摘要：[目的]特超级双相不锈钢S32707在深海极端环境中的应力腐蚀开裂(SCC)行为是深刻影响其工程应用可靠性的关键问题.氮(N)作为钢中的关键合金成分,需要深入探究其对应力腐蚀性能的调控机制.揭示N对S32707钢在模拟深海高压、高氯离子环境中应力腐蚀行为的演变规律与机理,可为开发更优异耐SCC的深海工程材料提供理论依据.[方法]利用慢应变速率拉伸测试分析不同N含量S32707在空气、模拟海平面与深海环境中的抗拉强度、屈服强度和断后伸长率;结合应力腐蚀开裂敏感性评估N含量对SCC的抑制作用;采用扫描电子显微镜(SEM)表征断口形貌并分析裂纹扩展路径,利用动电位极化曲线分析钝化膜的稳定性与腐蚀动力学行为.[结果]在模拟深海环境中,随着N含量的提高,S32707钢的力学性能逐渐改善,抗拉强度显著提升,屈服强度略微下降,断后伸长率明显增大;S32707钢的SCC敏感性显著降低,由16.8％降至10.3％,降幅达6.5％,远高于模拟海平面环境中的SCC敏感性降幅(1.8％),即N提高了 S32707钢的耐应力腐蚀性能;随着N含量的提高,S32707钢的电化学行为逐渐改善,点蚀电流密度由505.0 nA/cm2降至341.6 nA/cm2,点蚀电位由60.2 mV增大至101.0 mV,可起到抑制阴极反应的作用;随着N含量的提高,S32707钢的微观组织逐渐改善,S32707钢的断口准解理区面积减小,准解理特征淡化,裂纹数量减少,裂纹长度降低,断面收缩率提高,裂纹开裂程度逐渐减小,表明N通过提高断裂韧性抑制了裂纹萌生与扩展.[结论]N可以通过多重机制协同提高特超级双相不锈钢S32707的耐深海应力腐蚀性能,降低其SCC敏感性,提高其断裂韧性,抑制其应力腐蚀开裂倾向;N可以增大自腐蚀电位,降低点蚀电流密度,抑制阴极反应,减缓局部腐蚀,提高S32707钢的耐点蚀性能;固溶N消耗了点蚀坑中的H+并生成NH4+,有效抑制了蚀坑酸化和析氢腐蚀.因此,调控N含量是改善深海高压环境中S32707钢耐应力腐蚀性能的有效途径,可为高耐蚀双相不锈钢的成分设计和工程应用提供理论依据.

摘要：[目的]随着输变电工程在配电网中地位的日益提升,传统造价估算方法因误差较大、耗时较长等问题,难以满足现代工程管理的需求.为提高输变电工程的执行效率和估算精度,设计提出了一种基于径向基函数神经网络(RBFNN)和显著性成本理论的造价估算技术.该技术旨在通过优化神经网络结构和特征筛选,打破传统方法在复杂工程造价估算中的局限性,同时提升模型的鲁棒性和适应性.[方法]基于显著性成本理论对历史工程数据进行特征筛选,确定影响输变电工程造价的关键因素,并将其作为神经网络的输入特征.通过引入径向基函数(RBF)对传统人工神经网络(ANN)结构进行深度改造,设计适用于输变电工程的造价估算模型.该模型采用高斯函数处理输入层数据,结合K-means聚类算法初始化隐含层中心值,并利用最小二乘法和梯度下降法分别完成输出层和隐含层的训练.此外,为验证模型的有效性,通过100组输变电工程项目的仿真数据,对比传统造价估算方法(单位造价法和指标估算法)与本文模型的累计绝对误差率和平均执行时间,并采用SHAP值分析法量化关键因子对估算误差率的影响.[结果]仿真结果表明,基于径向基函数神经网络的造价估算方法在累计绝对误差率和平均执行时间上均优于传统方法.当测试样本量增至20组时,单位造价法的累计误差率达440％,指标估算法为180％,而本文模型的累计误差率稳定在110％以内.在执行时间方面,传统方法平均耗时5 s,而本文模型仅需0.5 s.此外,对SHAP值分析显示,电线截面积、钢管杆和回路数量等显著性因子对造价估算误差率的影响最为显著,其SHAP值远高于其他因子.这一发现为模型优化和成本控制提供了重要依据.[结论]本文提出的基于径向基函数神经网络和显著性成本理论的造价估算技术,能够有效提升输变电工程造价估算的精确度和运行效率.尽管该方法在复杂施工环境下仍存在一定的误差,但其整体性能优于传统方法,具有较强的实用性和推广价值.未来研究将进一步结合回归分析、支持向量机等机器学习算法,优化模型的精确度,以更好地适应输变电工程的复杂性和多样性.

