一、应对故障的常用技术（论文文献综述）
冯骁[1]（2021）在《极端事件下高铁航空运输网络脆弱性识别及改善理论研究》文中研究指明高铁和航空运输网络是国内长距离旅客快速运输的主干网络。保证高铁和航空运输网络顺畅运行是国家经济繁荣的重要基础,具有显着的社会和经济意义。将高铁和航空运输网络视为一个整体的高铁航空运输网络扩展了我国快速客运网络的服务范围。在这一多方式交通运输网络中,人们可以选择通过高铁或航空来完成出行,也可以通过两种方式的联程到达目的地。高铁和航空运输网络暴露在自然环境之中,极端天气、机械故障、人为破坏等极端事件对其运行造成的干扰难以避免。极端事件造成的不良影响会导致大面积的列车停运和航班取消,严重影响人们的跨城市出行,造成巨大的直接和间接经济损失。因此分析极端事件下高铁航空运输网络的脆弱性,识别出网络中的脆弱节点和区域,并对相应的脆弱性改善理论展开研究具有迫切的现实需求和理论研究意义。本文的研究服务于高铁航空运输网络的规划人员。本文的主要研究内容如下:（1）构建了高铁航空运输网络脆弱性改善理论构架。结合网络科学和数学优化方法,先识别出网络中的脆弱节点和区域,之后将脆弱区域失效可能造成的损失纳入对高铁航空一体化枢纽节点选择的考虑,提升高铁航空运输网络满足旅客出行需求的能力,进一步地,应用数学优化方法对识别出的脆弱节点进行防护,改善高铁航空运输网络整体的脆弱性。（2）基于网络科学方法识别了高铁航空运输网络中的脆弱节点和区域。通过提取城市在基础设施网络和服务线路网络层面的连接关系,构建了以城市为节点的高铁航空运输换乘网络。以换乘连接强度为指标,识别出了高铁航空运输网络中的脆弱节点和区域。研究发现,网络的脆弱节点大都分布在我国华东地区。而京广、京沪等重要铁路干线附近的区域则更为脆弱。除此之外,通过比较不同交通方式失效造成的高铁航空运输网络整体性能变化,发现了高铁网络是高铁航空运输网络中更为脆弱的部分。（3）应用数学优化方法研究了脆弱性视角下高铁航空一体化枢纽节点的选择问题。以最小化旅客总广义费用为目标,考虑具有区域影响范围的极端事件造成的脆弱性因素,研究了高铁航空一体化枢纽节点的选择,构建了考虑脆弱性的一体化枢纽节点选择模型和基于此的考虑建设必要性的扩展模型。该扩展模型通过引入描述在不同城市建设一体化枢纽必要性差异的参数,进一步平衡了正常情况下其他影响一体化枢纽节点选择的因素与极端事件导致的脆弱性因素,以此获得符合实际规划场景的一体化枢纽节点选择方案。（4）应用数学优化方法给出了通过对网络中的节点进行防护来改善高铁航空运输网络整体脆弱性的方法。研究了通过在极端事件发生前,加强对网络中节点的防护来避免极端事件可能造成的损失的方法。这一事前应对的方法以提升运输网络性能下限为目标来改善高铁航空运输网络的脆弱性,以期达到有备而无患的目的。为实现这一目标,构建了以最小化最恶劣损失为目标的节点防护模型。在此模型基础上,通过引入描述不同情景发生可能性的不确定集,构建了考虑不同情景发生可能性的扩展模型。（5）在案例研究中,将应用网络科学方法识别出的脆弱节点和区域输入相应模型,分析这些脆弱区域可能造成的影响并对识别出的脆弱节点进行防护。通过对案例的研究,验证了所提出的理论方法的有效性。
王峰[2]（2021）在《面向复杂劣化信号的预测健康指数构造方法研究及应用》文中进行了进一步梳理预测性维修可有效降低铁路维护成本并提升铁路设备的可用性,其核心在于剩余寿命预测（Remaining useful life,RUL）。RUL预测旨在利用状态监测数据对设备的劣化状态进行评估以预测其失效时间,从而为维修决策的制定提供依据。随着传感器技术的发展,复杂设备监测过程中通常部署多传感器从不同的角度分别监测设备的状态信息。为系统地刻画设备的劣化状态,多传感器数据通常被融合为一个综合的健康指数。然而,现有的健康指数构造方法大多将劣化数据假设为成分简单的一维状态或特征信号,而该假设在大量的复杂劣化信号场景下已不适用。为应对该问题,本文主要研究了基于复杂劣化信号的预测健康指数构造问题。针对信号的非线性关系、信号构成成分的耦合、协变量影响和元素缺失下的成分耦合几种情况,以劣化建模领域性质和劣化信号的特征为基础,分别利用深度学习、稀疏学习和张量分析等技术,设计了相应的目标函数和高效的优化算法,解决复杂劣化信号下健康指数构造的难点问题,实现了设备劣化状态的刻画和RUL预测。最后,研究了铁路道岔系统的应用案例。具体地,本文开展了以下几项工作:（1）针对信号间的非线性关系,研究了基于深度学习的健康指数构造方法。首先,以深度神经网络作为融合模型刻画劣化信号与健康指数之间的非线性关系。为应对健康指数“未知”（待构造变量）的难点,利用劣化建模领域的性质,设计了一组对抗网络架构从而实现模型参数的无监督训练。针对求解过程的不稳定性,提出了一种基于RMSprop的采样算法实现了参数的稳定求解。通过一组仿真实验和一组典型案例验证了所构造的健康指数在RUL预测中较现有方法的优越性和鲁棒性。（2）针对成分复杂耦合的情况,研究了结构化信号的健康指数构造方法。以“稳定背景估计-劣化信息提取及融合”分层解耦策略为基础,在移除劣化信号的稳定背景后,依据劣化成分的时空特征,设计了一种基于稀疏学习和保序回归（Sparse learning and isotonic regression,SLIR）的劣化信息提取和融合方法,以保证健康指数的高质量构造。其次,设计了分块坐标下降的优化算法,实现了劣化信息的准确定位和融合模型估计。最后,利用一组仿真实验和后续案例应用对提出方法的求解效率、识别劣化区域和预测RUL的准确性进行验证。（3）针对协变量影响下时变成分耦合的情况,研究了存在元素缺失的高维劣化信号的健康指数构造方法。为解决元素缺失下时变背景估计的难点问题,着重研究了基于低秩学习和Tucker张量分解技术的张量回归建模方法,设计了回归模型参数和缺失元素的协同估计架构。在此基础上,提出了基于分块坐标下降的大规模数值优化算法,实现了模型的高效求解。进而,通过残差信号的特征提取和融合实现了健康指数的构造。利用一组仿真实验和一组案例研究验证了提出方法的优越性。（4）在上述理论研究的基础上,结合铁路道岔系统的自身特征,针对两种常见的劣化模式,分别利用其状态监测数据进行健康指数构造和预测分析。针对液压转辙机的油泄漏模式,考虑温度的影响特征,提出了基于惩罚卷积的温度-液位关系模型,进而利用移除温度影响的液位残差构造健康指数并开展RUL预测。针对滑床板阻力增大的劣化模式,利用提出的SLIR法分析转辙机的功率信号,实现了劣化信息的准确定位及融合,进而在健康指数构造的基础上,开展了该模式下的RUL预测。
