基于深度学习的风力发电机组故障预警方法研究综述

风能作为重要的可再生能源,近几十年来,全球风能使用规模迅速增长,陆上和海上风力发电机组发电容量不断增加。由于风力发电机组故障维修成本巨大,因此必须开发有效且可靠的风力发电机组故障预警方法,在风电机组发生故障前进行提前预警,以便降低风电场的运营和维护成本。目前风电机组数据采集与监视控制系统(supervisory control and data acquisition, SCADA)已经在风电场有了广泛的应用,其中蕴含着大量的潜在数据信息,同时深度学习方法在海量数据挖掘方面有比较明显的优势,因此深度学习方法在风力发电机组故障预警领域的应用潜力巨大。综述了近年来相关深度学习方法在风力发电机组故障预警的研究进展,总结了风电机组故障预警的大体步骤,分析了各个步骤的具体处理方法,对每种技术方法的特点进行整理分析。最后阐述了深度学习在风电机组故障预警领域所面临的挑战,并对今后的研究重点进行了展望。     

飞秒激光微通道加工研究进展

综述了基于飞秒激光微通道制造的研究现状,包括加工机理、工艺技术方面的研究进展,重点介绍了飞秒激光改性辅助化学刻蚀和液体辅助飞秒激光烧蚀两大主要制造方法上的研究成果,概述了目前面临的主要问题与挑战,展望了未来的发展趋势.     

上海和乌鲁木齐射电望远镜的超高精度同波束VLBI观测

上海天文台和国家天文台乌鲁木齐天文站的25米射电望远镜于2008年参加了日本月球卫星SELENE的两个子卫星Rstar和Vstar的同波束较差VLBI观测. 当Rstar和Vstar的角距小于0.1°时, 上海-乌鲁木齐基线的X频段的较差相位时延的测量残差为0.15 mm·rms, 比现有VLBI的最小残差改善了1~2个量级. 当Rstar和Vstar的角距小于0.56°时, 也成功得到S频段的较差相位时延, 其测量残差为毫米级. 利用VLBI和多普勒及测距数据, Rstar和Vstar的定轨精度提高到了数米. 超高精度的同波束较差VLBI技术将极大地提高我国的深空探测器的精密测定轨能力, 并将被用于我国首个火星探测器“萤火一号”（YH-1）和俄罗斯的“福布斯”探测器（Phobos-grunt）的精密测定轨中.     

基于干涉全息法测量射电望远镜主面重力变形和副面位姿

本文围绕天马65 m (TM65 m)射电望远镜主面重力变形和副面位姿展开实测研究.论文先概述了主面测量的方法,主要讨论了基于微波全息法的测量方法和天线扫描方法,然后论述了采用Very Long Baseline Interferometer (VLBI)测量65 m主面各俯仰角的重力变形,对测量误差进行了评估,进而构建了重力模型,并与仿真结果进行了比较,两者变化趋势一致.同时,推导并仿真了主焦馈源、副面位姿偏移和口径面相位的解析关系,然后基于该解析关系和VLBI测量得到的口径面相位数据,并采用最小二乘法解算得了实际TM65 m副面位姿随俯仰的变化情况,该测量结果在三维方向上与传统基于主动副面的幅度扫描法结果一致性强,该方法为测量副面位姿提供了不同于传统法的可行途径.     

含电动汽车的主动配电网优化调度

电动汽车随机充电功率会影响主动配电网优化调度,为了解决这一问题。提出了含电动汽车的主动配电网优化调度模型,模型分为两个目标函数。首先,需要以负荷曲线的最小方差优化电动汽车的充电功率作为优化调度之前的目标函数,可以获得电动汽车连接电网的时间和充电功率。然后,建立以分布电源功率为控制变量使得配电网运行成本最低的主动配电网日前优化调度模型。最后,建立的模型在IEEE33节点配电网系统中进行多场景分析电动汽车对主动配电网优化调度造成的影响,并采用CPLEX优化规划软件来求解模型。结果表明:所建立的模型和方法不仅可以保证配电网经济运行,而且还能有效的利用电动汽车的充电来减少配电网负荷曲线的方差。