摘要：[目的]随着油气管道服役年限增加,因资料缺失导致的管道材质无法确认问题日益突出,传统检测方法难以应对材质识别及老化状态评估的工程需求.本研究旨在提出一种基于磁压缩效应的新型无损检测方法,通过分析不同钢材在外部磁场作用下的漏磁信号基值变化行为,建立材质与磁信号之间的关联模型,为实现管道材质的快速、准确、非接触识别提供理论基础和技术途径.[方法]研究将磁荷理论与磁压缩效应相结合,建立了外磁场作用下钢材表面漏磁场的数学模型.从理论上推导出漏磁信号基值与外部磁场强度、材料磁化强度之间的函数关系,并提出利用磁压缩系数对磁压缩效应强度进行量化表征的方法.通过系统化的实验设计,选取Q235、Q345、X52、X65、X70、X80这6种典型结构钢与管线钢作为实验材料.将试样加工为270 mm × 140 mm × 10 mm的统一标准尺寸,并在自行搭建的高精度漏磁实验平台上,以1 kA/m为步长,在0～48 kA/m范围内逐步增加外磁场,实时采集各钢材的漏磁信号基值.为进一步验证方法的稳定性,分别对原始状态钢板产生的信号以及抛光后表面粗糙度为0.8 μm的钢板产生的信号进行了对比测试.所有实验均重复进行,以确保实验结果的可重复性与准确性.[结果]实验结果表明,所有钢材的漏磁信号基值均随外磁场强度的增大呈现出先上升后下降的变化趋势,且其峰值位置因材料磁特性的差异而表现不同.具体而言,Q235和X65的信号基值在24 kA/m时达到峰值,X70和X80的信号基值在25 kA/m时达到峰值,而磁化强度较高的Q345和X52的信号基值则在26 kA/m时达到峰值.该变化规律与各钢材M-H曲线的饱和磁特性高度一致,表明磁压缩效应发生的临界场强与材料磁特性密切相关.此外,对钢板的不同表面状态进行测试,结果表明,尽管漏磁信号的幅值存在差异,但同种钢材的信号基值下降临界点始终保持一致,验证了该方法对表面状态不敏感,具有良好的抗干扰能力和工况适应性.[结论]研究提出了一种基于磁压缩效应的管道材质无损检测方法,通过建立漏磁信号基值与外磁场强度之间的对应关系,实现了对不同种类结构钢和管线钢的有效区分.该方法不仅具有良好的可重复性,还展现出较强的工程适用性,其检测结果不受管道内表面粗糙度、腐蚀状态等复杂因素影响,适用于管道内检测等复杂工况.研究成果为老旧管道的材质识别与安全评估提供了新的技术手段,具有重要的理论意义与工程应用价值.

摘要：[目的]数控机床在运行状态下具有瞬时功率高及能源效率低的特点,并且数控机床的加工能耗随着复杂多变的加工任务实时变化,导致机床加工能耗预测困难.基于信息流与能量流的数控机床加工能耗预测机理模型需要操作人员能辨悉机床运行状态,明悉机床能耗变化特点,故机床加工能耗预测困难且周期较长.随着测试技术与计算机算力的显著提升,基于数据驱动的预测方法被引入数控机床加工能耗预测研究中.因此,本文提出 一种结合随机配置网络(SCNs)与多机制改进后沙丘猫(SCSO)算法的自适应增量式机器学习方式,实现数控机床加工能耗的高效、高精预测.[方法]以螺旋槽数控铣床铣削螺杆转子为例,基于工艺参数设计螺旋槽数控铣床加工能耗铣削实验,采集加工能耗数据.采用多机制改进后的沙丘猫算法优化随机配置网络,建立数控机床加工能耗预测模型.将随机配置网络算法作为机床加工能耗的预测模型,结合Tent种群初始化策略、可变螺旋搜索策略与自适应t分布策略改进后的沙丘猫算法对随机配置网络建模过程中的比例因子与正则化参数进行求解,提升随机配置网络的预测精度及预测效率.[结果]为验证模型的准确性,以均方根误差(RMSE)和平均绝对百分比误差(MAPE)为评价指标,将SCSO-SCNs算法、SCNs算法、松鼠算法优化的BP神经网络(SSA-BP)进行对比,结果表明,SCSO-SCNs算法较SSA-BP算法与SCNs算法在RMSE上分别减少了 38.62％与46.03％,同时在MAPE上较SSA-BP算法与SCNs算法分别减少了 40.47％与47.33％,证明SCSO-SCNs模型在加工能耗预测方面性能的优越性.[结论]提出的融合随机配置网络与多机制改进的沙丘猫算法的机器学习方法在数控机床加工能耗预测领域展现出较为明显的性能优势.改进后的沙丘猫算法通过优化算法初始种群、改进种群位置更新策略,提升了算法搜索效率及跳出局部最优解能力.基于多机制改进后沙丘猫算法寻求随机配置网络最佳比例因子与泛化因子,极大地提升了模型的预测精度,经过与现有机器学习算法比较可知,本文提出的方法预测精度更高,且极大地提升了机床加工能耗的预测效率.

摘要：[目的]外来物种入侵作为全球性生态安全问题,其引发的生物多样性丧失和生态系统功能退化已对人类社会的可持续发展构成了严重威胁.传统生物控制方法在应对环境不确定性与随机干扰等复杂情况时,普遍存在控制精度不足、鲁棒性能较差的局限性.本文针对随机生物系统的动态特性,提出一种基于Lyapunov稳定性理论的自适应模糊控制(AFC)策略.通过建立具有白噪声干扰和未知不确定非线性因素的随机动力学模型,重点解决在环境不确定性、随机扰动等复杂因素耦合作用下,本地物种保护与入侵种群抑制的双目标协同调控这一核心问题.[方法]首先基于随机微分方程理论,构建了外来物种入侵随机生物系统的动力学模型.针对系统模型中存在的不确定非线性项,采用模糊逻辑系统(FLS)进行逼近处理.将反步法和自适应模糊手段相结合应用于随机生物系统,并选取合适的Lyapunov函数设计出具有参数自校正功能的模糊反步控制器和自适应律.[结果]所设计的自适应控制器的智能调整使得本地物种种群密度在有限时间内能够有效跟踪给定的期望密度,且跟踪误差能够收敛到原点附近,实现了控制器对误差信号的实时监测与精确分析.自适应控制器能够动态调整控制输入,确保跟踪误差始终处于可接受范围内,同时能够确保外来物种入侵随机生物系统中的所有状态均为半全局一致最终有界.当随机干扰强度变化时,系统仍能保持稳定的收敛特性并展现良好的适应性.[结论]结合模糊逻辑系统与非线性控制理论,所设计的自适应模糊控制策略有效解决了随机生物系统中的不确定性控制问题,数值仿真结果进一步验证了控制策略在本地物种保护和外来物种入侵动态管理中的有效性,可为复杂生态系统的智能调控提供新的思路.