王岳振[3]（2021）在《多能互补系统可靠性评估及运行优化方法研究》文中研究说明为减缓全球变暖带来的极端气候危害,越来越多国家将碳中和作为其气候行动的重要内容。在此背景下,低碳转型、多能互补、信息融合的能源互联网是碳中和行动的重要技术手段。能源互联网通过将能源网与交易网、信息网融合,以经济性、环保性、可再生能源配比、储能比为目标,实现能源供应的灵活生产与调度。与此同时,能源互联网所代表的多能互补系统中存在着复杂的耦合关系,导致能源系统的规划与投资运营模式变得愈加复杂;涉及多能存储的系统存在着多时间尺度上的调度问题,储能容量会对系统的容量规划以及单位周期内的调度方案有着直接影响,进而影响系统经济性、环保性等指标;而可再生能源普遍易受到自然和空间条件的限制,有着输出供给不稳定的问题。故如何系统的、全面的、高效的评估能源互联网背景下的多能互补系统的可靠性已成为当下研究热点。本文主要在能源云技术理论背景下,为定量分析多能互补系统中,总配置容量、储能与可再生能源配置容量占比（即配置比）对系统调度策略进而对供能可靠性的影响,建立了一种以储能灵活调度为内层优化模型,以基于时序马尔可夫过程的能源设备两状态随机模型为外层的两阶段多能互补系统运行优化及可靠性评估方法。主要工作如下:阐述了国际碳中和行动背景下能源系统的发展趋势,对国内外能源系统运行优化以及可靠性评估的学术研究成果进行归纳总结。首先,结合能源云技术,从多能互补系统的能源耦合状况入手,以能源集线器模型为基础架构,深入分析冷、热、电多种形式能源间的协调、转化关系;然后针对现阶段能源系统的常用的几种多目标优化以及可靠性评估理论进行简要阐述;最后梳理了区域多能系统的可靠性指标体系,为下一步建立调度优化进而可靠性评估奠定理论基础。以能源系统的运行调度优化为内层模型,以全寿命期运行成本及环保性指标为优化目标函数,针对能源系统中各能源转化设备的出力特性以及季节特性,深入分析了储能以及其他能源设备的运行机制,引入决策变量,动态描述各时段能源系统蓄能、释能及设备出力状况;各单目标优化采用MILP混合整数线性规划算法,然后基于NSGA-Ⅱ的多目标优化算法,得到Pareto方程解的集合,从而实现对其的优化调度,最后结合基于专家评价的优劣解距离法确定最优解。针对多能互补能源系统中各种能源转换设备建立连续时间马尔可夫两状态模型,对全寿命期时间尺度上各设备的运行、故障状态进行模拟,并制定能源转换设备启用优先级,针对各类故障建立备用能源应对机制,以调度优化模型求解得出的最优解为输入,结合前述能源转化设备随机状态模型,最终统计并计算各项可靠性指标。结合具体案例,针对某园区的能源规划:（1）结合园区全年负荷分布规律,选取四组典型负荷率,对能源规划方案进行调度优化并评估其可靠性。（2）为深入探索蓄能装置容量对于能源规划方案的经济性、环保性以及可靠性的影响,将蓄能比作为自变量,经济性等指标作为因变量,经计算表明,全寿命期运行成本随蓄能比的增加逐渐降低,环保性同样有所提高,可靠性各项指标皆有所提高,但其增幅存在差异性。（3）蓄能装置引入能源系统后,出于多方面的考虑,能源系统总配置容量的选取存在着一定的灵活性;海水源热泵作为适应可持续发展战略要求、碳排放较低的新型设备,且海水源热泵能效比受海水温度影响较大,其配置比对能源系统的经济性等指标有着较大影响;文中以总配置容量、蓄配比、海水源热泵配置比三个因素构建能源系统配置方案的选择集合,结合优劣解距离法对各方案进行客观评分,进而对方案的选择进行理论指导。
郑福豪[4]（2021）在《基于大数据分析的燃煤电站引风机状态预警研究》文中研究表明引风机是燃煤电站的重要辅机设备,引风机的作用是抽出动力煤在炉膛中燃烧生成的烟气并维持锅炉炉膛的负压在一定范围内,大功率燃煤电站常布置三台引风机,如果有引风机出现故障,机组的负荷也将降低,对经济性造成影响。在环保改造后,引风机通常布置在电除尘系统和脱硫系统中间,烟气中的含尘量降低,引风机的工作环境有了一定改善,但是复杂的烟气系统对引风机工作状态的稳定性有了更高的要求。因此,对燃煤电站引风机进行状态预警具有十分重要的工程价值。如今大数据分析方法已经得到了广泛应用,结合大数据分析方法为提高燃煤电站机组的智能化水平提供了新的技术思路。本文以引风机作为研究对象,结合燃煤电站现场运行特点和大数据分析方法进行引风机状态预警系统的研究与设计。首先介绍了建立引风机状态预警系统采用的神经网络算法和数据预处理方法,然后结合引风机的结构特点、工作特点以及燃煤电站监视系统布置的测点情况建立引风机特征信息集,并利用滑动平均消噪方法和归一化处理方法进行特征信息集历史运行数据的预处理得到状态预警模型的训练集及验证集,利用神经网络算法进行引风机状态预警模型的训练及校验。最后,进行了燃煤电站引风机状态预警系统功能和监视画面的整体设计。校验结果显示,基于大数据分析的燃煤电站引风机状态预警模型的平均相对误差较低,符合工程要求,可以提高燃煤电站安全性和经济性。
赵潇楠[5]（2021）在《基于车车通信列控系统的邻域列车协作方法研究》文中进行了进一步梳理近年来,随着国内外学者对车车通信列控系统的不断探索和研究,系统在精简轨旁设备,提高车载自主性和动态间隔控制方面都有了新的突破。由于新型列控系统还处在研究初期,与传统列控相比,在系统结构以及功能划分等方面都有较大改变,需要对新增功能进行完备性设计。传统的由地面设备集中控制的方式,转换为以车载为中心的列车自主控制方式,列车通过车车直接通信方式获取前方追踪列车的运行状态信息。因此需要研究列车如何与前车建立追踪关系,并且能够在动态运行过程中对追踪关系进行管理。随着列车协同控制技术的发展,列车单独控制的方式转变为以相互协作的列车群协同控制运行的方式。该方式能够进一步缩短列车之间的运行间隔、提高高铁系统应对突发事件的能力。因此需要研究列车如何与更大范围内的列车进行通信,更大限度的共享附近列车信息,并根据运行计划的变更对邻域协作关系进行管理。因此本文针对新型列控系统中车车通信与协同控制的需求,提出了轨道交通动态邻域的概念;提出了邻域列车协作管理模式和方法;异常情况下邻域列车安全防护策略;对方案的可行性和正确性进行形式化建模与仿真验证;最后针对邻域协作的信息同步新方法展开进一步的讨论。具体工作如下:（1）比较新型列控系统车车通信方案,分析邻域列车协作的意义和可行性。分析邻域列车协作的功能需求,设计与邻域协作相关功能模块的信息交互和协作管理方法,包括追踪通信关系管理,邻域通信关系管理。（2）设计邻域协作过程中,邻域控制权的分配以及管理方法。分析邻域主控车的邻域信息处理中包含的信息交互。针对邻域关系变更的动态过程,设计邻域拆分场景和邻域组合场景中的邻域主控权管理方法。（3）分析邻域协作过程中无线通信异常的不同故障场景,针对仅与主控车通信异常、仅与前车通信异常和多个通信异常的情况,设计基于邻域信息共享和控制模式切换相结合的列车群安全防护方法,提高列车群整体对外界突发情况的应对能力。通过UML和HCPN相结合的形式化建模方法对设计方法进行建模和分析,最后通过在simulink中搭建仿真模型进行验证。（4）对列车邻域协作的应用进行扩展,设计基于邻域协作的列车群信息同步新方法,在不依赖统一时钟源的情况下,分为有无目标的列车群时钟系统同步协议,并针对同步协议进行理论证明和数值仿真分析,说明方法可行性。本文共有图64幅,表25个,参考文献68篇。
桂俊华[6]（2021）在《基于风险管理的铁路供电维修安全管理研究》文中进行了进一步梳理电气化铁路是我国铁路网的重要组成部分,其畅通运营依赖于持续稳定、可靠的供电设备。为了确保供电设备的持续稳定、可靠运行,则需要开展安全有效的供电设备维修。在供电维修活动中,安全是永恒的主题,基于风险管理的安全管理为供电维修安全提供了重要保障。风险管理是一种建立在风险控制理论基础上,具有系统化管理特征的科学管理方式,在2012年我国铁路全面推行风险管理后,历经多年发展已成为铁路供电维修安全管理的主要方法。通过对风险管理在铁路供电维修安全管理中的应用情况进行研究,对供电维修安全风险进行全面识别、评估及控制,对提升铁路供电维修安全管理水平,确保维修管理及作业组织过程安全有序具有重要作用。论文通过调研某供电段铁路供电维修安全管理现状,对供电维修管理及作业组织的所有环节进行梳理,通过工作危害识别等方法识别供电维修作业各个环节危害,运用头脑风暴法、风险矩阵评价方法开展风险评估,依据ALARP接受准则确定需要控制的危害,利用风险控制理论针对每一危害制定相适应的“人防”、“物防”或“技防”措施以控制风险,并采取定期评价的方式监督风险控制效果以不断提升铁路供电维修安全管理,对有效控制供电维修组织及其管理过程中的风险具有积极作用,对其他铁路供电设备管理单位开展设备维修安全管理具有一定的借鉴意义。
