-
题名基于碳排放流的配电网广义碳势感知方法
- 1
-
-
作者
田书欣
姜皓喆
符杨
杨喜军
李振坤
-
机构
教育部海上风电技术工程研究中心(上海电力大学)
上海电力大学电气工程学院
上海交通大学电气工程系
-
出处
《中国电机工程学报》
北大核心
2026年第5期1902-1913,I0014,共13页
-
基金
国家自然科学基金项目(U2066214)。
-
文摘
配电系统碳势水平的实时评估和预测是实现配电侧能源流-碳流低碳优化运行的重要环节。针对配电系统的碳排放来源和控碳裕度的量化问题,该文提出一种基于碳排放流的配电网广义碳势感知方法。首先,在碳排放流理论基础上,利用配电网运行态势要素以及碳势要素计算得到考虑有功网损影响的配电网广义碳势,体现辐射状配电网节点碳势的空间差异性;其次,针对碳势数据的样本量有限和源荷信息的多变复杂特性,提出多元Padé逼近树突网络(multi-variate Padéapproximation dendrite net,multi Padé-DDNet)预测模型,通过强化碳势相关要素与模型输出的非线性映射关系,实现高精度广义碳势预测;然后,从关键点-分区-配电网递进结合的角度着手建立配电网节点碳势裕度指标、支路碳势裕度指标和网络碳排放裕度预警指标,并结合配电网不同区域、不同颗粒度的高碳势阈值,感知系统安全态势运行水平和动态高碳风险;最后,采用我国某地区实际配电网为算例,验证所提方法的可行性和有效性。
-
关键词
广义碳势感知
配电网
碳排放流
多元Padé逼近树突网络
碳势预警指标
-
Keywords
generalized carbon intensity awareness
distribution network
carbon emission flow
multi Padé-ddnet
carbon intensity warning indicators
-
分类号
TM71
[电气工程—电力系统及自动化]
-
-
题名基于改进DDNet的皮带输送机位移故障诊断研究
被引量：3
- 2
-
-
作者
高飞
-
机构
广西现代职业技术学院信息工程学院
-
出处
《计算机测量与控制》
2024年第8期47-54,共8页
-
基金
2024年度广西高校中青年教师科研基础能力提升项目(2024KY1486)。
-
文摘
针对煤矿带式输送机皮带位移故障诊断中存在局限性大、耗时长的问题,将故障数据进行多源异构处理,并在数据处理的基础上将边缘检测算法与深度细节网络,构建了一种结合边缘检测算法与改进深度细节网络的多源异构数据故障诊断模型;首先利用边缘检测算法提取输送机图像中的边缘特征,然后结合多源异构数据,并通过改进后的深度细节网络进行故障识别,并构建故障诊断模型;结果表明检测模型在皮带边缘图像数据处理的检测准确率平均值为95.27%,比目标检测算法和K最邻近分类算法的准确率高出了5.34%和10.21%;同时检测模型的图像数据查全率平均值为93.46%,比目标检测算法和K最邻近分类算法的查全率高出了4.09%和7.18%;这说明研究构建的多源异构数据故障诊断模型能够显著提升皮带位移检测的可靠性和鲁棒性,具有重要的研究价值和实际应用前景。
-
关键词
ddnet网络
皮带输送机
机器视觉模块
多源异构数据
位移故障
-
Keywords
ddnet network
belt conveyor
machine vision module
multi source heterogeneous data
displacement fault
-
分类号
TP528
[自动化与计算机技术]
-
-
题名基于随机森林和树突网络的煤镜质组反射率估计
被引量：4
- 3
-
-
作者
袁懿琳
赵荣焕
何坤
黄秀
王洪栋
邹亮
-
机构
中国石油天然气股份有限公司勘探开发研究院
中国矿业大学信息与控制工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2023年第8期148-155,共8页
-
基金
中国石油天然气股份有限公司科学研究与技术开发项目(2021DJ0107)
科技部科技创新2030—“新一代人工智能”重大项目(2020AAA0107300)
徐州市基础研究计划项目(KC22020)。
-
文摘
镜质组平均最大反射率是表征煤化程度的重要指标,在确定煤级、鉴别混煤和指导炼焦配煤中起关键作用。传统反射率测定方法费时耗力,且测量结果的主观性较强,致使实验室间鉴定结果的可比性差。针对该问题,提出一种基于随机森林(RF)和树突网络(DDNet)的煤镜质组反射率估计方法,主要包括煤岩显微图像分割、镜质组识别和镜质组平均最大反射率预测3个部分。利用手肘法和K-Means算法对显微图像聚类,以实现不同显微组分区域的分割;采用人工少数类过采样法(SMOTE)对少数类样本过采样,以改善煤岩中镜质组与非镜质组区域样本的不均衡问题;利用基于DDNet的回归算法实现镜质组平均最大反射率的估计,构建回归模型时从镜质组区域中选择多个41×41像素的方形窗口并提取其灰度特征,以提高算法的鲁棒性,其决定系数达到0.990。实验结果表明:采用手肘法自动确定K-Means算法的参数K,具有良好的自适应能力,能够自动区分不同类别数的显微组分;SMOTE方法可有效避免模型因过度学习样本先验信息而导致对多数类识别好、少数类识别差的问题,提高分类准确度,其中基于RF的识别模型准确率达到97.0%;建立了7种回归估计模型,其中DDNet回归模型性能最佳,决定系数达到0.990,预测结果与实际值高度契合,验证了所提方法的可行性。
-
关键词
镜质组平均最大反射率
K-MEANS聚类
随机森林
树突网络
SMOTE
ddnet回归算法
-
Keywords
mean maximum vitrinite reflectance
K-Means clustering
random forest
dendritic network
SMOTE
ddnet regression algorithm
-
分类号
TD94
[矿业工程—选矿]
-