摘要：[目的]随着风能和太阳能等可再生能源在电网中的高比例接入,其固有的间歇性和波动性对电网末端电压稳定性提出了严峻挑战.特别是在区域电网末端,风光荷出力的不确定性导致电压快速下降风险加剧,可能引发设备损坏甚至连锁故障.现有研究在风光荷出力预测误差处理和多目标协同优化等方面存在明显不足,例如全纯嵌入灵敏度分析方法未能充分考虑预测误差的影响,而源网荷协调控制框架忽视了预测误差对协作效果的影响.针对这些问题,本文提出了一种新的低电压快速调节算法,通过量化风光荷出力的不确定性,构建安全、效能与成本兼顾的多目标优化模型,实现电网末端低电压的快速稳定调节,从而提升高比例可再生能源接入电网的可靠性和适应性.[方法]采用协同进化遗传算法(CGA)作为核心求解方法,首先针对风电、光伏及负荷出力的随机性建立了精确的概率密度函数模型.风电出力通过结合风速的Weibull分布及预测误差正态分布进行量化;光伏出力则关联光照强度与光电转化效率并引入预测误差项进行表征;负荷出力通过概率密度函数反映其波动性.在此基础上,构建了以安全、效能和成本兼顾为优化目标的低电压调节模型,其中安全指标量化电网末端缺电总损失量,效能指标综合计算网损值与电压偏差,成本指标计算全寿命周期成本.通过整实数混合编码方案和动态调整的交叉概率与变异概率,能够有效优化种群并输出满足电压稳定裕度要求的最优解.[结果]基于广州市某地区实际电网数据进行仿真实验,结果验证了本文算法的有效性.在不确定性处理方面,本文算法对风电和光伏出力的预测结果与实际数据吻合度显著高于其他传统方法,这得益于本文算法将出力功率预测误差作为随机变量进行建模,更准确地反映了实际系统中的不确定性.在电压调节效果方面,当风光荷出力波动和负荷增加导致电压降低时,该算法能够快速有效地将节点电压恢复至正常水平,调节效果优于基于电网稳态模型和双环电压-电流控制算法的传统方法.在静态电压稳定裕度方面,本文算法在多种测试场景下均能保持较高的电压稳定裕度,始终维持在0.8以上,表现出良好的电压调节能力.此外,本文算法在保证电压稳定的同时,兼顾了电网运行的经济性和效能.[结论]低电压快速调节算法通过深度融合风光荷出力不确定性建模与多目标优化,有效解决了高比例可再生能源接入电网末端低电压失稳问题.该算法创新性地引入概率密度函数量化预测误差,显著提升了风光荷出力预测精度;通过CGA协同优化安全、效能与成本兼顾的目标,实现了电压的快速动态调节.实验结果表明,本文算法在调节速度、稳定裕度及经济性等方面均优于其他传统算法,为高比例可再生能源电网的智能化调控提供了可靠技术支撑.该研究成果不仅具有重要的理论价值,在实际工程应用中也展现出广阔前景,未来可进一步探索多时间尺度下的电压协同控制策略,以持续提升电网运行的稳定性和经济性.

摘要：[目的]DDoS攻击作为一种破坏性极强的网络威胁,严重影响电力系统的稳定运行.由于电力监控局域网中的数据流量复杂多变,DDoS攻击流量与正常流量在表现形式上存在较高相似性,导致二者难以有效区分.传统的静态阈值方法虽能在一定程度上实现流量监测,但因无法适应流量的动态变化,常出现误判,从而削弱了对DDoS攻击的检测效果,难以为电力监控局域网提供可靠的安全保障.为此,提出一种基于动态阈值的电力监控局域网DDoS攻击检测方法.[方法]通过网络流量采集设备实时获取电力监控局域网的流量数据,并利用信息熵理论计算流量熵值.信息熵可反映数据的混乱程度:正常流量通常具有一定规律性,熵值相对稳定;而DDoS攻击流量因异常数据包的大量涌入,导致熵值显著波动.基于此特性,本文设定动态阈值,当流量熵值超过阈值时判定为异常流量.随后,提取异常流量的六元组特征集(包括平均流包数、平均字节数、源IP地址增速、流表生存时间变化、端口增速以及对流比),并将其输入预训练的最小二乘支持向量机(least squares support vector machine,LSSVM)分类器中.LSSVM通过对已知样本的学习建立特征与类别的映射关系,从而实现对异常流量的分类与判断,确定其是否为DDoS攻击流量.[结果]实验结果表明,本文方法在ROC曲线和PR曲线上均表现较好,ROC-AUC和PR-AUC值均较传统方法有所提高.这表明该方法在检测DDoS攻击时具备更高的准确率与召回率,能够有效识别隐藏于正常流量中的攻击流量,并显著降低误判率.[结论]基于动态阈值与LSSVM分类器的检测方法能够有效应对电力监控局域网中DDoS攻击与正常流量难以区分的问题,提升检测的准确性与可靠性,为电力监控局域网提供更为有效的DDoS攻击防护手段,有助于增强电力系统的安全性与稳定性,保障电力供应的可靠运行,对电力行业网络安全防护具有重要的实际应用价值.