颜融[7]（2021）在《基于数据驱动的电力系统暂态稳定评估》文中指出随着近年来新能源发电、智能数字电网、特高压输电互联等新兴技术的高速发展,电力系统面临着全网耦合性强、源荷随机性大以及动态复杂性高等挑战,这对电力系统安全稳定运行带来了较大影响。本文借助于以人工智能为代表的数据驱动等使能技术,针对电力系统暂态稳定评估问题展开了深入的研究工作,旨在提高暂态稳定评估模型精度和计算效率。主要研究工作总结如下:首先,本文提出了暂态稳定快速批量评估算法框架,通过构建的级联式卷积神经网络为待评估样本自适应选择仿真时间窗口,在保证评估结论准确的前提下尽早终止时域仿真,以减轻批量评估任务的整体计算负担。该算法从已有稳定性结论的样本中“学习”,并基于所设计的反馈学习机制不断针对模型进行自适应更新,以进一步提升模型针对不同运行方式的泛化能力。此外,本文进一步设计了基于信息熵的优先评估策略,在分析待评估样本所含信息量的基础上,动态调度评估任务队列,以加速模型性能提升。该算法在保证评估结论准确的前提下降低了批量评估计算负担,使得在有限时间内获取足够用于在线评估模型构建的暂态稳定样本成为可能。其次,为了应对配电网络日益广泛接入的分布式电源等新型设备对输电网络稳态及暂态特性之影响,弥补传统负荷模型的不足,实现输配电系统联合分析等目的,本文进一步提出了基于不对称图学习的生成对抗网络模型,该模型可借助少量真实配网数据,在不泄露关键信息的前提下捕获真实配电网络的拓扑和电气特性,进而生成三相不对称配电网络。此外,所提出的方法还可以有效地生成时序负荷数据并合理配置各类电网元件,使得生成的配电网络兼具真实性与实用性。再次,为了满足在线稳定评估实时获取系统故障信息的需求,本文提出了混联输电线路单端故障定位算法,构建了“云端滚动训练,边缘实时推断”的电力系统嵌入式人工智能应用范式。该范式将云端训练或更新的故障定位深度学习模型分布式的部署于数据侧嵌入式人工智能模块中,借助本地电压和电流等高密度流式数据进行故障定位。该框架有效解决了因量测数据高采样率特性而导致的定位时延高等问题,可满足后续在线稳定评估与监测任务的应用需求。本文最后提出了基于数据驱动的暂态稳定边界生成与在线稳定评估算法框架。借助于所构建的暂态稳定指标及其伴随灵敏度,加速了关键暂态稳定样本（重）采样进程,以在稳定边界附近的高信息熵区域加速生成足够的关键暂态样本,为生成稳定边界提供了数据基础。此外,为解决稳定边界构建问题所面临的“维数灾”、“组合爆炸”等挑战,本文提出了关键运行及扰动场景筛选机制,进一步减少了电力系统边界生成任务的搜索空间与计算规模。借助该算法框架,稳定边界可根据系统当前及预测运行点在线自适应更新,进而由此构建出一套暂态稳定在线评估与监测框架。
马泽洋[8]（2021）在《含大规模风电的发—输—配电系统充裕性优化决策研究》文中进行了进一步梳理以风电为代表的新能源发电是实现“碳达峰、碳中和”目标最现实的战略选择。“碳达峰、碳中和”目标下,风电新增装机容量将持续增加,风电并网规模日益增大。然而,由于风电具有随机性、波动性和反调峰特性,大规模风电并网将使得我国面对巨大的风电消纳压力。随着智能电网的发展,需求响应、储能系统及分布式可控电源等多种灵活性资源成为应对系统不确定性的重要手段;特高压输电技术的快速发展及应用,让输电网结构经历巨大变化的同时,也使得通过多区协调调度成为消纳风电的有效措施。风电发电容量的快速提高、电力系统的结构的日趋复杂,都为电力系统运行带来了更多的不确定性影响因素,对电力系统的稳定运行带来了新的挑战,增加了电力系统发、输、配各环节运行调控的难度和风险。电力系统充裕性优化决策是在电力系统中大量不确定性因素存在下确保系统运行安全、可靠的前提和手段。然而,仅靠确定性的充裕性优化决策方法无法计及系统的不确定性因素,难以满足电力系统运行及决策的需要。因此,考虑发电、输电和配电各环节的不确定性,研究含大规模风电消纳的发-输-配电系统充裕性优化决策方法具有重要的理论意义和实际价值。本文的主要研究内容如下:（1）针对发电系统充裕性评估问题,提出基于需求响应的含风电系统发电充裕性评估模型,该模型能够考虑用户对于需求响应的参与意愿及其行为不确定性对大规模风电并网系统发电充裕性的影响。首先,由于用户作为需求响应决策者是有限理性的,决策结果与其主观标准有关。为刻画用户的主观风险偏好,采用行为金融学中的前景理论价值函数来刻画用户的主观风险态度,给出用户参与需求响应的主观效用值计算公式;其次,考虑到需求响应对于用户用能感受产生的改变会影响用户未来参与需求响应项目的程度和策略,根据用户主观效用值,提出采用改进的Roth-Erev算法刻画用户的需求响应潜力及参与行为,给出系统需求响应可用容量的度量方法;进而,将需求响应可用容量引入到运行约束中,以系统运行成本最低为目标函数,构建需求响应调度模型。最后,基于需求响应可用容量的度量和需求响应调度模型,对经典基于状态持续时间模拟的发电充裕性评估方法进行了扩展,提出了考虑大规模风电消纳和需求响应的发电充裕性评估方法。通过算例分析,验证所提出方法的可行性和有效性。（2）针对发电充裕性调度优化问题,提出Sobol序列改进的拉丁超立方抽样方法,该方法能够提高考虑风电出力相关性的随机场景的生成效率;基于Glue-VaR提出可用发电容量不足指标,进而构建基于Glue-VaR的大规模风电并网系统发电充裕性调度优化模型。首先,为了考虑风电场实际出力的相关性,提出采用D-vine Copula对风速预测误差的相关性进行刻画;其次,为了克服经典简单随机抽样方法均匀性较差,且获得的D-vine Copula样本可能引入非预期的相关性的不足,提出将Sobol序列引入拉丁超立方抽样框架中,提出Sobol序列改进的拉丁超立方抽样方法;进而,考虑不同电力系统参与者的风险偏好,提出基于Glue-VaR的可用发电容量不足指标对发电充裕性进行评估;综合考虑运行成本和发电充裕性风险,建立多目标充裕性调度优化模型;最后,基于ε-约束方法得到帕累托前沿,提出采用熵权-加权聚合和积评价方法来寻找充裕性优化模型的理想有效解。通过算例分析,验证所提出模型的可行性和方法的有效性。（3）针对输电系统可用输电能力决策问题,基于联合累积量提出一种新的可用输电能力的概率评估方法,并据此提出基于期望分位数的风险可用输电能力的决策模型。首先,为解决累积量方法要求变量间相互独立,无法考虑风电出力相关性的问题,提出采用联合累积量结合FGM Copula函数刻画风电出力相关性;其次,针对可用输电能力的概率性评估问题,结合分区积分方法和Cornish-Fisher展开,建立可用输电能力概率评估模型;最后,针对基于风险价值的决策方法仅考虑概率分布尾部实现的概率,无法描述整个分布中产生的风险的问题,提出基于期望分位数的风险可用输电能力指标,并提出其评估流程。通过算例分析,验证所提出指标及模型的可行性和实用性。（4）针对配电系统风电接入充裕性优化问题,提出相对鲁棒GVaR风险度量,并据此提出配电系统风电接入充裕性指标。首先,针对传统鲁棒优化模型优化结果过于保守,且无法考虑配电系统不同参与者的风险偏好的问题,定义一种相对鲁棒GVaR风险度量指标,并对相对鲁棒GVaR指标的性质进行研究;其次,为反映配电系统保证风电接入的能力,结合相对鲁棒GVaR指标,提出配电系统弃风能量相对风险指标,并给出弃风能量相对风险指标的计算公式;进而,为反映历史数据中风电出力和负荷的对应关系,构建了风电-负荷分级功率模型,并基于该模型,以日前运行成本最低和弃风能量相对风险最低建立了随机-鲁棒混合优化模型;最后,采用列和约束生成算法求解随机鲁棒联合优化模型,并将其中难以处理的双线性项采用大M法化简,将模型转换为混合整数线性规划问题进行求解。通过算例分析,验证所提出指标及模型的可行性和有效性。
