站临时接地线管理混乱,存在误挂、误拆、漏挂、漏拆等现状。将临时接电线的管理引入到防误系统中,采用先进的自动化控制技术、低功耗无线通讯技术及分布式网络控制技术,通过与变电站防误主机通讯,实现对变电站临时接地线的规范化管理,有效地防止接地线事故的发生。本文介绍了这种新型变电站智能地线管理系统的组成及功能应用。     

一种高效咬尾卷积码译码器的设计与仿真

介绍了咬尾卷积码的最优和次最优译码算法的实现细节,给出了采用新的蝶形图计算方法和环形内存来节省硬件资源的实现方法,最后给出了次最优算法在FPGA上的实现结果。     

气候变暖影响下黄河源区潜在蒸发量预测不确定性研究

蒸发是连接地表能量平衡和水量平衡的重要纽带,高寒区蒸发量对气候变暖尤为敏感。然而,高寒区蒸发预测存在大量不确定因素,其造成流域水文循环变化规律分析、水资源管理面临严峻挑战。因此,以属于高寒区的黄河源区为例,利用5种物理机制不同的蒸发计算模型(P-M、Har、J-H、Mak和P-T)理清模型不确定性对流域潜在蒸发量预测结果的影响;通过耦合蒸发计算模型、GCMs模型、RCPs模型,探究多源不确定性对未来不同时期(近期、中期和远期)潜在蒸发量预测结果不确定性的影响,并利用方差分析方法量化评估各因素独立及交互作用对潜在蒸发量预测结果不确定性的贡献。结果表明：基于太阳辐射和气温的潜在蒸发量模型获得的潜在蒸发量明显大于基于物理机制P-M模型获得的潜在蒸发量,其差值约为150 mm; RCPs不确定性是导致蒸发预测结果不确定性的主导因素,占比高达65%,且多种不确定性因素的交互作用对蒸发预测结果不确定性的贡献在春、冬季节尤为突出。     

基于SBAS-InSAR的窑街煤矿开采沉陷研究

基于SBAS-InSAR技术,利用84期Sentinel-1A数据,对窑街煤矿矿区2014年10月至2018年9月期间地表形变进行监测,获取研究区时间序列地表形变信息。研究发现矿区范围内存在三处开采沉陷区,提取沉陷影响面积,并对时序沉陷规律进行分析。最大累积沉陷值达到350 mm,沉陷中心区最大年平均沉陷速率约为200 mm/a,沉陷区位置与煤矿开采工作区一致。研究表明SBASIn SAR技术可以有效应用于开采沉陷区的识别与监测,为采空区灾害的预防及治理提供技术服务。     

电网调度智能监控与事故处理辅助决策系统的研究与实施

随着电网规模的扩大,互联电网运行方式和电网稳定状况复杂多变,现有的电网EMS系统和离线分析计算决策方法,已难以满足现代电网的运行需求,迫切需要建立面向调度员的电网运行智能监控与控制一体化的决策系统,为电网调度运行人员应对电网复杂多变的运行方式和电网严重突发事件提供决策支持.针对调度运行中实际存在的问题,首先提出了安徽电网调度智能监控与辅助决策系统的研究背景及设计目标, 并详细介绍了该系统的总体结构,最后,详细分析了本系统研究及开发中的关键技术的实现,该系统已经在安徽省调进入了实施阶段.     

淮沪特高压实时潮流控制与AGC协同策略研究

随着多条区内特高压交流输电线路的建成投运,华东电网已形成跨区特高压直流与区内特高压交流并列运行电网。安徽电网作为区内特高压交流的送端电网,应在现行的调度控制架构和标准体系下,保证特高压交流输电安全。文章首先分析区内特高压交流输电线路功率波动特点,通过时域波动概率、与电厂和500kV省间联络线波动相关性和各省调控制行为的影响分析,提出特高压输电线路实时潮流与AGC协同控制框架和控制策略,实现电网正常状态特高压输电潮流功率波动抑制、潮流优化控制和电网故障状态的潮流转移控制,提升特高压区域电网运行的安全性和可靠性。     

基于置信度理论和多元线性回归方程的电网负荷预测

首先根据负荷百分比法和置信度理论得到预测期间负荷百分比曲线的上下限;然后建立多元线性回归方程,求出负荷预测曲线;最后对具体算例进行分析,结果验证了该预测模型的合理性及预测方法的有效性。     

基于EWT和LSSVM模型的短期电力负荷预测

精确的负荷预测对电网的安全性和稳定稳定性具有重要意义。提出基于经验小波变换(EWT)和最小二乘支持向量机(LSSVM)的预测方法。首先,采用EWT分解负荷,得到一组固有模态分量(IMF);其次,利用LSSVM算法预测各个负荷子序列;最后,合并各个分量的预测结果。根据某地市现场实测负荷数据进行实验仿真,预测结果分别与EWT-支持向量机(SVM)和经验模态分解(EMD)-LSSVM模型的预测结果进行对比,在两项指标上表现均为最优,体现实际负荷的变化规律。