摘要：[目的]高压断路器作为电力系统中关键的控制和保护设备,其可靠运行对电网的安全稳定至关重要.然而,高压断路器在长期运行过程中,会因机械磨损、部件老化等问题引发各类故障.当前,对高压断路器的检测面临检测信号多样、故障检测难度大和精度低等问题.因此,研究一种高效、准确的高压断路器机械状态检测方法,对保障电力系统安全稳定运行具有重要意义.[方法]本文提出了一种基于多模态高效Transformer的高压断路器机械状态检测模型.在数据采集环节,综合运用振动传感器、电流传感器和位移传感器,同步获取高压断路器运行过程中的振动信号、电流信号和位移信号,构建多模态信号数据集.在信号预处理阶段,采用小波变换技术对采集到的多模态信号进行处理,将信号分解到不同的频率尺度上,从而有效去除信号中的噪声成分,同时增强故障特征信号,进而显著提升信号质量.在模型构建方面,引入高效Transformer模块.Transformer模块凭借其强大的自注意力机制,能够有效捕捉信号序列中的长距离依赖关系,对多模态信号中的复杂特征进行深入挖掘,通过将高压断路器的运行状态分为正常运行、合闸无法保持、软连接松动、单相触头磨损、绝缘拉杆松动和分闸弹簧断裂,实现对断路器机械状态的准确诊断.[结果]在仿真实验中,构建了高压断路器不同故障类型的仿真模型,模拟实际运行中的各种工况,生成多模态信号数据.将这些数据输入到本文检测模型中进行测试,结果显示模型能够准确识别不同故障类型.在实际实验中,选取了多台高压断路器作为实验对象,在其正常运行和设置不同故障状态下,采集多模态信号数据.实验结果表明,相比传统检测方法,本文方法在保证检测速度的同时,使检测精度有了显著提升.[结论]本文提出的基于多模态高效Transformer的高压断路器机械状态检测模型,有效解决了检测信号复杂、噪声干扰大的问题;借助高效Transformer的强大特征提取和分类能力,实现了对高压断路器多种机械状态故障的准确识别.仿真分析与实验结果证明,本文方法在检测精度和速度上均表现良好,能够为电力系统中高压断路器的状态监测和故障诊断提供可靠的技术支持,有助于及时发现设备潜在故障,在保障电力系统的安全稳定运行方面具有一定的应用价值和推广前景.

摘要：[目的]随着电力系统规模的持续扩大,输电线路作为电能传输的关键通道,其安全、稳定运行尤为重要.然而,输电线路长期暴露于复杂多变的自然环境中,易受到外力破坏及设备老化等多种隐患威胁.为实现隐患的高精度、高效率自动化检测,提出了一种基于深度学习的输电线路外力破坏隐患智能识别方法.[方法]构建了"几何校正—图像增强—智能识别"一体化技术框架,系统解决输电线路图像识别中的关键难题.在几何校正阶段,基于最小二乘法的多项式模型建立精确坐标映射,有效消除了由拍摄角度和镜头畸变引起的几何失真;在图像增强阶段,提出了双边滤波与最大类间方差法协同的图像处理算法,在去除噪声的同时完整保留线路边缘特征,为后续识别提供高质量数据;在智能识别阶段,设计了双重优化卷积神经网络(convolutional neural network,CNN)模型,通过动态调整卷积核权重优化特征提取过程,引入稀疏约束提升特征判别性,并结合支持向量机(support vector machine,SVM)分类器实现精确识别.该方法突破了传统技术在几何校正不充分、特征提取不足等方面的瓶颈,形成了完整的输电线路隐患智能识别方案.[结果]在包含多种破损类型的真实数据集上进行测试,与主流算法YOLOv4、Mask R-CNN相比,本文方法在复杂背景下表现出更高的识别准确率和鲁棒性;平均偏移量仅为0.013 m,满足工程应用需求;处理1 000张图像的浮点运算次数降低至3.24 × 109,大幅提升了实时处理能力.[结论]所提出的输电线路外力破坏隐患智能识别技术,通过创新的技术路线和系统性的优化策略,在识别精度、定位精度与计算效率方面均取得显著提升.其理论贡献在于:建立了完整的输电线路图像处理技术体系,为相关研究提供了新思路;双重优化机制为复杂环境下的特征提取提供了可行方案;轻量化网络设计为深度学习模型的工程化应用提供了重要参考.