柴睿[9]（2021）在《直流配电网优化重构及故障自愈算法研究》文中指出直流配电网效率高、电能质量好,可更方便、经济地接入新能源分布式发电,成为未来解决城市配电系统供电能力不足、提升电能质量的新方案,但由于直流配电网中可变负荷功率波动大,当换流器功率传输裕度较小时,换流器传输功率易达限值,失去对潮流变化的响应能力,且需对直流配电网运行时及故障发生后的网络进行优化,以期实现对电能的高效利用。论文通过将换流器自适应下垂系数、网络损耗、节点电压偏移作为寻优目标,对直流配电网静态网架结构与切除故障线路后的系统进行重构优化,主要的研究内容如下:（1）分析了目前比较常见的几种直流配电网拓扑结构和接线方式的优缺点,明确在直流配电网中适用的拓扑及接线方式,并对直流系统中常见的设备如电压源控制型换流器、DC-DC直流变压器常见类型及常用拓扑作了阐述,进一步对照得出采用不同类型拓扑对于直流配电网运行的影响。（2）研究了直流配电网的潮流计算模型,包括采用下垂控制时的VSC换流器潮流模型、DC-DC直流变压器模型以及直流配电网中的节点类型,进而采用修改后的牛顿拉夫逊算法,结合换流器的准确损耗模型对直流配电网进行潮流计算,求得节点电压,网络损耗等指标作为后文优化的基础。（3）通过研究得出表征换流器功率传输裕度的自适应下垂系数,结合直流系统各节点电压、网络损耗,利用隶属函数模糊化的方法,借助欧氏距离将三者整合,在满足约束的条件下利用二进制粒子群算法求解直流配电网静态条件下的最优网架拓扑,通过修改的IEEE33节点直流系统验证了所提方法能够求得上述三个指标综合最优时的网络拓扑。（4）基于第四章所提优化算法,在分析了直流配电网常见故障类型及其故障特征基础上,结合相应的直流配电网保护原理要求,对故障发生后的直流系统进行处理,并对切除故障后的直流配电系统按照分级式的响应进行恢复重构,最终实现在恢复尽量多负荷且开关次数尽量少的目标下优化运行,通过对修改后的IEEE33节点直流系统不同情况下的故障恢复重构验证了所提自愈恢复策略的有效性。
赵昕辉[10]（2021）在《面向高效能的飞翼无人机气动代理模型设计及控制分配》文中指出飞翼无人机采用翼身融合布局,取消了尾翼并将机身设计为一个升力部件,可以降低燃油消耗、提高续航能力、改善气动和隐身性能,是飞行器发展的重要方向之一。然而,飞翼布局的多操纵面构型使得无人机的飞行控制系统变为过驱动系统,从而带来了控制冗余的难题。一种有效的飞行控制系统设计方法是采用“飞行控制律+控制分配律”的级联架构,通过控制分配方法解决操纵面冗余难题。在控制分配律的设计过程中充分考虑分配精度、控制能耗等因素,可以实现高效能的分配结果。本文以多操纵面飞翼布局无人机为对象,研究了高分配精度、低控制能耗且面向多任务阶段的高效能控制分配方法。重点分析了飞翼无人机操纵面的非线性气动特性、多轴控制耦合和交叉耦合特性,研究了 Kriging和Co-Kriging气动代理模型设计中的关键问题。将控制能耗作为重点考虑因素,提出了基于所构建的气动代理模型的非线性控制分配方法、多目标控制分配方法和重构控制分配方法,并将所提出的控制分配方法应用于柔性操纵面飞翼无人机中。论文的主要研究工作如下:（1）针对飞翼无人机的低能耗、高精度的非线性控制分配问题,首先分析了升降副翼和开裂式阻力方向舵的非线性气动操纵特性、多轴控制耦合特性和交叉耦合效应。考虑到上述特性,综合分析比较了多种典型代理模型的非线性近似精度,选用高精度的Kriging模型建立飞翼无人机操纵面的气动代理模型。基于所构建的气动代理模型,将飞翼无人机的非线性控制分配问题转化为一个以分配精度和控制能耗为目标的约束优化问题,提出了基于Kriging气动代理模型的高效能非线性控制分配方法。分析了遗传算法和梯度加速粒子群算法的分配性能,并基于这两种算法提出了一种混合优化算法来求解该控制分配问题。（2）在降低控制能耗的基础上,考虑到飞翼无人机执行任务过程中要经历多种飞行阶段,研究了基于多置信度气动代理模型的高效能多目标控制分配问题。为了提高气动建模精度并降低计算代价,使用Co-Kriging多置信度代理模型对飞翼无人机的操纵面进行建模。设计了一种区间非均匀划分的最优拉丁超立方抽样方法来获得高置信度代理模型的建模初始样本点。提出了基于均方根误差和预测梯度的并行加点策略和面向全局建模精度的多重终止准则。分析了飞翼无人机在不同飞行阶段对分配精度、控制能耗、升力系数和阻力系数的要求,构建了多目标控制分配的数学模型,并提出了综合函数法和分层优化多目标粒子群法来解决该多目标控制分配问题。（3）考虑到复杂的多操纵面配置会增加操纵系统发生故障的概率,基于Krig-ing 控制分配架构对飞翼无人机在典型操纵面故障下的重构控制系统进行设计。分析了操纵系统中操纵面、执行机构和传感器的失效形式,重点对操纵面的损伤、卡阻、松浮和中位偏置等四种典型故障形式进行研究。通过分析操纵面故障对操纵性能的影响,建立了对应故障状态下的失效数学模型。针对不同的操纵面故障形式,对原有的Kriging气动代理模型进行对应故障状态下的修正,并基于修正后的Kriging气动代理模型对飞翼无人机的重构控制系统进行了设计。（4）将柔性操纵面技术应用于飞翼无人机可以进一步提升操纵面的气动性能、降低控制能耗。分析了将变形后缘作为柔性操纵面的可行性,并基于柔性蒙皮技术设计了一种机翼后缘展向变形结构。对比分析了平直机翼柔性操纵面和常规操纵面的转矩可达集,验证了柔性操纵面对气动操纵性能的提升效果。然后将柔性操纵面应用于飞翼无人机中,采用3D面元法对气动特性进行分析,建立了柔性操纵面的Kriging气动代理模型,并基于前述的分配架构初步设计了柔性操纵面飞翼无人机的控制分配算法。通过开环分配性能测试验证了所提出的控制分配方法的有效性。综上所述,本文以分配精度和控制能耗为基本目标,提出了基于气动代理模型的控制分配方法,设计了面向全局近似精度的Kriging和Co-Kriging气动代理模型,对飞翼无人机的非线性控制分配问题、多目标控制分配问题、重构控制和柔性操纵面的控制分配问题展开研究。本文的研究工作能够为飞翼无人机的飞行控制系统设计提供指导,并为其他过驱动系统的控制问题提供解决思路。
二、应对故障的常用技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应对故障的常用技术（论文提纲范文）
（1）极端事件下高铁航空运输网络脆弱性识别及改善理论研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要变量与符号 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容 |
| 1.5 研究方法及技术路线 |
| 2 极端事件下交通运输网络脆弱性理论基础分析 |
| 2.1 交通运输网络脆弱性及相关概念的讨论 |
| 2.1.1 交通运输网络中的脆弱性 |
| 2.1.2 交通运输网络脆弱性相关概念 |
| 2.1.3 交通运输网络脆弱性相关概念比较 |
| 2.2 交通运输网络脆弱性的分析方法 |
| 2.2.1 基于复杂网络方法的交通运输网络脆弱性分析 |
| 2.2.2 基于系统的脆弱性分析 |
| 2.3 极端事件对交通运输网络的影响分析 |
| 2.3.1 影响交通运输网络的极端事件 |
| 2.3.2 极端事件的空间影响区域近似 |
| 2.4 交通运输网络脆弱性改善方法基础 |
| 2.5 高铁航空运输网络脆弱性改善理论构架 |
| 2.6 本章小结 |
| 3 高铁航空运输网络结构分析及脆弱节点和区域识别 |
| 3.1 基于换乘网络的网络特性研究方法 |
