为提升歧管微通道热沉的综合性能,提出一种新型矩形肋片歧管微通道热沉。首先通过三维模拟研究矩形肋片排布、微通道宽度、高度及肋片宽度与微通道宽度的比值对热工水力性能的影响。然后采用人工神经网络和多目标遗传算法对结构参数进行优化,最后使用TOPSiS决策算法从Pareto前沿中选出综合性能最好的参数组合。优化后,与原热沉相比,在6 m/s的入口流速下,加热面最高温度降低了6.4 K,平均换热系数提高了46.3%,总压降降低了1.85 kPa。结果表明,避开入口歧管的射流孔和出口歧管的出流孔的矩形肋片热沉具备优异的综合性能。

针对新能源的消纳对配电网运行产生的不利影响,提出一种考虑新能源消纳和电压偏差的配电网拓扑结构重构方法,以实现两者之间的平衡协调。首先,采用基于场景相似度的场景削减技术获取具有代表性的新能源功率样本;其次,建立一种以优化新能源消纳量和配电网节点电压偏差的多目标随机优化重构的数学模型;再次,采用一种基于近端策略优化算法指导的多目标粒子群算法对相应的帕累托解集进行高效搜索;最后,应用优劣距离决策方法,均衡考虑反映风电消纳量与电压偏差之间的折中关系并选择最终重构方案。以改进的iEEE-33节点配电网作为测试对象,测试结果验证了所提方法的有效性。

随着电力系统中可再生能源比例的不断提高,在梯级水电站中引入抽水蓄能及电化学储能可有效提高风光消纳。针对不同风光比例下系统最优容量配置的变化情况和各设备的运行情况,构建风电-光伏-梯级混合式抽水蓄能-电化学储能联合系统,首先以经济性最优为目标对并网型联合系统进行最优容量配置并分析各设备的运行情况;其次分析不同风光比例对系统最优容量配置的影响;最后相较于并网型联合系统,对比分析离网型联合系统在不同风光比例下最优容量配置的变化情况。结果表明：随着风光比例升高,风光电逐渐承担主要负荷需求,而梯级混合式抽水蓄能电站水轮机容量减小、电化学储能容量迅速增大以满足系统对储能设备的需求,且相较于离网系统,并网型联合系统在兼具供电独立性的情况下更具有灵活性。

水电站运行过程中枯水季水位低、水量不足,难以完成发电任务,丰水季水位高、水量过度、弃水量过多,导致发电不稳定。针对此问题,建立水电站和抽水蓄能电站联合运行的水电互补发电系统模型,采用阶段线性拟合技术将原模型转化为混合整数线性规划模型。利用粒子群优化算法,计算上游具有独立水库、可蓄水的抽水蓄能电站与下游水电站联合运行的调峰填谷机制,得到运行周期内的优化调度方案;该方案可显著提升水电站发电稳定性,解决水电站弃水量过多、发电不稳定、发电品质较低的问题。

针对水下大坝复杂环境中缺陷检测精度低的问题,提出一种基于多传感器数据融合的缺陷检测方法,结合声呐设备和光学摄像头,利用卡尔曼滤波对声呐数据进行去噪,并采用限制对比度的自适应直方图均衡算法（CLAHE）增强光学图像对比度,通过加权最小二乘法实现两种数据的融合,生成包含全局轮廓与高清细节的综合图像。基于卷积神经网络（CNN）对融合图像进行处理,实现裂缝和沉积物等缺陷的精准识别和分类。实验结果显示,该方法在被试大坝中成功检测出3处裂缝及2处沉积物堆积区域,可显著提升缺陷检测的精度和可靠性。

湖南省中小水电站自然资源约束呈现分布广、管理弱的特点,为强化统一监管、提升调节能力,构建调能能力综合评价体系,以水库调节性能与调控能力为核心准则,涵盖14项具体指标。通过层次分析法主观赋权与指标相关性的指标权重法客观赋权相结合,计算各指标隶属度,形成电站调能综合得分。实证选取湖南省某地级市5个水电厂,评价结果显示2个达优秀评级,3个为合格评级,验证了该体系的适用性与有效性,可为湖南省中小水电精细化管理提供量化决策支持。

针对湖南省渫水流域小水电站所在河道地形监测需求,采用无人机航空摄影测量技术和无人船水下地形测量技术,精确采集河道地形信息,构建高精度地形模型。通过数字地表模型和数字正射影像的叠加解析,提取河流主要断面,解决水文数据不匹配的问题,并通过后处理确保数据精确性,为河流管理和环境保护提供更加可靠的数据支撑。

