摘要：在工程建设中获取的现场钻孔数据有限,利用钻孔数据解释地下地层不可避免地存在不确定性,进而影响桩基础等工程设计的可靠性。对此,提出了从有限钻孔数据中量化地层边界不确定性的方法,并研究地层边界不确定性对单桩竖向承载力特征值的影响。首先依据钻孔数据,通过贝叶斯压缩采样-KL展开(BCS-KL)方法重建地层边界,并生成大量随机场数据量化地层边界的统计不确定性;然后依据地层边界数据,对单桩竖向承载力特征值进行不确定性分析。分析结果表明:BCS-KL方法生成的大量随机场数据能很好地表征地层边界的不确定性;在钻孔间距较大时,单桩竖向承载力特征值在95%置信区间内相差4 660.88 kN,差距较大。通过BSC-KL方法科学评估地层边界不确定性对单桩竖向承载力的影响,对确保工程设计可靠性具有重要意义。

摘要：中国电建集团江西省电力设计院有限公司以"自强不息、精湛卓越"的企业精神为核心,牢记"构建生态组织,实现共创共赢"的企业核心价值观,在新时代的波涛中展现出江西院人的责任感和使命感。由其勘察设计的印度尼西亚3×380兆瓦机组火电项目在"一带一路"建设中起到了良好的示范作用。

摘要：本文对江西省某风电场预测与实际风速、风向数据进行分析,并利用标准高斯核函数,对不同天气形势的处理预测误差进行拟合。发现风电场预测误差总体分布呈现一定对称性,风速误差主要集中在一3m/s到3m/s之间;而风向误差则集中在一45°到45°之间;在进行风电场风速和风向预测误差分布模型建模研究时,需要考虑不同天气系统,以此来提高模型对风速及风向预测误差分布情况的拟合效果;在晴天、多云、雨天、阴天的天气系统下,风速预测误差的概率密度分布用高斯核函数拟合均呈现出很好的拟合效果,而雪天的拟合效果较差。

摘要：针对风电数据存在维度多、波动大等特点而加大风电功率预测难度的问题,本文提出一种基于卷积神经网络(convolutional neural networks,CNN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的风电功率预测模型。该模型通过Pearson相关系数筛选最佳的历史功率和气象因素组合,使用CNN网络提取原始数据的时序特征,然后利用BiGRU网络捕捉这些特征之间的时序依赖关系,最终得到风功率预测值。算例分析表明,本文所提CNN-BiGRU模型比传统的BP和BiGRU神经网络模型具有更高的预测精度。

摘要：垂直度是评价风机塔筒结构安全的重要指标之一。针对高山风电塔基范围小、全站仪测量效率低且难以反映塔身整体变形等问题,提出一种高山风电场风机塔筒的垂直度精细化检测方法,采用地面三维激光扫描仪独立双测站扫描方案获取风机塔筒点云数据,根据标靶中心欧氏距离及相对高差的空间几何约束关系进行标靶绝对坐标改正,并利用最小二乘算法对水平截面切片点云数据进行最佳圆拟合,精确提取塔筒不同高度处的几何中心坐标。实验结果表明,文中方法能提取风机塔筒mm级精度的中心偏移量变化信息,实现对风机塔筒垂直度的精细化检测,相较于传统的全站仪测量方法作业效率提升约3倍。

摘要：本文以数字化赋能为基础,结合电力设计企业风险管理特点、政策,提出将数字化转型应用于企业风险管理,通过大数据平台整合和归集风险信息、建立风险评估和预警模型等,提升企业抗风险能力,推动企业高质量发展。

摘要：无人机航测航飞设计对测图精度和效率具有显著影响,是确保高质量、高效率测绘成果的关键环节。精准的航飞设计能够减少因飞行参数设置不当、定位误差、影像质量问题等因素导致的测图误差,增强测绘成果的空间位置准确性、地表特征表达清晰度以及属性信息的可靠性,为后续的决策分析、规划设计、灾害评估等应用提供坚实的数据基础。以下是对无人机航测航飞设计如何影响测图精度和效率的具体探究。

摘要：介绍了国家标准对控制电缆导体、额定电压、绝缘层、屏蔽层、护套及铠装、截面及芯数等参数的规定,以及设计规范对控制电缆选型的要求,结合工程经验,简述智能变电站控制电缆的选型要点。

摘要：风电场防雷是风电场运行维护中的重要部分,接地技术是为了防止电力或电子等装置遭受雷击而引入的保护性措施。本文研究了IEC风机接地规范中的接地电阻公式,并进行理论计算,IEC公式的计算结果具有一定指导意义,同时与国标进行比较,结论为增加外延射线对降低工频接地电阻是行之有效的,但对冲击电流则效果有限,实际设计过程中应根据风机环境选择合适的算法进行计算。

摘要：文中提出了一种基于热视觉技术的电气设备故障智能检测方法。通过对变电站常见故障的分析,选取了与熔断器有关的发生在变电站中的两种主要故障,并以支持向量机(SVM)为分类器,利用Zernike矩提取图像特征,达到检测电气设备故障的目的。实验结果表明,利用Zernike矩和支持向量机可以提取电气设备的图像特征并进行分类器的设计,对电缆接线头故障和熔断器底座损坏故障的识别准确率达到83%。