| 3.1.1 换乘网络构建 |
| 3.1.2 网络的模块化结构 |
| 3.1.3 局部和全局换乘连接强度 |
| 3.1.4 识别脆弱节点和区域的衡量指标构建 |
| 3.1.5 不同失效场景研究 |
| 3.1.6 实例分析数据集介绍 |
| 3.2 网络数值分析结果讨论 |
| 3.2.1 拓扑结构分析 |
| 3.2.2 脆弱节点识别 |
| 3.2.3 脆弱区域识别 |
| 3.2.4 高铁航空运输网络及其子网络脆弱性分析 |
| 3.3 本章小结 |
| 4 脆弱性视角下高铁航空一体化枢纽节点选择优化研究 |
| 4.1 问题描述 |
| 4.2 模型构建 |
| 4.2.1 模型假设 |
| 4.2.2 基础网络结构和参数定义 |
| 4.2.3 一体化枢纽节点选择优化及旅客出行径路规划模型构建 |
| 4.3 模型求解算法 |
| 4.3.1 列与约束生成算法框架逻辑 |
| 4.3.2 节点选择优化模型松弛主问题构建 |
| 4.3.3 节点选择优化模型对偶子问题构建及线性化处理 |
| 4.3.4 全局算法流程 |
| 4.4 考虑建设必要性的一体化枢纽节点选择优化扩展模型 |
| 4.5 算例分析 |
| 4.5.1 算例参数 |
| 4.5.2 算例结果分析 |
| 4.6 本章小结 |
| 5 考虑节点防护的高铁航空运输网络脆弱性改善研究 |
| 5.1 问题描述 |
| 5.2 模型构建 |
| 5.2.1 模型假设 |
| 5.2.2 基础网络结构和参数定义 |
| 5.2.3 高铁航空运输网络可行径路集生成模型 |
| 5.2.4 高铁航空运输网络中节点防护模型 |
| 5.3 高铁航空运输网络中节点防护模型分解 |
| 5.3.1 节点防护问题的主问题构建 |
| 5.3.2 节点防护模型对偶子问题构建及线性化处理 |
| 5.3.3 全局算法流程 |
| 5.4 考虑不同情况发生可能性的扩展模型 |
| 5.5 算例分析 |
| 5.5.1 算例参数 |
| 5.5.2 算例计算结果分析 |
| 5.6 本章小结 |
| 6 案例分析 |
| 6.1 案例背景及基础数据 |
| 6.2 高铁航空运输网络一体化枢纽节点选择及出行径路规划讨论 |
| 6.2.1 相关参数说明 |
| 6.2.2 脆弱性因素对一体化枢纽节点选择的影响 |
| 6.2.3 考虑建设必要性的一体化枢纽节点选择 |
| 6.3 脆弱节点防护方案优化 |
| 6.3.1 相关参数说明 |
| 6.3.2 基础计算结果讨论 |
| 6.3.3 高铁航空综合网络防护程度与脆弱性的探讨 |
| 6.3.4 考虑不同情况发生可能性的保护方案比较 |
| 6.4 本章小结 |
| 7 研究结论及展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）面向复杂劣化信号的预测健康指数构造方法研究及应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 铁路数据驱动的预测修现状 |
| 1.2.1 铁路设备的状态监测现状 |
| 1.2.2 铁路数据驱动的RUL预测 |
| 1.3 数据驱动的RUL预测研究现状 |
| 1.3.1 基于回归模型的RUL预测方法 |
| 1.3.2 基于相似性的RUL预测方法 |
| 1.3.3 基于状态外推的RUL预测方法 |
| 1.3.4 健康指数的构造方法 |
| 1.3.5 方法的有效性验证 |
| 1.3.6 研究现状总结和分析 |
| 1.4 研究意义和主要内容 |
| 1.5 论文研究思路和篇章结构 |
| 2 基于劣化信号非线性融合的健康指数构造方法 |
| 2.1 问题描述 |
| 2.2 基于深度神经网络的健康指数构造建模与求解 |
| 2.2.1 基于深度神经网络的数据融合模型和架构 |
| 2.2.2 基于RMSprop的采样算法 |
| 2.2.3 算法超参数学习 |
| 2.3 仿真分析 |
| 2.3.1 多传感器数据仿真 |
| 2.3.2 劣化建模和RUL预测 |
| 2.3.3 基于深度神经网络的健康指数构造 |
| 2.3.4 RUL预测结果比较和分析 |
| 2.3.5 健康指数的鲁棒性分析 |
| 2.4 案例验证 |
| 2.4.1 劣化数据集的描述 |
| 2.4.2 数据集的预处理 |
| 2.4.3 基于深度神经网络的数据融合模型 |
| 2.4.4 RUL预测结果比较和分析 |
| 2.4.5 深度神经网络超参数的选择 |
| 2.5 小结 |
| 3 基于劣化信息定位和融合的结构化信号健康指数构造方法 |
| 3.1 问题描述 |
| 3.2 基于稀疏学习和保序回归的健康指数构造方法 |
| 3.2.1 数据定义 |
| 3.2.2 信号建模及解耦策略 |
| 3.2.3 结构化信号的背景估计 |
| 3.2.4 劣化模式和劣化路径的估计 |
| 3.3 仿真分析 |
| 3.3.1 结构化数据仿真 |
| 3.3.2 健康指数的构造 |
| 3.3.3 劣化建模和RUL预测 |
| 3.3.4 RUL预测结果分析 |
| 3.4 小结 |
| 4 基于协变量和背景关系估计的高维信号健康指数构造方法 |
| 4.1 问题描述 |
| 4.1.1 存在数据缺失的时变高维信号健康指数构造 |
| 4.1.2 高维回归模型综述及难点分析 |
| 4.2 基于增强张量回归的健康指数构造方法 |
| 4.2.1 多重线性代数基础知识 |
| 4.2.2 数据缺失下张量回归建模 |
| 4.2.3 基于特征融合的健康指数构造 |
| 4.3 仿真分析 |
| 4.3.1 曲面数据仿真 |
| 4.3.2 回归预测结果分析 |
| 4.4 案例验证 |
| 4.4.1 数据集介绍 |
| 4.4.2 回归预测结果分析 |
| 4.4.3 健康指数构造和RUL预测结果分析 |
| 4.5 小结 |
| 5 铁路道岔系统应用案例 |
| 5.1 道岔系统介绍及问题描述 |
| 5.1.1 道岔构成、机理及状态监测 |
| 5.1.2 文献综述及难点分析 |
| 5.2 基于惩罚卷积模型的漏油监测和预测 |
| 5.2.1 油泄漏的监测和预测框架 |
| 5.2.2 温度和液位关系建模 |
| 5.2.3 漏油监测和预测 |
| 5.2.4 案例验证 |
| 5.3 滑床板劣化的健康指数构造和RUL预测 |
| 5.3.1 数据集介绍 |
| 5.3.2 健康指数构造、RUL预测和结果分析 |
| 5.4 小结 |
| 6 结论与展望 |
| 6.1 主要工作与结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A RMSprop 算法 |
| 附录 B 基于线性化指数模型的 RUL 预测 |
| 附录 C 近似算子推导 |
| 附录 D 问题(3-6)推导 |
| 附录 E 问题(4-7)到(4-9)的转化 |
| 附录 F 问题(4-13)的转化 |
| 附录 G 问题(4-16)的转化 |
| 附录 H 套刻误差的生成过程 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）多能互补系统可靠性评估及运行优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 极端气候对能源供应影响极大 |
| 1.1.2 能源系统脱碳对碳中和行动意义重大 |
| 1.1.3 能源利用技术的进步给可靠性评估带来挑战 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 能源云技术的发展及现状 |
