调整电压和无功补偿实现节能的措施

分析功率因数、电压损失和功率损耗的关系,详细阐述供电系统通过调整电压和无功补偿等措施减少电压损失和降低线路、变压器损耗,保证供电质量和电气节能的措施.     

质量损失对贫金属AGB星表面丰度的影响

在参数化热脉冲模型的基础上,加入星风质量损失,拟合了三颗铅星(HD187861、HD224959和HD196944)和两颗非铅星(LP625-44与LP706-7)的表面丰度,计算结果都能很好地重现观测数据.同时还发现:在考虑星风质量损失的情况下,三颗铅星的平均中子辐照量均超过2(mb)-1,富氮中间壳层中约80%的物质重复经历s-过程.而对于非铅星,星风质量损失的影响可忽略不计.     

用流速抛物线分布流动模型：预测偶合器的负荷特性

本文提出一种新的偶合器流道轴面流速二次抛物线分布的流动模型,转轴面流速线性分布流动模型更接近于对偶合器流场的实测结果。文中推导出该流动模型的全部计算公式,并对多个变几何参数流道的模型台架试验数据进行回归分析,得出对流动阻力系数的修正值K_c。据此算出流道变参数偶合器的预期负荷特性,与模型试验结果相比,其计算精度有更进一步的提高。     

基于改进的YOLOv5s安全帽佩戴检测算法

针对个人防护用具安全帽的防护检测识别需求,现有的人工检测方法费时费力,无法做到实时监测.提出了一种基于YOLOv5s深度学习模型的安全帽检测算法,能够有效识别检测安全帽是否正确佩戴.并通过添加CA注意力机制,重新分配每个空间和通道的权重;以BoT3替代原有的C3模型,作为主干网络;并将CIOU损失函数改为SIOU等方法,改进原有的YOLOv5s模型,提高安全帽检测识别的精度,提高检测速度.实验结果表明,安全帽识别检测的平均精度比原始模型提高了2.2%,识别检测速度提升了19 ms,实现了更准确地轻量高效实时的安全帽佩戴检测.     

液氨计量表的试验研究

本文对研制的机械直读式液氨计量表进行了试验设计和探索性试验研究,找出了影响计量表计量示值误差及压力损失关键性因素的主次、优水平及优水平组合。理论分析与试验结果吻合较好。试验研究结果表明,液氨计量表的各项指标均达到设计要求。     

分级骨干网架的构建及其经济效益评估方法

构建骨干网架是差异化规划电网以提高其抵抗自然灾害能力的关键手段,基于设备重要度和抗灾效益评估的阶梯式分级骨干网架建设能够兼顾电网建设的抗灾性和经济性。本文根据系统源、荷和支路的重要度评估,提出了分级骨干网架构建方法,以全寿命周期成本理论为基础并考虑设备等级、使用寿命和折旧价值,构建差异化建设投资成本计算模型,以各级负荷典型用户为代表建立负荷侧停电损失模型并与发电侧和电网侧效益组成分级骨干网架抗灾效益,结合成本模型形成差异化建设经济效益评估体系。最后以IEEE 118系统为例搜索分级骨干网架并设计多种抗灾建设方案,通过投资成本和收益的对比,证明了分级骨干网架建设的经济性和抗灾效益评估体系的合理性与可行性。     

1000W超超临界二次再热机组火用分析

针对国内某电厂1 000 MW超超临界二次再热机组的火用分布情况进行了研究.利用ASPEN PLUS软件建立机组模型,根据火用平衡方程,计算火用损失和火用效率,确定系统中能量损失的主要部位,为该电厂的运行优化和节能技术改造提供科学依据.研究结果表明:锅炉炉内燃烧火用损最大,其次是炉内换热面;汽轮机火用损主要集中在超高压缸和低压缸;该机组回热加热系统的火用效率较常规机组火用效率高约2.8%;低压缸更低的排汽参数使该机组凝汽器火用损约是常规一次再热机组的50%,能级利用更加合理.     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。     

具有超椭圆信息量损失准则的主成分双向变量选择法及其应用

提出了用具有超椭圆信息量损失准则的主成分分析双向变量选择法（ＥＰＴＳＶ法）来确定最佳变量子集。赋予超椭圆准则相应的几何解释，具有多维空间的直观性。利用此ＥＰＴＳＶ方法对一实际合成氨系统５０多个变量进行了选择，得到了７个主变量，即最佳变量子集。