摘要：[目的]长期以来,能源存储技术一直备受学术领域和工业领域的密切关注,与其他电介质材料相比,反铁电材料的介电电容器能够显示出更高的能量存储密度和更快的电荷释放速率.锆酸铅(PbZrO3)作为典型的反铁电材料因其独特的场致相变行为以及高居里温度,在实际储能应用中具有较大的潜力.[方法]电介质材料的储能性能主要取决于其极化性能和电场击穿强度.为了提高以PbZrO3为电介质的储能电容器的储能密度,本文通过热蒸镀法在Pt(111)/Ti/SiO2/Si衬底上蒸镀了 3 nm厚的Al层并通过溶胶-凝胶法在Al层覆盖的衬底上沉积PbZrO3非晶薄膜,分别利用微波退火和普通退火两种工艺制备了 PbZrO3-Al2O3纳米复合薄膜.[结果]采用该方法制备的Al2O3纳米粒子层状分布在PbZrO3基体上,形成纳米复合薄膜,且该薄膜的电滞回线的形状与极化性能可调控.采用普通退火方式制备的PbZrO3-Al2O3纳米复合薄膜在950 kV/cm电场下具有13.52 J/cm3的储能密度,比普通退火制备的PbZrO3薄膜密度提高了 83％.除此之外,已有实验数据表明微波退火可以降低PbZrO3薄膜的结晶活化能,不仅可以使非晶PbZrO3薄膜在650 ℃低温下结晶,而且所用时间仅为普通退火的三分之一.微波退火还可以稳定PbZrO3薄膜的反铁电性能,从而提升了薄膜的储能密度.利用微波退火这一特性,本文进一步优化PbZrO3-Al2O3纳米复合薄膜微结构,减小薄膜的晶粒尺寸并降低漏电流密度.采用微波退火方式制备的PbZrO3-Al2O3纳米复合薄膜的漏电流密度约为10-8数量级,比普通退火制备的PbZrO3-Al2O3纳米复合薄膜进一步降低了 1个数量级,这说明微波退火可以调控钙钛矿晶粒尺寸及Al2O3纳米粒子分布,从而提高了电场击穿强度.采用微波退火方式制备的PbZrO3-Al2O3纳米复合薄膜在1 550 kV/cm电场下具有18.94 J/cm3的储能密度,比普通退火制备的纳米复合薄膜提高了 40.1％.[结论]本文利用热蒸镀配合节能环保的微波退火技术制备出高质量电介质纳米复合薄膜,为纳米复合设计新型储能电容器材料提供了新的思路.

摘要：[目的]在电力系统的运行与管理中,中低压配电网作为连接电源与用户的关键环节,其运行效率和稳定性直接关系到整个电力系统的安全性与可靠性.三相线损作为衡量配电网运行效率的重要指标,不仅反映了电能传输过程中的能量损耗,还直接关系到电网的电压质量、电力消耗以及设备的安全运行.然而,配电网的三相线损数据具有复杂的分布特性,呈现多峰、非对称等特征,在动态变化过程中,难以准确捕捉数据的内在模式和结构,从而降低了异常识别的准确性.为此,本文提出一种中低压配电网三相线损异常智能识别方法.[方法]配电网三相线损数据在采集过程中易受电磁干扰、设备误差等多重因素的影响,导致数据中夹杂着大量噪声和异常值.这些噪声不仅降低了数据的信噪比,还会掩盖数据的真实特征,进而影响后续分析的准确性.由此,采用径向基函数(RBF)神经网络对采集到的三相线损数据进行特征提取,通过对输入数据的非线性映射,有效抑制噪声的干扰,提高数据的信噪比.对预处理后的数据进行归一化处理,可进一步提高数据采集的完整性和准确性.基于回路电流的方法,将配电网中的电路分解成多个独立的回路,并在每个回路中计算电压和电流的实部值和虚部值.通过对这些值在时间和相位上的变化特性进行详细分析,可以深入理解电路的运行状态,并准确识别出潜在的异常模式.根据三相分支电路上的电压和电流的实部值和虚部值结果,构建高斯混合分布模型.该模型利用多个高斯分布描述三相线损数据的复杂分布特性,更准确地捕捉数据的内在模式和结构.再利用极大期望值方法拟合归一化后的线损率,构造一个由多个高斯混合分布模型构成的混合型高斯模型,计算维本征矢量的似然概率函数,并根据预设的概率阈值判断数据是否异常.若似然概率低于阈值,判定为异常;否则,判定为正常.[结果]由实验结果可以看出,本文方法可以准确辨识三相线路损耗节点,降低误判、漏判的危险.[结论]本文方法可以及时发现和处理配电网中的故障,对提高电力系统的运行效率和可靠性具有重要意义.

摘要：[目的]针对常规继电保护受光伏助增和汲出电流的影响,导致保护装置难以发挥有效作用的问题,提出了一种适用于含高渗透率分布式光伏接入条件的配电网继电保护定值多目标整定方法,以期在满足经济性和实用性的基础上,提高保护的速动性、灵敏性及选择性,有效保护电网安全,支持分布式光伏的广泛接入.[方法]分析了光伏助增和汲出对配电网保护配置的影响,将距离保护与电流速断保护作为保护判据,规避了光伏接入导致的配电网保护误动和拒动问题.以确保速动性、灵敏性及选择性指标参数最优构建保护定值多目标优化模型,并利用动态分裂算子对粒子群算法进行了改进,使得保护定值的求解能够满足实际应用需求.[结果]高渗透率光伏接入会导致配网保护误动或者拒动,而采用距离保护结合电流速断保护作为保护判据有效规避了这一问题.研究构建了多目标优化的保护配置模型,形成了对某一区域整体保护效果的评价指标,基于粒子群算法完成了对保护定值的求解,实现了高渗透率光伏接入情况下保护效果的整体评估,同时提升了保护的速动性、灵敏性和选择性.[结论]研究结果表明,采用距离保护结合电流速断保护的方式可以有效避免光伏助增作用对传统电流速断保护的影响.利用多目标优化方案,可有效提高保护性能.采用均衡策略时,其速动性指标提升约82.2％,灵敏性指标提升约3.8％,选择性指标提升约33.1％.本文创新点在于:采用距离保护结合电流速断保护的方式形成保护判据,规避了由于光伏接入导致的配电网保护误动和拒动的问题;构建了保护定值的多目标优化方案,并利用动态分裂算子对粒子群算法进行了改进,避免了粒子群算法的局限性,同时提高了保护定值的可靠性和适用性.