| 1.3.2 能源系统运行优化研究现状 |
| 1.3.3 能源系统可靠性评估研究现状 |
| 1.3.4 国内外研究现状总结 |
| 1.4 本文主要研究工作 |
| 第2章 多能系统优化运行及可靠性评估理论基础 |
| 2.1 能源集线器模型 |
| 2.2 多目标优化理论及方法 |
| 2.2.1 理论基础 |
| 2.2.2 多目标优化方法 |
| 2.3 可靠性评估基本理论 |
| 2.3.1 可靠性评估基本方法 |
| 2.3.2 区域多能系统可靠性指标 |
| 2.4 本章小结 |
| 第3章 基于储能灵活调度的多能互补系统多目标运行优化 |
| 3.1 多能互补系统设备模型 |
| 3.1.1 可再生能源发电 |
| 3.1.2 冷热电联产 |
| 3.1.3 燃气锅炉 |
| 3.1.4 制冷机组 |
| 3.1.5 海水源热泵 |
| 3.1.6 蓄能装置 |
| 3.2 单目标MILP混合整数线性规划模型 |
| 3.2.1 决策变量 |
| 3.2.2 目标函数 |
| 3.2.3 能源转换设备能力约束 |
| 3.3 能源转换设备运行调节策略 |
| 3.3.1 储能运行机制 |
| 3.3.2 设备运行机制 |
| 3.4 基于非支配排序的遗传算法的模型求解 |
| 3.5 本章小结 |
| 第4章 基于马尔可夫蒙特卡洛模拟的多能系统可靠性评估 |
| 4.1 马尔可夫链蒙特卡罗法 |
| 4.2 能源转换设备随机状态模型 |
| 4.3 可靠性指标 |
| 4.3.1 供能保障度 |
| 4.3.2 供能不足持续时间 |
| 4.3.3 缺供能源总量 |
| 4.3.4 指标加权 |
| 4.4 故障应对机制及算法流程 |
| 4.4.1 故障应对机制 |
| 4.4.2 算法流程 |
| 4.5 本章小结 |
| 第5章 基于两阶段优化评估模型的案例分析 |
| 5.1 案例简介 |
| 5.2 基于储能灵活调度的多能系统运行优化及可靠性评估 |
| 5.2.1 优化运行结果分析 |
| 5.2.2 可靠性评估结果 |
| 5.3 多能互补系统综合评分影响因素分析 |
| 5.3.1 蓄能装置蓄配比影响分析 |
| 5.3.2 海水源热泵配置比影响分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及科研工作 |
| 致谢 |
（4）基于大数据分析的燃煤电站引风机状态预警研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 第2章 燃煤电站引风机特征及状态预警技术介绍 |
| 2.1 引风机结构和工作特点 |
| 2.2 引风机的主要特征信息 |
| 2.3 燃煤电站引风机的常见故障类型及造成因素 |
| 2.4 常用数据预处理方法 |
| 2.4.1 滑动平均消噪 |
| 2.4.2 归一化处理 |
| 2.5 常用的设备状态预警方法 |
| 2.5.1 状态预警技术路线 |
| 2.5.2 基于大数据分析的状态预警模型常用训练方法 |
| 2.6 本章小结 |
| 第3章 基于大数据分析的引风机状态预警模型建立 |
| 3.1 案例机组介绍 |
| 3.2 引风机状态预警系统设计 |
| 3.2.1 技术路线确立 |
| 3.2.2 运行数据采集和预处理 |
| 3.2.3 引风机特征信息预测模型建立 |
| 3.3 本章小结 |
| 第4章 基于大数据分析的引风机状态预警模型训练及校验 |
| 4.1 引风机状态预警模型的训练及校验 |
| 4.3 引风机状态预警系统整体设计 |
| 4.4 引风机状态预警系统应用 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 攻读硕士学位期间参与的科研项目 |
| 致谢 |
（5）基于车车通信列控系统的邻域列车协作方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 车车通信列控系统 |
| 1.4 论文研究内容及结构 |
| 2 车车通信协作特点及建模验证分析方法 |
| 2.1 新型列控系统通信协作特点 |
| 2.2 列控系统形式化建模方法分析 |
| 2.2.1 列控系统常用建模方法分析 |
| 2.2.2 层次有色Petri网建模方法 |
| 2.2.3 功能验证与性能分析方法 |
| 2.3 邻域列车协作方法形式化建模与验证流程 |
| 2.3.1 邻域列车协作场景形式化建模与验证流程 |
| 2.3.2 UML与CPN模型转换规则 |
| 2.4 本章小结 |
| 3 新型列控系统邻域协作方法核心功能研究 |
| 3.1 邻域协作需求分析与功能划分 |
| 3.1.1 车车通信方案设计 |
| 3.1.2 邻域协作需求分析 |
| 3.1.3 邻域协作功能划分 |
| 3.2 邻域通信关系管理方法设计 |
| 3.2.1 邻域车识别 |
| 3.2.2 列车追踪关系管理方法设计 |
| 3.2.3 列车邻域协作关系管理方法设计 |
| 3.3 邻域控制权管理方法设计 |
| 3.3.1 基于主控车的邻域信息处理方法 |
| 3.3.2 邻域主控权移交方法 |
| 3.3.3 邻域拆分与组合方法 |
| 3.4 异常情况下的邻域协作安全防护方法研究 |
| 3.4.1 异常场景分析 |
| 3.4.2 基于邻域内信息共享的安全防护方法 |
| 3.4.3 基于控制模式切换的安全防护方法 |
| 3.5 本章小结 |
| 4 基于HCPN的邻域协作方法建模与分析 |
| 4.1 邻域通信关系管理方法建模与仿真分析 |
| 4.1.1 邻域通信关系管理顶层模型 |
| 4.1.2 邻域通信关系管理中间模型 |
| 4.1.3 邻域通信关系管理底层模型 |
| 4.1.4 模型仿真与分析 |
| 4.2 邻域控制权管理方法建模 |
| 4.2.1 邻域变更场景描述 |
| 4.2.2 基于CPN的邻域变更场景模型建立 |
| 4.2.3 模型仿真与分析 |
| 4.3 基于邻域协作的安全防护场景建模 |
| 4.3.1 故障场景描述 |
| 4.3.2 基于HCPN的安全防护场景模型建立 |
| 4.3.3 模型仿真与分析 |
| 4.4 本章小结 |
| 5 基于状态机的邻域协作仿真平台设计 |
| 5.1 邻域协作过程中列车状态分析 |
| 5.1.1 追踪通信关系管理状态变化 |
| 5.1.2 邻域协作管理状态变化 |
| 5.1.3 邻域安全防护状态变化 |
| 5.2 邻域协作的状态机模型 |
| 5.2.1 邻域协作整体模型结构设计 |
| 5.2.2 追踪通信关系管理模型 |
| 5.2.3 邻域通信关系管理模型 |
| 5.2.4 邻域控制权管理模型 |
| 5.2.5 邻域安全防护模型 |
| 5.3 仿真平台设计与功能验证 |
| 5.3.1 邻域协作模型仿真平台搭建 |
| 5.3.2 邻域协作模型仿真和功能验证 |
| 5.4 本章小结 |
| 6 基于邻域协作的列车信息同步新方法研究 |
| 6.1 邻域信息同步方法设计框架 |
| 6.2 邻域信息同步原理 |
| 6.2.1 分布式多智能体系统 |
| 6.2.2 时钟模型与数学理论基础 |
| 6.3 无目标邻域信息同步方法 |
| 6.3.1 同步协议设计 |
| 6.3.2 数值仿真分析 |
| 6.4 有目标邻域信息同步方法 |
| 6.4.1 同步协议设计 |
| 6.4.2 数值仿真分析 |
