公共文化服务平台

一种基于可控响应功率的局部放电超声波定位方法与装置: 本发明属于高压电气设备局部放电在线监测技术领域，尤其涉及一种基于可控响应功率的局部放电超声波定位方法与装置。为克服当前局部放电超声波定位方法及装置结构复杂、抗干扰能力弱等缺点，本发明利用F‑P光纤超声传感器阵列检测局部放...; 王伟高超飞宋树王杨超于雷王世杰王鹏; 文献传递

基于M‑Z干涉仪解调的变压器铁芯振动在线监测系统: 本发明公开了属于变压器安全监测技术领域的一种基于M‑Z干涉仪解调的变压器铁芯振动在线监测系统。该系统的光纤耦合器分别连接SLED的宽带光源、六路并列的光栅阵列和非平衡M‑Z干涉仪；非平衡M‑Z干涉仪与16通道波分复用器、...; 王伟童中宇高超飞王世杰于雷余广译刘世远; 文献传递

应用超声阵列传感器对变压器内部局放定位的研究: 变压器作为电能传输和配送过程中能量转换的核心,是电网运行中最重要和最关键的电力设备。变压器的故障诊断和在线监测对整个电网运行的安全有着至关重要的意义。绝缘故障是导致变压器故障的最大因素,而局部放电是引起绝缘故障最根本的原...; 王世杰; 关键词：局部放电定位波达方向估计; 文献传递

一种氮杂环有机氢载体的电化学加脱氢方法: 本发明公开了一种氮杂环有机氢载体的电化学加脱氢方法，属于电化学储氢领域。本发明以喹喔啉和1,2,3,4‑四氢喹喔啉为储氢载体，以水为质子供体，以泡沫镍负载钯(Pd/NF)为双功能电极催化剂，以1M KOH溶液作为电解质，...; 张胜寒王世杰张振业

微纳米光纤EFPI传感器F-P腔体制作装置及方法: 本发明公开了一种属于光纤传感技术领域的一种微纳米光纤EFPI传感器F‑P腔体制作装置及方法。所述装置由扩束准直聚焦光路和制作平台组成，所述光路包括激光器、扩束准直镜、微调机构、反射镜、聚焦透镜，用于将一束发散的激光束扩束...; 王伟高超飞王杨超于雷王世杰王鹏宋树; 文献传递

微纳米光纤EFPI传感器F-P腔体制作装置及方法: 本发明公开了一种属于光纤传感技术领域的一种微纳米光纤EFPI传感器F‑P腔体制作装置及方法。所述装置由扩束准直聚焦光路和制作平台组成，所述光路包括激光器、扩束准直镜、微调机构、反射镜、聚焦透镜，用于将一束发散的激光束扩束...; 王伟高超飞王杨超于雷王世杰王鹏宋树; 文献传递

变压器局部放电故障测向的复倒谱去混响方法被引量：1: 2019年; 变压器绝缘劣化是导致局部放电的主要原因,研究局部放电精确测向,对整个电网的安全运行具有很重要的工程意义。由于变压器的结构比较复杂,发生局部放电时,光纤超声传感器阵列接收到的局部放电信号包含通过油箱壁、铁芯、绕组等介质平面反射散射的局部放电信号,对局部放电点测向造成很大误差。研究了最小相位分解法去混响算法,并基于研制的阵列进行油中局部放电测向实验,采用多重信号分类(multiple signal classification,MUSIC)算法计算放电源的波达方向(direction of arrival,DOA)。实验结果表明最小相位分解法去混响能有效抑制局部放电信号中的部分混响,去混响后的测向精度有明显改善。; 王世杰王伟郑理威杜键于雷王鹏; 关键词：局部放电

基于AFSA-LSSVM的水电站短期出力预测方法: 本发明公开了一种基于AFSA‑LSSVM的水电站短期出力预测方法，包括以下步骤：原始数据进行预处理‑辅助变量的选取和数据集划分‑构建AFSA‑LSSVM模型：得到AFSA‑LSSVM模型预测的水电站出力值‑AFSA‑LS...; 肖峰王世杰闵昊凌李一鸣植殷吴欣岳梁曦文

基于EFPI传感器的立体形阵列传感器对局放测向的仿真分析被引量：6: 2019年; 局部放电超声阵列定位技术是将传感器阵列与阵列信号处理方法相结合。文章采用非本征法布里帕罗干涉(Extrinsic Fabry-Perot Interferometric,EFPI)的光纤超声传感器,其灵敏度高,不受电磁干扰的影响,并充分发挥EFPI传感器可放置于油中的优势,改进阵列结构。设计了4阵元EFPI超声传感器正四面体结构阵列,将其置于油箱内部检测局放超声信号,利用多信号分类算法(Multiple Signal Classification,MUSIC)对局放源进行测向,并与平面2×2阵列进行对比,针对阵元位置误差进行校正。结果表明该阵列传感器能够在油中检测到信噪比较高的局部放电信号,且较传统平面阵具有更高的测向准确度;尤其在阵列盲区方面,立体型阵列传感器可有效地实现空间多角度的信源测向。利用TCT算法对阵元位置误差进行校正,提高了测向精度,满足了实际工程需要。; 王鹏王伟于雷王世杰高超飞; 关键词：传感器阵列多信号分类算法正四面体结构

小样本数据下基于K-Means聚类和集成学习的混凝投药预测: 2024年; 为了解决混凝投药预测过程中的小样本问题,提出基于K-Means聚类和集成学习的PAC投加量预测方法。首先,根据原水浊度和水温2个特征采用K-Means聚类将水质分为3类,利用分层抽样从3类水质数据中抽取训练集和测试集;其次,基于Bagging集成学习算法,构建由支持向量机、随机森林、Adaboost、GBDT、Catboost、XGBoost和LightGBM共7种学习器组成的PAC投加量集成预测模型(KM-Bagging);最后,以银川市某给水厂2021—2022年的运行数据为例进行验证。结果表明,KM-Bagging模型对小样本的PAC投加量具有较高预测精度,R^(2)超过0.8,MAPE小于5%。采用6个月和9个月的日监测数据预测PAC投加量,适合数据监测时间短、精度要求不高的情况,预测结果可为原水水质发生突变时的PAC投加量调整提供参考。采用1年的日监测数据预测PAC投加量,预测精度能够满足工程应用的要求,可为水厂实际PAC投加提供辅助指导。研究结果对小样本数据下的混凝药剂投加建模与预测具有参考价值。; 王世杰李一鸣植殷武仁超王涛程紫微郑磊肖峰; 关键词：K-MEANS聚类

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

王世杰