课程文献中心 更多>>

关键词： 有载变压器   直流电阻测试   图像识别   YOLOv8算法   香橙派  

摘要： 针对当前有载变压器直流电阻测试中需要专人手动调节档位的问题,本文设计并实现了一种自动化有载变压器直流电阻测试系统,能够自动识别和调节分接开关的档位。系统引入了图像采集与处理模块,结合先进的YOLOv8算法,实现了对分接开关档位的精确捕捉和自动识别,采用香橙派作为核心控制器,负责整体调度与数据交换,确保了测试流程的自动化和智能化。实际应用表明,该系统能够有效提高测试的自动化水平,减少人为操作失误,显著提高了测试效率和准确性。In response to the issue of requiring a dedicated person to manually adjust the gear in the current on load transformer DC resistance testing, this paper designs and implements an automated on load transformer DC resistance testing system that can automatically identify and adjust the gear of the tap changer. The system introduces an image acquisition and processing module, combined with advanced YOLOv8 algorithm, to achieve precise capture and automatic recognition of tap changer gears. Orange Pi is used as the core controller, responsible for overall scheduling and data exchange, ensuring the automation and intelligence of the testing process. Practical application has shown that the system can effectively improve the automation level of testing, reduce human operational errors, and significantly improve testing efficiency and accuracy.

关键词： 静脉输液   家属参与护理模式   穿刺成功率   穿刺依从性   疼痛情况   负性情绪  

摘要： 目的:探讨家属参与护理模式在静脉输液患儿中的应用效果。方法:选取2022年3月至2024年3月于郑州市中心医院行静脉输液的92例患儿采用随机数字表法分为对照组和观察组。对照组46例接受常规护理,观察组46例接受家属参与护理模式,护理至患儿出院。比较两组穿刺成功率、穿刺依从性、疼痛情况、负性情绪、不良事件发生情况、舒适度以及家属满意度。结果:观察组穿刺成功率、穿刺总依从率分别为95.65%、95.65%,均高于对照组的82.61%、80.43%(P<0.05);观察组护理后疼痛行为量表(FLACC)各项评分均低于对照组(P<0.05);观察组护理后中文版儿童积极-消极情感量表(PANAS-C)中积极情绪评分高于对照组,消极情绪评分低于对照组(P<0.05);观察组不良事件总发生率低于对照组(P<0.05);观察组护理后舒适状况量表(GCQ)各项评分均高于对照组(P<0.05);观察组家属满意度各项评分均高于对照组(P<0.05)。结论:家属参与护理模式可提升静脉输液患儿穿刺成功率和穿刺依从性,有助于减轻患儿疼痛程度,缓解其负性情绪,还可减少不良事件发生,提升患儿舒适度,从而提升家属满意度。

关键词： 变分模态分解   主成分分析   功率预测   长短期记忆网络   联邦学习   海上光伏  

摘要： 功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务.随着分布式海上光伏系统的发展,光伏利用率不断提升,同时对光伏功率预测提出了更高的要求.针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及隐私泄露等问题,提出一种基于联邦学习和变分模态分解的长短期记忆神经网络功率预测模型(long short-term memory neural network power forecasting model based on federated learning and variational mode decomposition,FL-VMD-LSTM).利用主成分分析法和三次样条插值对气象数据进行预处理,同时利用VMD将光伏功率时间序列分解为多个分量进行分步预测,降低光伏功率时间序列的非平稳性和复杂度.通过横向联邦学习的本地训练和参数聚合方法,实现在保证数据隐私安全情况下的光伏功率预测.通过4个算例进行仿真实验,验证结果表明FL-VMD-LSTM模型在光伏功率预测方面具有较高精度,与传统算法相比,RMSE和MAE分别降低了55.7%和55.5%.

关键词： 高含硫气藏   硫沉积   溶解度   单质硫   硫化氢   状态方程   机器学习   分子模拟  

摘要： 硫沉积是高含硫天然气开发过程中面临的技术难题之一。溶解度变化是硫沉积发生的根本原因,研究高含硫气藏中单质硫的溶解度变化规律是认识和解决硫沉积问题的基础。为此,从实验测量、(半)经验模型与热力学模型、机器学习、分子模拟等角度分析了各方法的适用性和局限性,总结了天然气组分中单质硫溶解度研究领域的新进展。研究结果表明:①单质硫溶解度实验已开展多年,积累了不同天然气成分、温度和压力下的部分数据,但数据来源多样,实验条件差异较大,且数据量较少,不能满足精准预测需求;②(半)经验模型和热力学模型获得较多应用,但需根据实测数据调整参数,缺乏普适性;③机器学习方法在单质硫溶解度预测中具有较大潜力,但依赖数据质量和数量,缺乏可解释性,且泛化能力有限;④分子模拟可避免极端实验条件并可揭示单质硫溶解度的微观机制,但受限于计算资源、力场适用性和模拟时间尺度,未来需开发更精确的模型和力场,以提高其可信度和适用性。结论认为,单质硫在天然气中的溶解机制和溶解度演化规律仍然存在一些认识模糊区域,需要从理论、实验、模型、数据等多维度进一步认识硫沉积规律,包括:①针对天然气成分、温度、压力等变量空间,开展更多的实验测量和计算模拟研究,获得丰富的数据样本;②建立近真实环境的计算模型和实验装置,研究非平衡状态环境快速变化条件下的溶解度变化规律;③利用人工智能如大语言模型等方法分析单质硫溶解和析出过程中各物质的物理和化学变化数据,在复杂的变量空间认识硫溶解度的变化规律和控制因素,为控制硫沉积找到新途径。