| 6.5 邻域变更情况下的信息同步流程设计 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）基于风险管理的铁路供电维修安全管理研究（论文提纲范文）
| 致 谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 我国铁路安全风险管理 |
| 1.4 论文的研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 2 安全风险管理理论 |
| 2.1 风险管理概念 |
| 2.2 事故致因理论的发展 |
| 2.2.1 单因素事故致因理论 |
| 2.2.2 事故因果连锁理论 |
| 2.2.3“流行病学”理论 |
| 2.2.4 系统理论 |
| 2.3 风险管理过程 |
| 2.4 风险管理理论 |
| 2.4.1 风险识别技术 |
| 2.4.2 风险分析及评价方法 |
| 2.4.3 风险应对方法 |
| 2.4.4 风险监督方法 |
| 2.5 本章小结 |
| 3 铁路供电维修概述 |
| 3.1 铁路供电维修作业组织 |
| 3.2 铁路供电维修作业内容 |
| 3.2.1 铁路供电维修的基本形式 |
| 3.2.2 铁路供电设备检测监测内容 |
| 3.2.3 铁路供电设备维修内容 |
| 3.3 本章小结 |
| 4 铁路供电维修安全管理 |
| 4.1 铁路供电维修安全管理范围 |
| 4.1.1 铁路供电维修业务范围 |
| 4.1.2 铁路供电维修业务管理 |
| 4.1.3 铁路供电维修安全管理范围 |
| 4.2 铁路供电维修危害识别 |
| 4.2.1 铁路供电维修危害识别方法 |
| 4.2.2 铁路供电设备检测监测作业危害 |
| 4.2.3 铁路供电设备维修作业危害 |
| 4.3 铁路供电维修风险评估 |
| 4.3.1 铁路供电维修安全风险评价模型 |
| 4.3.2 铁路供电维修风险接受准则 |
| 4.3.3 铁路供电维修安全风险分析和评价 |
| 4.4 铁路供电维修风险应对 |
| 4.4.1 铁路供电维修风险应对原则 |
| 4.4.2 铁路供电维修安全风险应对措施 |
| 4.5 铁路供电维修风险监控 |
| 4.5.1 供电维修安全风险监控方法 |
| 4.5.2 铁路供电维修安全风险管理改进 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 总结和结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A 供电设备检测监测作业、天窗内作业、天窗作业风险控制表 |
| 作者简历及攻读学位期间取得的科研成果 |
| 学位论文数据集 |
（7）基于数据驱动的电力系统暂态稳定评估（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文研究背景 |
| 1.2 电力系统暂态稳定评估及其经典算法 |
| 1.2.1 暂态稳定评估数学模型 |
| 1.2.2 暂态稳定评估经典算法 |
| 1.3 数据驱动技术综述 |
| 1.3.1 算法 |
| 1.3.2 数据 |
| 1.3.3 算力 |
| 1.3.4 框架 |
| 1.4 数据驱动技术在暂态稳定评估中的应用综述 |
| 1.4.1 数据驱动评估模型构建框架 |
| 1.4.2 数据驱动评估模型构建算法 |
| 1.4.3 数据驱动评估模型应用挑战 |
| 1.5 本文研究工作概述 |
| 1.5.1 拟解决的问题与研究思路 |
| 1.5.2 后续章节内容安排 |
| 第二章 基于级联式卷积神经网络的暂态稳定批量评估算法 |
| 2.1 引言 |
| 2.2 暂态稳定批量评估问题阐述 |
| 2.3 基于卷积神经网络的暂态稳定评估 |
| 2.3.1 卷积神经网络 |
| 2.3.2 基于单个卷积神经网络的暂态稳定评估模型 |
| 2.3.3 输入数据仿真及预处理 |
| 2.3.4 稳定性结论及其可信度评估 |
| 2.4 快速暂态稳定批量评估算法框架 |
| 2.4.1 级联式卷积神经网络评估框架 |
| 2.4.2 基于误判场景的模型训练策略 |
| 2.4.3 基于反馈学习的模型更新策略 |
| 2.4.4 性能评价指标 |
| 2.5 数值实验与分析 |
| 2.5.1 算法性能评测:以IEEE-39 节点测试系统为例 |
| 2.5.2 算法可拓展性评测:以Polish-2383 节点系统为例 |
| 2.6 本章小结 |
| 第三章 基于信息熵优先策略的暂态稳定批量评估算法 |
| 3.1 引言 |
| 3.2 基于信息熵优先策略的批量稳定评估算法 |
| 3.2.1 基于信息熵的优先评估策略指标 |
| 3.2.2 基于信息熵优先策略的任务队列与模型更新机制 |
| 3.2.3 基于内存镜像的存储加速技术 |
| 3.2.4 待评估样本批次划分策略 |
| 3.3 基于信息熵优先策略的暂态稳定批量评估应用框架 |
| 3.4 数值实验与分析 |
| 3.4.1 测试系统 |
| 3.4.2 神经网络结构设计与可视化 |
| 3.4.3 统计性测试结果 |
| 3.4.4 模型鲁棒性测试结果 |
| 3.5 本章小结 |
| 第四章 基于图生成对抗网络的三相不对称电网生成算法 |
| 4.1 引言 |
| 4.2 基于图生成对抗网络的拓扑生成算法 |
| 4.2.1 Wasserstein GAN模型 |
| 4.2.2 基于UGL-GAN模型的网络拓扑生成算法 |
| 4.3 三相不对称电网的修正、拓展及性能评价 |
| 4.3.1 基于核密度估计的时序负荷数据生成算法 |
| 4.3.2 电网负荷分配及拓扑修正算法 |
| 4.3.3 考虑电网元件的电网拓展算法 |
| 4.3.4 性能评价指标 |
| 4.4 算例分析 |
| 4.4.1 网络生成结果 |
| 4.4.2 应用实例 |
| 4.5 本章小结 |
| 第五章 基于嵌入式人工智能的混联输电线路单端故障定位 |
| 5.1 引言 |
| 5.2 混联输电线路单端故障波形特性分析 |
| 5.3 基于人工智能技术的故障定位 |
| 5.3.1 长短期记忆网络 |
| 5.3.2 单端故障定位模型 |
| 5.4 基于嵌入式人工智能的故障定位框架 |
| 5.5 算例分析 |
| 5.5.1 测试环境与测试系统 |
| 5.5.2 测试数据生成 |
| 5.5.3 模型训练结果 |
| 5.5.4 模型测试结果 |
| 5.6 本章小结 |
| 第六章 暂态稳定边界快速生成与在线稳定评估算法 |
| 6.1 引言 |
| 6.2 暂态稳定边界快速生成算法 |
| 6.2.1 暂态稳定边界数学模型 |
| 6.2.2 暂态稳定性指标及其灵敏度 |
| 6.2.3 关键暂态稳定数据样本采样策略 |
| 6.2.4 暂态稳定边界构建及样本重采样算法 |
| 6.2.5 数据采样终止判据 |
| 6.3 关键场景筛选算法 |
| 6.3.1 初始搜索空间筛选 |
| 6.3.2 关键运行场景筛选 |
| 6.3.3 关键扰动场景筛选 |
| 6.3.4 实际运行点匹配与关键发电机组降维算法 |
| 6.4 电力系统在线稳定评估框架 |
| 6.5 算例分析 |
| 6.5.1 暂态稳定边界生成可视化:以IEEE-9 节点电力系统为例 |
| 6.5.2 暂态稳定边界生成可拓展性测试:以NESTA-162 节点电力系统为例 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 附录 |
