摘要：针对新能源电力系统中的周期性拒绝服务(denial-of-service, DoS)攻击和通信时滞,提出一种基于事件触发的滑模负荷频率控制(load frequency control, LFC)策略,以解决控制信号丢失和频率偏差增大的问题。首先建立网络攻击和通信时滞下的新能源互联电力系统LFC模型,采用广义互相关(generalized cross correlation, GCC)估计在线检测系统时滞,通过滑模控制算法降低时滞的影响并增强系统的鲁棒性。其次,基于周期性事件触发机制设计滑模控制策略,根据划分的时间间隔确定采样状态来减少网络中的数据交换量,以应对周期性DoS攻击。最后,在Matlab/Simulink中进行仿真实验分析,仿真结果验证了所设计的控制策略能够有效克服网络攻击和通信时滞的影响,提高了新能源互联电力系统的频率稳定性。

摘要：针对裂纹声发射信号的降噪问题,该文提出了结合互补集合经验模态分解(CEEMD)与小波包变换(WPT)的CEEMD-WPT降噪方法。首先,此方法将传统CEEMD中使用的单一经验模态分解(EMD)改进为降噪效果更稳定的WPT-EMD;其次,分解后对其本征模态函数进行了相关系数阈值判断,对低相关分量再次进行WPT处理。除此之外,为了解决难以量化真实信号降噪效果的问题,文中设计了新的量化指标“信号主区间系数”,并用仿真实验验证了该参数的可靠性。该文最后对公开数据集和裂纹实验信号进行了降噪实验,结果表明相较于传统CEEMD和小波阈值,CEEMD-WPT有着更好的降噪效果;并且CEEMD-WPT降噪统计方差小于CEEMD一个数量级,具有更强的稳定性。

摘要：针对大规模电网电磁暂态仿真算力需求巨大,国分省三级调度各自算力资源难于满足新型电力系统安全稳定仿真计算需求的情况,设计和实现了一种国分省三级调度电磁暂态云仿真资源互济机制,首先介绍了高效、可靠、灵活三项资源互济原则,然后重点分析了跨域统一计算资源池构建和跨域批量电磁暂态仿真任务调度机制和实现关键技术,分析了三级调度资源互济的电磁暂态云仿真平台的功能架构和主要功能,最后分析了平台在国家电网仿真中心、国家电网华中分部和国网河南省电力公司的落地应用,实际应用数据证明了该文方法的有效性。

摘要：基于集成门极换流晶闸管(IGCT)的混合换相换流阀(HCC)具备主动关断的能力,可用于解决常规高压直流输电中的换相失败问题。对HCC开展电气应力分析是换流阀电气、绝缘和实验设计的基础。因此,本文先介绍了HCC的拓扑结构、工作原理和主动关断策略。根据HCC的拓扑结构和参数,建立了HCC换流阀高精度宽频模型,仿真分析雷电冲击电压、操作冲击电压、陡波冲击电压3种暂态工况下,施加在IGCT器件上的最大电压与最大电压变化率(du/dt),仿真结果表明最大电压与最大电压变化率在IGCT的过电压耐受能力之内。最后,进行恢复期暂态正向电压冲击试验,验证了换流阀的过电压耐受能力。电气应力的分析结果可支持HCC应用于直流输电系统。

摘要：为了避免传统图像增强方法在应对多尺度图像增强需求时存在的明显弊端,本研究设计了一种基于可变结构深度学习的激光图像多尺度增强。该方法构建了一个可变结构深度学习模型,在生成网络模块中,采用加权最小二乘滤波器对图像进行滤波处理和分解;通过自适应增强技术提升图像的细节层;随后,将细节层与基础层融合,并通过卷积神经网络的反卷积层进行重构。在判别网络模块中,利用PatchGAN结构来判别生成图像与目标图像的真实性,并通过损失函数的叠加训练反复优化,以实现激光图像的增强。实验结果显示,该方法不仅有效保持了图像的边缘与细节,而且实现了全局平滑细腻的效果,显著提升了图像的对比度和清晰度,同时在各项客观评价指标上均表现出色。

摘要：火电机组改调相机运行不仅涉及技术问题,还需要建立适宜的商业模式,厘清各参与方的利益关系,明确经营模式及盈利模式等多方面的问题。本文在对不同火电机组调相改造方案进行多维分析的基础上,根据商业模式画布模型,设计构建了火电机组改调相机运行的商业模式,重点分析了火电机组调相改造的成本结构、收入构成,以期为参与火电机组灵活改造的企业提供借鉴。

摘要：电力调度依赖可靠的调度自动化主站,因此主站广泛采纳冗余技术。提出一种调度自动化主站局域网冗余可靠性测试方法。根据网卡绑定、虚拟路由器冗余协议、交换机堆叠等冗余测试结果,确定了地址解析协议轮询时间、虚拟路由器冗余协议抢占延时等配置参数的合理范围,揭示出生成树协议在链路频繁中断时对网络故障的放大作用。研究发现:在网卡主备模式下备用网卡状态难以得到实时监视,在网卡负载均衡模式下侦测不到非直连链路异常。在交换机堆叠后增加了非冗余潜在故障点,冗余多主检测机制可降低堆叠分裂风险。提出了冗余可靠性推荐方案,以指导局域网的设计、建设和运维。

摘要：为保证恶意代码变种检测模型的时效性,传统基于机器(深度)学习的检测方法通过集成历史数据和新增数据进行重训练更新模型存在训练效率低的问题。笔者提出一种基于神经网络平滑聚合机制的恶意代码增量学习方法,通过设计神经网络模型平滑聚合函数使模型平滑演进,通过添加训练规模因子,避免增量模型因训练规模较小而影响聚合模型的准确性。实验结果表明,对比重训练方法,增量学习方法在提升训练效率的同时,几乎不降低模型的准确性。

摘要：配电网故障停电事件会严重影响正常的社会经济生活。因此,迫切需要有效的配电网故障停电预测方法。采用人工智能方法分析配电网故障停电数据,发现存在配电网故障停电次数较少和引发配电网故障停电的原因分布不均等数据不平衡情况。为了及时、准确地预测配电网故障停电情况,从数据集质量和防止过拟合两方面入手改进故障停电预测模型。首先,设计了基于聚类的对抗神经网络来增强数据集质量。其次,构造了基于随机代价敏感卷积神经网络(Random Cost-CNN)的故障停电预测模型。Random Cost-CNN预测算法中采用有放回随机抽样思想设计了损失函数的随机选择策略,用以解决常规代价敏感过度拟合少数类(故障停电类)而使得大量多数类(正常类)被误报的问题,既保证少数类具有较好召回率与精确度,同时又提高了模型的泛化性能。实验证明所提方法能有效预测配电网故障停电事件发生概率,在配电网运维管理中能够发挥较好的预警作用。

摘要：现有变压器模型无法精确计算变压器谐波损耗,因此提出了考虑集肤效应与邻近效应的变压器谐波损耗模型。对变压器中绕组的电磁场进行了分析,利用坡印亭矢量法得出各层绕组的损耗计算公式,由此分析了集肤效应与邻近效应对绕组的影响,建立了变压器谐波损耗模型。仿真结果表明,和Simulink自带模型相比,利用所提模型计算谐波损耗时精度更高。