摘要：[目的]随着油气管道运输规模的不断扩大,管道安全检测的重要性日益凸显.管道缺陷处的应力集中是导致裂纹扩展和断裂事故的主要原因,然而现有检测方法难以实现应力的定量化评估.本文提出一种基于双场力磁耦合的管道应力检测方法,结合管道不同应力状态下J-A模型参数的变化情况,建立了磁应力检测模型;分别确定了不同弹性应力、塑性应变和不同外磁场对磁化强度和磁信号特征的影响.[方法]研究基于磁应力检测原理、J-A模型与磁荷理论,通过分析不同阶段应力和不同外磁场对磁化强度和磁信号的影响,找出不同外磁场和不同阶段应力下磁滞回线和磁化强度的关系及不同应力、不同磁场下轴、径向信号的变化特征.引入比例系数建立双磁场应力检测模型,并建立双磁场法弹、塑性应力检测模型.最后采用实验对该理论进行验证.推导弹性应力与塑性应变阶段的等效磁场强度公式,明确钉扎系数、形状系数及畴壁耦合系数随应力的变化规律.以X80管道钢为试件进行实验,在10～80 kN拉力和0～10 A/m外磁场下进行拉伸实验,测量磁信号特征.[结果]结果显示,不同外磁场与应力裂纹轴向分量磁信号特征均存在峰值,且峰值位置不随外磁场与应力的增加而发生波动.切向峰值随外磁场的增加而增加,与理论计算结果一致.实验结果表明,模型在应力较大时与实测结果高度吻合,误差较小;低应力下因参数拟合偏差存在一定误差,但整体验证了模型的可行性.[结论]在弹性阶段,拉应力使磁滞回线先逆时针后顺时针旋转,弱磁场下磁化强度变化显著,强磁场下应力影响微弱.在塑性阶段,塑性应变降低了磁化曲线斜率,初始磁化曲线和磁滞回线均顺时针旋转,弱磁场下磁化强度变化更为明显.磁化强度与磁信号成比例关系,将强磁信号与磁化强度的比值作为比例系数,该比例系数仅与缺陷尺寸有关,由此建立双磁场检测应力模型.模型计算得到的应力值在应力较大的情况下准确率较高,检测模型具有一定的应力检测能力.本文将双磁场法与J-A理论结合,提出基于比例系数的弹塑性应力分离模型,建立双磁场法弹、塑性应力检测模型,解决了传统方法中缺陷与应力信号混叠的难题.为油气管道缺陷处应力检测提供了高精度、可量化的技术方案,对预防管道事故、保障能源运输安全具有重要意义.

摘要：[目的]随着新能源占比的持续提升,基于锁相环同步的传统跟网型控制在弱电网条件下逐渐暴露出稳定性不足的缺陷,具备自主同步源特性的构网型控制逐步成为热点解决方案,但当前研究大多聚焦于其电压或同步稳定特性,较少关注其频率调节能力和特性.[方法]本文概述了下垂控制、虚拟同步机控制、匹配控制和虚拟振荡器控制这4种主流构网型控制方式的发展进程和调频控制原理,并从控制环路、适用场景等方面分析了以上方式的优势与不足.在此基础上,构建了新能源并网仿真模型,模拟分析了不同调频控制在多样化场景下的调频响应特性,总结了构网型控制在策略优化、参数整定和多机协同等方面所面临的挑战,并对其发展趋势进行了展望.[结果]下垂控制通过响应系统频率偏差调节机组有功功率,具有结构简单、电网强度适应性强的优点,但该控制方式缺乏惯量支撑,调频性能相对较弱;虚拟同步机控制在下垂控制的基础上,模拟了传统同步机的惯量响应特性,能更好地抑制系统频率变化性能,但面临参数整定、故障穿越和多机协同等挑战;匹配控制以直流电容的动态特性模拟传统同步机惯量特性,抑制了系统频率变化性能,但难以在频率暂稳态区间长期为系统提供支撑;虚拟振荡器控制因幅值和频率由振荡器动态方程直接生成,调频响应类似下垂控制,但输出谐波含量较高难以满足并网要求.[结论]虚拟同步机控制在参与系统调频中凭借其兼顾调频性能和电网强度适应性的技术优势,成为构网型控制中最具前景的研究方向,但需要突破同步稳定、故障穿越和协同控制等技术难题.未来应针对控制策略与参数优化、多机协同控制等方面进行深化研究,进而推动构网型控制的规模化应用.

摘要：[目的]配电网工程造价受规模容量、设备材料成本、地理条件等多维度因素影响,传统统计方法难以有效处理高维非线性数据,而现有机器学习方法虽引入特征降维技术,但仍存在一定局限性,主成分分析(PCA)虽能降低维度却牺牲了预测精度,而灰色关联分析(GRA)忽略了特征间的交互作用.因此,亟须构建一种既能保留关键特征信息、又能兼顾特征间复杂关系的预测方法.通过融合递归特征消除(RFE)法与随机森林(RF)算法构建RFE-RF预测模型,旨在解决特征冗余与非线性建模难题.[方法]采用"特征选择-模型构建-实验验证"技术路线,选用RFE法进行特征选择,通过迭代训练模型逐步剔除对预测贡献最小的特征并保留最优特征子集.采用RF算法进行模型构建,基于集成学习思路构建多棵决策树,通过平均化输出结果有效抑制过拟合,提升模型鲁棒性.RF对噪声数据不敏感且能量化特征重要性,可为RFE提供可靠的特征排序依据,从而可将RFE嵌入RF训练流程形成闭环优化过程.[结果]选用某电网公司 190个配电网工程项目数据,数据涵盖电压等级、线路长度、设备价格等21个初始特征,对分类型特征进行数值化映射并保留原始分布特征.通过五折交叉验证与均方根误差优化,确定包括线路长度、电缆综合价格、电压等级等关键因素的12个最佳特征子集.与传统线性回归(LR)算法、随机森林算法、基于互信息的随机森林(MI-RF)算法相比,RFE-RF算法在测试集上的预测平均绝对误差为8.657 9,预测平均绝对百分误差为6.97％,显著优于其他算法.RFE-RF算法在测试集的平均绝对误差仅比训练集增加约4.5％,其过拟合风险低于其他算法,表明可以通过特征选择有效提升算法稳定性.[结论]特征选择成为提升配电网造价预测精度的关键,RFE法能够通过动态迭代来剔除冗余特征,显著降低数据维度与噪声干扰.RFE-RF模型兼具高精度与强解释性,其平均绝对误差相比传统模型大为降低,且能够清晰量化不同特征对造价的影响权重.将RFE与RF结合应用于配电网造价预测,能够解决特征交互与冗余筛选难题,可为复杂工程系统的数据建模提供新范式.RFE-RF模型可为电网企业提供精准造价预测工具,辅助投资决策与成本控制,推动配电网工程建设的智能化与精细化,并可通过揭示特征选择对机器学习模型泛化能力的影响机制,为高维非线性数据的特征优化提供实践参考.

