摘要：针对高比例新能源接入导致电力系统安全约束经济调度难以高效求解的问题,该文提出了一种基于近端策略优化算法的安全约束经济调度方法。首先,建立了新能源电力系统安全约束经济调度模型。在深度强化学习框架下,定义了该模型的马尔科夫奖励过程。设计了近端策略优化算法的奖励函数机制,引导智能体高效生成满足交流潮流以及N-1安全约束的调度计划。然后,设计了调度模型与近端策略优化算法的融合机制,建立了调度训练样本的生成与提取方法以及价值网络和策略网络的训练机制。最后,采用IEEE 30节点和IEEE 118节点2个标准测试系统,验证了本文提出方法的有效性和适应性。

摘要：为去除城市雨水径流中的污染悬浮物,利用自制试验装置并选择土工布作为过滤材料进行渗透过滤试验,研究土工布对城市雨水径流中悬浮物的过滤效果。结果表明:土工布对悬浮物的过滤效果随过滤时间增长而增强,过滤时间越长土工布堵塞程度越严重,渗透性降低;增加土工布厚度或提高水力坡降均可改善土工布对悬浮物的过滤效果;悬浮物浓度不同时土工布渗透性和悬浮物去除率变化规律相似。

摘要：精准的负荷预测对于电力系统保持经济、可靠运行有十分重要的意义,电力系统规划、运行、电力市场竞价系统的设计等都需要不同时间尺度的负荷预测结果,然而现有研究大多围绕一个时间尺度展开,单一模型难以满足实际工程需求。造成这一现象的原因在于模型预测结果的误差会随着预测时间尺度的延长而出现不同程度的增加,预测难度大,并且影响负荷的因素大多分布在不同时间尺度的数据上,难以充分利用。针对以上问题,本文在考虑负荷曲线的定积分与对应时间内用电量之间约束关系的前提下,提出融合多时间尺度数据的混合神经网络模型。该模型的损失函数同时考虑了点预测结果的误差以及负荷曲线定积分的物理意义,增强了负荷时间序列中各个元素之间的几何相关性。并且利用神经网络将短尺度数据提取为抽象的综合数据后,与长尺度数据拼接组成新的特征向量,用于预测不同时间尺度的负荷值。算例结果表明,本文提出的模型在实际的变压器负荷数据上能够实现多个时间尺度的预测并且有效提高预测精度。

摘要：施工期重车和运营期行车荷载会影响填土路堤的沉降变形,可能导致路面病害的产生。采用数值模拟对某高速公路坡残积土地基上的不同压实度的黏土填方路堤在施工期重车和运营期行车荷载作用下的沉降变形进行分析。结果表明:施工期重车作用后路堤最大沉降量增大80.8%~103.4%,堤身最大相对沉降量增大125.1%~163.6%,且随压实度的增大而减小。运营期行车荷载产生的路堤最大沉降量和堤身最大相对沉降量增量分别为23.6%~31.1%和27.2%~73.6%。压实度越大,路堤变形受车辆荷载的影响越小,且车辆荷载对堤身压缩量的影响大于对地基的影响。