关键词： ST3020测试系统   LM386   音频功率放大器   芯片测试   总谐波失真  

摘要： 本文通过使用ST3020测试系统,对音频功率放大器LM386进行性能测试。首先简要介绍了LM386的工作原理及关键性能参数,重点探讨了静态电流、输入偏置电流、输入电阻、电压增益、电源抑制比、总谐波失真等核心性能指标的测量方法。通过测试结果,验证了ST3020系统在音频功率放大器测试中的高效性与准确性,为音频放大器的性能评估和质量控制提供了可靠支持。该研究为自动化测试技术在音频设备测试中的应用提供了重要参考。

关键词： 计量学   微波频综   相干布局囚禁原子钟   低相位噪声   残余频率稳定度   功率锁定  

摘要： 相干布局囚禁(CPT)原子钟通过微波调制激光器产生相干双色激光,与原子体系相互作用获得极窄的CPT共振信号,实现本振频率的锁定。因微波调制在光上,省去了微波腔,可以实现原子钟的小型化甚至芯片化。在追求CPT原子钟芯片化同时,其频率稳定度极限也得到深入研究,目前高性能CPT原子钟的频率稳定度已达~2×10^(-13)τ^(-1/2)(τ=1~10000 s)的水平,但由于微波相位噪声及其功率起伏等因素,限制了CPT原子钟性能的进一步提升。针对此瓶颈,设计了1款功率锁定的3.417 GHz低相位噪声微波频综。实验结果表明,在频偏为1 Hz、10 Hz、100 Hz、1 kHz、10 kHz处,频综绝对相噪分别可达到-55.27 dBc/Hz、83.85 dBc/Hz、-110.4 dBc/Hz、-129.5 dBc/Hz、-132.5 dBc/Hz低噪声水平。根据交调效应,其对CPT原子钟1s处的频率稳定度贡献仅为5.0×10^(-14)。该频综链路的残余频率稳定度在1 s时达7.99×10^(-15),并在平均时间万秒以内,优于目前报道最好CPT原子钟指标1个量级以上。锁定后的微波功率稳定性在10000 s时提升了5倍。

关键词： 电容式电压互感器   红外测温   二次电压   内渗   电磁单元油位  

摘要： 本文介绍了一起220kV电容式电压互感器电容分压器红外测温异常的案例,该相电容式电压互感器下节电容分压器,与其他两相同节相间最大温差达到3.4K,同相节间温差达到4.2K,结合二次电压增大、电磁单元油位升高准确分析出下节电容分压器内绝缘油发生内渗,电容片发生击穿,通过停电试验、解体进行了进一步印证,同时提出了对于电容式电压互感器日常检修维护中的注意事项,供同行参考。

关键词： CO_(2)驱   最小混相压力   状态方程   拟三元相图  

摘要： 室内实验及现场应用案例表明最小混相压力(MMP)对CO_(2)驱油效果影响较大,由于MMP是动态变化的过程,在开发过程反复用实验方法测定MMP会产生较高的经济成本。因此,人们尝试采用理论计算方法计算MMP。介绍了理论计算法中的几种主流的状态方程,基于上述方程利用Winprop模块预测目标区块的MMP,并用拟三元相图分析混相状态。结果表明:PR-EOS(1978)的预测精度最高,准确率为93.75%,该方程能够预测CO_(2)驱替过程中MMP的动态变化,为现场调整注入压力提供参考。

关键词： 光伏功率   变分模态分解   神经网络   功率预测   注意力机制   高斯混合模型聚类  

摘要： 针对光伏发电预测单一模型处于不同天气状况时预测精度不高等问题,建立以卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)为基础的组合神经网络模型。提出一种基于鱼鹰优化算法(OOA),用以优化组合神经网络参数。此外引入注意力机制(Attention)突出强相关性因素的影响。采用高斯混合模型聚类(GMM)划分历史光伏数据为数个天气类型,并提出基于减法平均的优化算法(SABO)优化变分模态分解(VMD)参数,实现对各天气类型数据的分解。实验结果表明:基于SABO-VMD优化数据分解参数能有效提高预测精度;经实验对比分析,该文所提模型精度明显更高。

关键词： 光伏发电功率预测   LSTM   斯皮尔曼相关系数  

摘要： 随着全球向新能源的转型,清洁能源需求不断增加,光伏发电作为其中的重要组成部分,其功率预测的准确性对于电网的稳定运行和裕度分配至关重要。基于物理模型、相似日方法和统计方法等传统预测模型因缺乏历史记忆能力而导致自身鲁棒性较差、适应能力较弱。为了解决上述问题,本文提出了一种基于LSTM网络的光伏发电功率短期预测方法。在预处理过程中,本文先将得到的数据中的坏点和离散点进行清洗;利用斯皮尔曼相关系数分析光伏发电功率与环境影响因子之间的相关性,得到输入变量;建立LSTM网络的光伏发电功率短期预测模型,并通过与BP和决策树模型的比较,验证了其在时序数据动态捕捉和预测精度上的显著优势。LSTM模型所提供的预测结果精准可靠,能有效辅助电力调度决策。