基于时序偏移双残差网络的窃电行为检测

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移(timing shift,TS)算法对用电数据预处理,使模型能够学习用电数据的时间因素特征,构成TS-Bi-ResNet模型.根据真实用电数据和窃电特征生成含有伪窃电数据的混合用电数据集,利用TS-Bi-ResNet模型学习其浅层特征和深层特征,进而执行窃电行为检测.仿真和实际运行结果表明,TS-Bi-ResNet模型可以有效检测窃电量小且窃电发生时间随机的窃电行为,其检测精度优于LSTM模型与残差网络(ResNet)模型.     

等离子体协同射流翼型控制参数设计与机理探索

通过风洞实验和数值模拟方法研究了相关几何参数对等离子体协同射流翼型绕流特性与气动力特性的影响，并对流动控制机制进行了阐述。设计了不同高度的腔道，研究了等离子体激励下腔道出口的流量与射流速度的变化规律，最终选取4 mm腔道高度为最优参数， 设计了以NACA0025为基准翼型的等离子体协同射流翼型。通过数值模拟研究了等离子体协同射流翼型的升/阻力特性，并对比了前缘吹气与协同射流控制的不同控制效果。研究结果表明，Re=68 000、峰-峰值电压13 kV、载波频率8 kHz条件下，相对基准翼型，等离子体协同射流翼型将失速迎角从8°提高到了14°，最大升力系数增加了181%。等离子体协同射流翼型的阻力随迎角增大持续减小，在10°迎角之前其阻力大于基准翼型，随后小于基准翼型，升阻比呈现出与阻力相同的变化特性，10°迎角之后全面优于基准翼型。原因是后缘腔道处在较小迎角下产生了正阻力，而随着迎角的增大，其当地阻力变为负值。对比前缘吹气和协同射流控制，翼型失速迎角分别为12°和16°，这是因为协同射流翼型通过前缘吹气效应可以在当地集中注入动量，其后缘吸气可以减小低能量的分离区域，形成较大的环量增量。