摘要：随着信息技术的发展,配电网的智能化发展水平逐渐提高。在江苏电网正在推进的网格化建设工作基础上,对标准接线下不同配电自动化配置方案进行了分析,并介绍了基于最小路法的配电网可靠性计算方法,通过算例分析提出应优先提升配电自动化覆盖面来实现故障快速定位。

摘要：目前,我国正处于城镇化发展的中后期阶段,开始逐步进入以长江三角洲、珠江三角洲和京津冀地区为首的城市群时期。近年来通过建设市郊铁路来解决城市群中核心城市与远郊地区交通联系,促进城市群一体化发展的呼声日益高涨。但同时,近年来北京、上海等城市群核心城市已经建设的市郊铁路在实际运行中均出现了一些不尽如人意的问题,因此有必要对城市群落中处于不同阶层的城市空间布局及交通出行特征进行分析研究,以更加科学的方式推动市郊铁路的逐步发展。该文以天津市为分析研究对象,通过分析其在京津冀城市群中所处地位和未来应承担的功能,利用百度慧眼大数据分析现状空间联系分布情况,对其市郊铁路未来发展趋势分析研究并提出相关建议。

摘要：探讨配网自动化建设及运维中存在的问题,并阐述了这些问题的解决措施。

摘要：大规模风电并网给电力系统安全稳定运行带来了新的挑战。储能系统在提高风电接入能力方面具有广阔的应用前景,然而储能的高容量成本制约了风储联合系统的发展。为解决大规模风电并网的功率波动问题,在考虑风电出力波动性和电池储能系统自身运行约束的基础上,提出了风储联合系统的储能容量优化配置策略。算例结果表明,只有当系统惩罚成本的减少足以弥补储能投资的增加时,风电场才有动力投资储能。通过合理配置储能容量,能够在平抑风电功率波动的基础上,提高风电场运行经济性。

摘要：冻胀率作为常规的冻胀评价指标,只能预估土体的冻胀变形。为了较好的评价土体的冻胀性,验证分凝势模型能否有效的评价土体的冻胀敏感性,基于室内冻胀试验,实测土体冻结过程中的温度场和冻胀变形。依据Konrad模型计算分凝势;分析了分凝势随冻结时间的发展规律、分凝势与冻胀变形和冻胀速率的关系。研究表明:单向冻结条件下,饱和粉质黏土冻结过程中的分凝势与冻胀变形和冻胀速率具有较好的正相关性。分凝势可以有效评价土体的冻胀敏感性,表征冻土的变形趋势和冻胀程度。

摘要：随着堆石坝高度从200 m级向300 m级迈进,大坝变形协调控制变得尤为重要,基于参数反演的堆石坝有限元模拟是进行变形性态评估的常用手段之一。为探讨不同参数反演策略在高心墙堆石坝中的适用性,本文进行了参数联合反演与解耦反演策略对比研究。采用神经网络构建有限元正算的代理模型,采用群体智能优化算法进行迭代寻优,反演得到静力、流变和湿化模型参数。相较于人工干预少、效率高的参数联合反演方法,参数解耦反演方法通过分阶段、分区域的材料参数反演,能够更合理地反映填筑蓄水过程对堆石坝变形的影响。基于解耦反演参数计算的坝体变形与实测值吻合良好,更有效地揭示了坝体在填筑、蓄水及长期运行过程中的变形空间分布和演变规律。

摘要：研究高海拔地区特长铁路隧道火灾烟气的变化规律对优化设计特长铁路隧道防灾救援具有重要的指导意义,但由于高海拔地区复杂的地理位置和使用环境,采用试验方法进行研究较为困难,相关研究较少。依托甘青隧道工程,基于Fire Dynamics Simulator(FDS)开展高海拔地区特长铁路隧道火灾场景数值模拟,通过改变隧道纵向风速大小以及纵向风作用方向,以期获得依托工程发生火灾下的致灾因素以及最佳控烟方案,并与平原地区火灾发生时的致灾因素仿真模拟结果进行对比。研究结果表明:高海拔地区火灾烟气扩散速度以及特征高度处最高温度、最高CO浓度均高于平原地区;高海拔地区隧道发生火灾时,施加纵向风较有利,且随着纵向风速增加,顺风侧烟气扩散速度加快,逆风侧逆流长度能够得到有效控制;高海拔地区特长隧道内可视度是达到危险限值最快、影响最大的致灾因素,且不受风速影响;有无纵向风作用下,隧道一侧均存在低可视度危险区;纵向风越大,烟气扩散速度越快,特征高度处温度越低,对高温烟气扩散的抑制作用越明显;本工程条件下建议加强隧道下坡段风机的设计,并应控制纵向风速≮3 m/s。

摘要：煤炭资源的高强度开采会引起地表大范围沉陷,因此煤矿开采沉陷监测十分重要。本文以陕北金鸡滩煤矿117综放工作面开采为工程实例,通过实地观测数据处理和分析,揭示该区域地表移动变形的基本规律。结果表明:工作面的平均推进速度约为8 m/d,开采深度较低,地表松散层较厚,导致开采过程中地表下沉速度较快;动态变形值较大,活跃期短,仅占总时间的30%,但变形剧烈,导致产生地表裂缝等较严重的破坏。上述地表移动变形总体符合浅埋深综放大采高工作面开采沉陷的基本规律。

摘要：基于道路分段方法，在不同路段采用差异化的车辆控制策略，以满足自动驾驶决策系统的性能要求.首先，鉴于道路特征的复杂变尺度特性，通过小波变换和Otsu算法将道路特征与变换系数进行映射并实现道路自适应分段.其次，为提高模型决策能力，基于深度强化学习(deep reinforcement learning, DRL)与奖励分解架构将自动驾驶分段决策任务分解为横向、纵向两个并联决策子任务，分别构建分段决策模型与奖励函数，设计一种动作掩蔽策略来提升模型训练速度.最后，通过一系列实验验证所提模型的有效性.实验结果表明，与传统的DRL算法相比，引入奖励分解架构与动作掩蔽策略的DRL算法不仅保证驾驶系统可靠决策，而且在通行效率、安全性等方面也有所提升.

摘要：为了探索高性能的轻量级火灾烟雾检测算法,构建了包含9种火灾场景、3个烟雾类型的图像集MSIFSD,设计了深度卷积神经网络DeepSmoke.针对小规模稀薄烟雾检测困难的问题,提出高效特征聚合模块PM-C2f和部分混合最相关区域自注意力机制模块PM-TF,PM-C2f模块用来整合各层次图像特征的上下文信息,PM-TF模块用于强化小规模稀薄烟雾的稀疏特征.针对DeepSmoke在不同场景下适应性不足的问题,提出使用伪标签分类器的半监督训练策略,利用大量未标注数据辅助模型训练,提升多类场景下的检测性能.实验结果表明,该算法针对小规模、稀薄烟雾和普通烟雾的检测准确率分别为88.2%、90.0%和98.3%,综合平均检测准确率为94.2%,均优于现有主流算法,且浮点运算量仅为9.3×109,体现了对边缘设备的友好性.