摘要：[目的]随着全球能源结构的转型与清洁能源的大力发展,高渗透率光伏电源在配网台区中的接入比例日益增加.然而,光伏电源受光照强度、温度等自然因素影响,其输出功率具有显著的波动性和不确定性.当大量此类电源接入配网台区时,会引发电网电压波动、频率变化等一系列问题,进而给停电故障预测工作带来巨大挑战.传统的停电故障预测方法在面对含高渗透率光伏电源的复杂配网环境时,难以准确捕捉故障特征,导致其预测准确度下降、效率降低,无法满足配网台区稳定运营的需求.[方法]为了提升预测准确度和效率,提出含高渗透率光伏电源的配网台区停电故障预测方法.建立光伏电源接入电网模型,分析接入后的光伏电源对配网台区故障电流的影响机制.通过该模型清晰了解光伏电源在不同运行工况下对电网故障,电流大小、分布等方面的影响,为后续故障区域推断提供理论基础.结合电网拓扑结构和负载不均衡特征,推断可能发生停电故障的区域.电网拓扑结构反映了电网中各元件的连接关系,负载不均衡特征则体现了不同区域负荷的差异情况,综合考虑这两方面因素,更准确地定位潜在故障区域.引入潮流熵判断电路负荷是否处于临界状态.同时,提取发生故障区域线路包含故障发生时的关键信息的潮流值特征.将提取的特征输入经过优化的SA-SAE中进行训练,通过对大量样本数据的学习,自动挖掘数据中的潜在规律,实现配网台区停电故障的精准预测.[结果]实验结果表明,本文方法在含高渗透率光伏电源的配网台区故障定位中预测准确度较高,准确识别了故障区段(K5～K8线路的3～6段)和故障类型,且预测耗时仅为2.236 s,显著优于对比方法.[结论]通过综合考虑光伏电源接入影响、电网拓扑、负载特征等多方面因素,并运用潮流熵和SA-SAE,可以实现对配网台区停电故障的高准确度、高效率预测.本文方法不仅有助于提高配网台区停电故障预测的准确性和及时性,降低停电事故发生的概率,减少经济损失,还能为电网的规划、运行和维护提供有力支持,保障配网台区的稳定运营,推动清洁能源在配网中的大规模应用.

摘要：[目的]内置式永磁(interior permanent magnet,IPM)电机因具有结构稳定、效率和功率因数高等优点被广泛用作井下潜油电机,油井井筒直径的限制和高温工作环境要求潜油永磁电机具有较高的转矩密度和较强的永磁体抗退磁能力.本文提出一种由一字型磁极和弓形磁极合成的正弦磁极,充分利用一字型磁极上方的转子空间,增加永磁体用量和d轴永磁体厚度,达到提高IPM电机功率密度和抗退磁能力的目的.[方法]保持一字型磁极尺寸恒定,采用有限元法分别研究了弓形磁极矢高对IPM电机短路电流、抗退磁能力以及空载和负载电磁性能的影响,并分析了内在原因.此外,采用等效圆环法研究了磁极矢高对转子铁心最大应力影响,保证转子机械强度.[结果]随着正弦磁极矢高的增加,尽管IPM电机的短路电流会随之增加,但其永磁体展现出更强的抗退磁能力;增加矢高虽会增加转子铁心的最大应力,但其最大应力远小于铁心材料的屈服应力,机械强度能满足实际需求;矢高较小时对IPM电机磁阻转矩的影响可以忽略,当矢高大于3 mm后,其磁阻转矩最大值随矢高的增加而下降明显,但总输出转矩一直随着矢高的增加而增加,转矩波动则随之减小.[结论]综合考虑磁极矢高对电机性能影响,选择了合适的正弦磁极尺寸,制造了样机并进行试验;试验结果与二维有限元仿真结果吻合良好,验证了提出的正弦磁极结构能有效提高IPM电机的转矩密度和抗退磁能力,为内置式永磁电机转子磁极设计提供了新的思路.