为保障电力系统安全运行、准确评估电力系统暂态稳定性,提出一种融合脆弱环节识别、发电机分群及扩展等面积准则(EEAC)的暂态稳定性分析方法。首先,对电力系统中的脆弱环节进行识别,并依据识别结果对发电机进行分群,以此确定划分出超前机群和滞后机群。然后,运用EEAC方法开展暂态稳定分析,评估不同扰动情景下电力系统暂态稳定性所受到的影响。仿真案例验证表明,该方法能够有效判断电力系统受到扰动后的暂态稳定性,具有较高的准确性和可靠性,可为电力系统的暂态稳定性分析提供行之有效的工具。 关键词：脆弱环节识别;暂态稳定性;EEAC

隧道电缆支架角钢托臂的弯曲特性较为复杂,选型设计不当会给电缆线路运行带来严重安全隐患。以某地区110 kV电缆隧道工程为背景,利用有限元软件ABAQUS建立电缆角钢支架的三维精细化模型,对悬臂角钢构件在集中荷载作用下的破坏模式和荷载-位移曲线进行研究,同时完成系列参数影响分析,给出设计建议。

特高压输电线路电晕损失研究对合理控制线路损耗和提升线路环保水平具有重要意义。在此背景下,采用模拟试验和理论计算相结合的技术路线,基于电晕笼试验装置研究特高压输电线路电晕损失等效测量方法,实测和等效测量结果的对比验证了单导线和1 000 kV特高压试验线路采用等效测量方法得出的干燥和淋雨条件下电晕损失值的准确性,证明了基于电晕笼进行特高压输电线路电晕损失等效测量的良好效果。

针对避雷器泄漏电流存在的噪声对设备监测工作产生影响的问题,提出一种改进奇异值分布-连续变分模态的交流滤波器避雷器泄漏电流去噪方法。首先,对原始的避雷器泄漏电流数据进行奇异值分解,在这个过程中引入奇异值差分能量谱来确定最优阈值,再依据确定好的最优阈值进行数据重构,提取出主要谐波分量。然后,利用最小包络熵来寻优逐次变分模态分解惩罚因子,进而对数据进行分解,在完成分解后,对信号主导分量进行重构操作。最后,利用改进的小波阈值对残余的微噪声进行去噪处理,得到去噪后的金属氧化物避雷器泄漏电流信号。仿真及工程实验结果验证了所提方法的有效性。

针对高压XLPE（交联聚乙烯）电缆传统局部放电检测效果不佳的问题,提出一种高压电缆内置式局部放电检测装置。通过改进电缆终端及中间接头结构,在电缆终端及中间接头尾管区域预留法兰接口以内置局部放电检测天线,实现局部放电信号的精准有效检测,避免对电缆本体造成伤害;检测天线采用双螺旋结构,实现局部放电信号精准采集、传输、分析及处理;通过仿真及测试,确定长度50~500 m的110 kV XLPE高压电缆内置式局部放电检测天线的中心频率为20 MHz。局部放电信号检测试验结果表明,电缆内置式局部放电检测装置能有效检测到局部放电信号。

以某±500 kV换流站阀冷系统主循环泵故障为例,介绍故障处理措施,分析故障原因,得出主循环泵选用的弹簧垫圈不合格导致泵轴紧固连接副失效（锁紧螺母松动）的结论。同时对该站其他在运主循环泵进行了隐患排查,为其他在运换流站主循环泵的安全运行和新建换流站主循环泵的选型提供参考。

针对分布式电源接入配电网造成的有功损耗增加、电压偏移和负荷出力的不确定性等问题,构建储能系统与光伏电源联合调控的多目标优化模型,以有功网损最少和电压偏差最小为目标,通过有载调压变压器与电容器组动作约束和光伏发电、储能出力约束对无功优化模型进行分析。提出一种基于混沌映射透镜初始化、非线性参数因子、自适应惯性权重的改进红嘴蓝鹊优化算法,防止算法早熟收敛并增强全局搜索能力。运用该优化算法对含光储配电网的iEEE 33节点系统进行建模仿真,结果表明该算法具有寻优效果好、搜索效率高的优点,验证了该算法的高效性和稳定性。

