摘要：针对叶片类薄壁零件铣削加工装夹卸载后发生的残余应力变形难以准确预测的难题,提出了基于装夹力监测的残余应力变形感知预测方法。建立了残余应力变形感知预测的数学模型,对感知预测过程进行了数学表述;基于超静定结构理论提出了残余应力变形感知预测的求解方法,利用变形协调方程实现了基于装夹力变化的残余应力变形等效求解;分析了几种典型装夹形式的感知过程,提出了残余应力变形感知预测的实现步骤;搭建了残余应力变形感知预测试验平台,将叶片简化为薄板模型进行了铣削残余应力变形感知预测试验,试验结果表明,装夹卸载后残余应力变形感知预测值与实测值相比误差为13%,具有较好的一致性,从而验证了该方法的有效性。

摘要：针对电网调度监控与评估中的问题,通过大数据应用角度分析基于态势感知技术的智能电网网络态势评估模型和感知预测。对智能告警收集调度自动化系统告警信息进行收集,从而设计智能电网网络态势整体架构。设计基于线路过载风险、连锁故障风险、失效元件风险的电网风险评估模型,通过实例对不同模型的感知成果进行分析。该方法能够对电网网络安全态势发展的情况进行描述,具有较高的预测精准度。

摘要：以提升无线通信系统安全态势感知预测精度为目标,基于机器学习与大数据分析研究无线通信系统安全态势感知预测。采集无线通信系统内的报警信息,通过数据清洗、数据集成等步骤预处理所采集数据,将完成预处理数据存储于数据库中,便于大数据分析技术挖掘关联规则过程中随意调取;利用模糊分区聚类的大数据关联挖掘算法区域分割处理海量关联数据挖掘关联规则,将完成关联规则挖掘的数据利用GA-RBF算法实现安全态势感知预测,并将预测结果发送至态势展示界面。实例分析结果表明,采用该方法感知预测无线通信系统安全态势精度高于99%,可满足无线通信系统安全态势预测需求。

摘要：电力系统的发展程度是一个国家经济水平的重要评判指标.随着分布式可再生能源的不断接入与电网规模的不断扩大,电力系统正逐渐趋于复杂化,电力数据呈现出多源、异构、大量等典型的大数据特性,这对电力问题的分析处理方法提出了更高的要求.人工智能(artificial intelligence,AI)是未来科技进步的关键,我国已将推进人工智能发展提升为国家战略并将电力系统定为人工智能主要应用领域之一,人工智能的发展也为电力系统规划设计、仿真模拟、协调控制、预测估计、诊断识别等问题提供了强有力的工具.本文从近几年世界各国人工智能政策需求入手,主要讨论了以感知预测、管理控制、安全维护为主的人工智能在电力系统中的主要应用方向;以人工智能自身应用短板为基础,剖析了人工智能技术在电力应用领域的不足之处,深入挖掘了人工智能在不同电力应用方向的问题所在;并着眼于人工智能大局发展趋势,对电力智能化发展提出建议与展望.