摘要：[目的]材料热传输特性中的各向异性与各向同性是其基本属性之一,在实际应用中至关重要.然而,目前针对从各向异性到各向同性调控的研究主要依赖于结构设计或材料加工,这些方法耗时长、成本高且不可逆,极大限制了该特性在实际应用中的灵活性.为此,本文提出利用外加电场调控二维硼烯热传输特性的方案,探索一种无需改变材料原子结构即可实现稳定且可逆调控的新方法.[方法]基于第一性原理计算,结合声子玻尔兹曼输运方程,系统研究了外加电场对硼烯热传输特性的影响.通过量化电场强度对声子寿命、热导率及其各向异性的调控效应,系统揭示其内在物理机理,并以平面内两方向(x方向和y方向)热导率的比值作为各向异性变化的表征指标.[结果]在外加电场作用下,硼烯平面内两方向的晶格热导率显著增加且逐步达到峰值,最大增幅可达2.82倍;与此同时,热导率的本征各向异性比提升至峰值2.13.随着电场强度的进一步增加,热导率迅速下降,各向异性表现出振荡式衰减.当电场强度增加至0.4 V/Å时,热导率大幅下降,而各向异性比减小至1.25时,表现为近乎各向同性的热传输特性.进一步分析表明,这种从各向异性到各向同性的异常热传输转变,根本原因在于中等强度电场和高强度电场分别使声子寿命显著增强与大幅下降,从而对热导率产生放大或削弱的作用.[结论]通过外加电场调控声子寿命,可以在不改变材料原子结构的条件下实现对二维硼烯热传输稳定性和可逆性的精确调控.该方法有效克服了传统调控方法的局限性,为声子热传输各向异性的精准调控提供了新的理论和技术路径,尤其在纳米电子器件热管理和热电能量转换等领域展现出广阔的应用前景.

摘要：[目的]通常采用宽间隙钎焊方法修复航空发动机涡轮导向叶片裂纹损伤,而宽间隙钎焊接头在成型过程中易出现孔洞缺陷,导致钎焊接头高温力学性能下降.为抑制孔洞缺陷的形成,可在钎焊过程中施加一定压力抑制孔洞缺陷的产生,但钎焊压力对宽间隙钎焊接头组织与力学性能的影响机制尚不明确.[方法]采用不同钎焊压力制备宽间隙钎焊接头,采用拉伸试验、显微硬度表征、断口形貌观察、能谱分析与XRD分析等手段,揭示钎焊压力对宽间隙钎焊接头组织与力学性能的影响机制.[结果]在恒定钎焊温度下,当钎焊压力为10、20和50 kg且钎料与母材的质量比例为40∶60时,宽间隙钎焊接头的拉伸强度分别为436.57、411.76和381.95 MPa,即宽间隙钎焊接头的拉伸强度随钎焊压力的升高而下降.钎焊接头断面显微硬度与能谱分析结果表明,随着钎焊压力的增大,钎焊接头断面处降熔元素和活性元素浓度偏高且显微硬度明显增大,即钎焊压力的增大会造成钎焊接头的显微硬度分布不均匀,诱发明显的应力集中现象,进而导致钎焊接头的强度随钎焊压力的增大而降低.XRD分析结果证实,钎焊过程中施加的钎焊压力造成钎焊接头与母材产生了明显的晶格畸变,钎焊压力越大,晶格扭曲程度越高,晶格畸变闭塞了降熔元素和活性元素的扩散通道,不利于元素扩散,导致钎焊接头与母材组织中降熔元素和活性元素产生富集,从而引发显微硬度分布不均匀,致使钎焊接头强度下降.通过焊后热处理或提升钎焊温度,有助于缓解晶格扭曲程度进而加强元素扩散,从而改善钎焊接头的力学性能.[结论]在宽间隙钎焊接头制备过程中施加一定压力,有助于抑制钎焊接头组织中孔洞缺陷的形成,但要充分考虑钎焊压力与温度对晶格畸变的矛盾作用关系,避免因钎焊压力过高而降低元素扩散能力.钎焊温度的提升有利于增强元素扩散,改善钎焊接头显微硬度分布的不均匀性,进而达到提升钎焊接头力学性能的效果.

摘要：[目的]工业控制协议解析是工业互联网安全中的关键环节,但传统方法存在普适性差和准确率低的问题,导致协议解析效率低下,难以满足实际工业场景中对高精度和高适应性解析的需求.[方法]提出一种基于深度学习模型的工业控制协议逆向解析方法,通过结合BERT预训练模型、双向长短期记忆网络(BiLSTM)和条件随机场(CRF),提升协议解析的普适性和准确率,为工业控制系统的安全分析和漏洞挖掘提供技术支持.首先,利用BERT预训练模型对工业控制协议数据进行动态词向量编码,将协议数据转化为高维向量,以捕捉协议数据的语义信息.BERT预训练模型通过其强大的上下文理解能力,能够有效处理复杂且多样的协议数据.其次,采用双向长短期记忆网络对协议数据之间的关系以及协议数据与标签数据之间的关联性进行建模.双向长短期记忆网络能够捕获协议数据中的长距离依赖关系,从而更好地理解协议的结构和语义.最后,引入条件随机场作为约束条件,对工业控制协议的格式和语义进行最优预测.条件随机场通过引入标签之间的转移概率,进一步提高了预测的准确性和一致性.通过BERT预训练模型、双向长短期记忆网络和条件随机场的结合,实现了对工业控制协议的格式提取和语义分析.此外,本文方法还针对大规模协议数据进行了优化,确保其在处理复杂工业场景时的高效性和稳定性.[结果]针对三种典型工业控制协议展开实验,结果表明本文方法在格式提取和语义分析上的精度均超过96％,较传统方法有所提升,在不同协议上均表现出高适应性和准确性,能够有效识别字段边界与语义信息.[结论]本文方法显著提升了工业控制协议解析的普适性和准确率,为工业控制系统的安全分析提供了可靠的技术支持.未来将进一步优化模型,拓展应用场景,提升方法的实用性.