针对新型电力系统的电能质量扰动(power quality disturbances,PQDs)复杂化和多样化的趋势,提出一种基于马尔可夫转换场（markov transition field,MTF）、卷积神经网络(convolutional neural network,CNN)和粒子群优化(particle swarm optimization,PSO)算法的电能质量扰动分类方法。首先,利用MTF将一维时序的电能质量扰动信号转换为二维的模态图像,为后续的数据特征提取创造有利条件。其次,使用CNN构建以图像模态数据为输入的电能质量扰动分类模型,并通过PSO算法对该模型中的参数进行优化,使学习率达到最优,避免出现欠拟合或过拟合现象。最后,利用优化参数后的分类模型得到电能质量扰动分类结果,并使用评价指标对分类模型的性能进行评估。仿真结果表明,所构建的分类模型能够很好地对电能质量扰动信号进行分类,具有更高的分类准确率和抗噪能力。

针对虚拟同步发电机（virtual synchronous generator,VSG）型并网逆变器的控制策略展开研究,提出一种无锁相环预同步控制策略,旨在减小逆变器并网对电网影响,同时简化计算过程,维持系统的稳定运行。仿真验证结果表明,该策略能够实现并离网无缝切换,具有计算简单、响应速度快等优势,有效解决了VSG逆变器并网过程中的电流冲击和电压振荡问题。

在对超、特高压输电线路开展无人机巡检时,无人机能靠近输电线路,但距离过近会增加飞行干扰甚至发生碰撞,因此准确获取无人机与输电线之间的距离至关重要。针对这一问题,提出融合拉普拉斯残差的深度估计网络LapNet（Laplace net）,以U-Net作为网络的基础架构,构建多尺度特征金字塔,提出LUB（Laplace U-Block）模块,替换U-Net的普通卷积层;在LUB模块中引入拉普拉斯金字塔残差结构,增加网络深度的同时保留深度特征中的高频信息,从而引导重建高质量的深度图像,实现单目距离的精确测量。实际测试结果表明,利用无人机单目镜头开展距离检测的平均误差为4.786%,最大误差为8.36%,能够实现无人机镜头与输电线路之间距离的精确测量。

针对汽轮机变工况运行存在负荷偏差的问题,提出一种基于差分进化算法(differential evolution,DE)和多标签随机森林(multi-label random forest,MLRF)结合的汽轮机负荷偏差原因分类模型。通过斯皮尔曼（Spearman）相关性系数,分析影响汽轮机负荷出力的相关联变量;采用DE算法优化MLRF模型参数,建立基于DE-MLRF的汽轮机负荷偏差原因分类模型。结合某660 MW汽轮机实际运行数据进行实验验证,结果表明,与其他7种算法相比,DE算法优化的MLRF模型误报率（1.902 ?4%）、漏报率（1.854 1%）最低,可为汽轮机负荷偏差原因定位提供决策支持。

针对复合绝缘子在无人机红外巡检过程中因测距与视角变化引起的温度测量误差问题,提出修正提升红外测温精度的方法,确保缺陷识别的准确性与可靠性。研究依托搭建的110 kV复合绝缘子红外温升实验平台,采集不同拍摄距离与角度下的红外图像数据,并以光纤温度传感器测得的真实温度作为基准,构建红外测温误差样本集。基于该数据集,采用径向基函数（radial basis function,RBF）神经网络建立红外测温误差修正模型,实现对原始红外测温值的非线性修正。结果表明,RBF模型修正后红外测温仪测得的温度与实际温度的平均差值降至0.19 ℃（相对误差为2.07%）,优于线性、非线性及指数回归方法（平均误差为0.37~0.82 ℃）,且泛化能力更强。该方法有效提升了无人机红外巡检的测温准确性,为绝缘子状态评估提供了可靠技术支撑。

针对当前水下巡检工作面临的诸多挑战,如水下环境复杂多变、传统巡检方式效率低下且存在安全隐患,深入研究水工建筑物水下巡检及检测作业平台,该平台由硬件层、网络层、数据层、服务层和应用层构成。首先,硬件层利用先进水下机器人,采集水工建筑物周边水质信息及水下图像或视频等关键数据。其次,网络层保证数据传输的实时性和稳定性,并将数据存储至数据层。再次,服务层将数据传输至软件处理系统,并结合卷积神经网络等人工智能技术,实现水工建筑物缺陷检测与水下机器人巡检路线规划。最后,应用层提供电脑端浏览器接口与微信服务号接口,用户可以直观地查看巡检与检测结果。实验结果显示,该平台可准确监测水工建筑物周边水质信息,提供清晰的水下图像和视频资料,获取高精度的水工建筑物缺陷检测结果。