| 附录 A 发电机动态模型 |
| 附录 A.1 发电机模型参数说明 |
| 附录 A.2 二阶发电机模型 |
| 附录 A.3 四阶发电机模型 |
| 附录 A.4 六阶发电机模型 |
| 附录 B 励磁系统动态模型 |
| 附录 C 调速系统动态模型 |
| 附录 D 电力系统稳定器(PSS)动态模型 |
| 作者简历及攻读学位期间取得的学术成果 |
（8）含大规模风电的发—输—配电系统充裕性优化决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发电充裕性评估模型 |
| 1.2.2 发电充裕性优化模型 |
| 1.2.3 输电系统可用输电能力决策 |
| 1.2.4 配电系统充裕性评估 |
| 1.3 研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 研究结构 |
| 1.4 论文的主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 发电充裕性评估理论 |
| 2.1.1 发电充裕性指标概述 |
| 2.1.2 发电充裕性指标的计算 |
| 2.1.3 基于蒙特卡洛法的发电充裕性评估 |
| 2.2 拟蒙特卡洛法 |
| 2.3 随机优化与场景分析理论 |
| 2.3.1 随机优化的基本概念与模型 |
| 2.3.2 场景分析理论 |
| 2.4 相关性分析理论 |
| 2.4.1 相关系数 |
| 2.4.2 Copula理论 |
| 2.4.3 藤Copula理论 |
| 2.5 风险度量 |
| 2.5.1 风险与风险度量概述 |
| 2.5.2 VaR和CVaR的定义及性质 |
| 2.5.3 VaR和CVaR的计算方法 |
| 2.6 本章小结 |
| 第3章 基于需求响应的含风电系统发电充裕性评估模型 |
| 3.1 发电机组特性建模 |
| 3.1.1 发电机组出力特征建模 |
| 3.1.2 发电机组的可靠性模型 |
| 3.2 用户负荷特征建模 |
| 3.2.1 刚性负荷 |
| 3.2.2 可中断负荷 |
| 3.2.3 可转移负荷 |
| 3.3 用户参与需求响应策略分析 |
| 3.3.1 前景理论中的价值函数 |
| 3.3.2 用户主观效用值的计算 |
| 3.3.3 基于改进Roth-Erev算法的用户行为意愿模型 |
| 3.4 考虑大规模风电消纳的需求响应调度模型 |
| 3.5 发电充裕性评估模型 |
| 3.5.1 发电充裕性指标的计算 |
| 3.5.2 发电充裕性评估模型 |
| 3.6 算例分析 |
| 3.6.1 测试系统与基本数据 |
| 3.6.2 发电充裕性评估结果及分析 |
| 3.6.3 对比分析 |
| 3.7 本章小结 |
| 第4章 基于Glue-VaR的大规模风电并网系统发电充裕性调度优化模型 |
| 4.1 基于Sobol序列改进拉丁超立方抽样的随机场景生成方法 |
| 4.1.1 风速预测误差的非参数分布模型 |
| 4.1.2 基于D-vine Copula的风速预测误差相关性分析模型 |
| 4.1.3 Sobol序列改进的拉丁超立方抽样方法 |
| 4.1.4 基于SaLHS的随机场景生成方法 |
| 4.2 基于Glue-VaR的发电充裕性评估指标 |
| 4.3 考虑发电充裕性风险的调度优化模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.3.3 基于熵权-加权聚合和积评价的多目标求解方法 |
| 4.4 算例分析 |
| 4.4.1 基于SaLHS的风速预测误差场景生成 |
| 4.4.2 多目标日前随机调度结果及分析 |
| 4.4.3 对比分析 |
| 4.5 本章小结 |
| 第5章 基于期望分位数的含风电系统可用输电能力的决策模型 |
| 5.1 考虑大规模风电消纳的可用输电能力决策问题分析 |
| 5.1.1 可用输电能力评估框架 |
| 5.1.2 考虑相关性的多风电场联合出力不确定性建模 |
| 5.1.3 考虑大规模风电消纳的可用输电能力评估模型 |
| 5.2 基于联合累积量的可用输电能力概率评估模型 |
| 5.3 基于期望分位数的风险可用输电能力决策模型 |
| 5.3.1 期望分位数 |
| 5.3.2 基于期望分位数的风险可用输电能力评估指标 |
| 5.3.3 基于期望分位数的风险可用输电能力决策步骤 |
| 5.4 算例分析 |
| 5.4.1 测试系统与基本数据 |
| 5.4.2 可用输电能力评估结果及分析 |
| 5.4.3 对比分析 |
| 5.5 本章小结 |
| 第6章基于相对鲁棒GVaR的配电系统风电接入充裕性优化模型 |
| 6.1 基于相对鲁棒GVaR的风电接入充裕性指标 |
| 6.1.1 风电接入充裕性 |
| 6.1.2 相对鲁棒GVaR风险评估模型 |
| 6.1.3 基于相对鲁棒GVaR的配电系统风电接入充裕性指标 |
| 6.2 风电-负荷分级功率模型 |
| 6.3 考虑风电接入充裕性的随机-鲁棒混合优化模型 |
| 6.3.1 目标函数 |
| 6.3.2 约束条件 |
| 6.4 随机-鲁棒混合优化模型转换与求解 |
| 6.5 算例分析 |
| 6.5.1 测试系统与基本数据 |
| 6.5.2 优化结果及分析 |
| 6.5.3 对比分析 |
| 6.6 本章小结 |
| 第7章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（9）直流配电网优化重构及故障自愈算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 直流配电网目前研究现状 |
| 1.3 直流配电网优化重构国内外研究现状 |
| 1.4 直流配电网故障自愈国内外研究现状 |
| 1.5 本文主要研究内容 |
| 第2章 直流配电网网架结构及常用设备类型 |
| 2.1 引言 |
| 2.2 直流配电网典型拓扑 |
| 2.3 电压源控制型换流器(VSC)常见类型 |
| 2.4 DC-DC直流变压器常用拓扑 |
| 2.5 光伏电源 |
| 2.6 负荷模型 |
| 2.7 本章小结 |
| 第3章 直流配电网潮流计算 |
| 3.1 引言 |
| 3.2 直流配电网潮流计算模型 |
| 3.2.1 采用下垂控制的电压源型换流器(VSC)潮流计算模型 |
| 3.2.2 DC-DC直流变压器潮流计算模型 |
| 3.2.3 直流配电网节点类型 |
| 3.3 直流配电网潮流计算方法 |
| 3.3.1 传统潮流计算方法 |
| 3.3.2 考虑换流器准确损耗模型计算潮流 |
| 3.4 直流配电网潮流计算过程及算例分析 |
| 3.5 本章小结 |
| 第4章 直流配电网优化重构 |
| 4.1 引言 |
| 4.2 直流配电网多目标重构数学模型构建 |
| 4.2.1 多优化目标选取 |
| 4.2.2 约束条件 |
| 4.2.3 优化目标模糊化处理 |
| 4.2.4 综合适应度 |
| 4.3 直流配电网多目标重构数学模型求解 |
| 4.3.1 二进制粒子群算法原理 |
| 4.3.2 直流配电网多目标优化求解过程 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 直流配电网故障自愈 |
| 5.1 引言 |
| 5.2 直流配电网常见故障类型及其特征 |
| 5.3 直流配电网故障定位保护方法 |
| 5.4 直流配电网故障自愈算法 |
| 5.4.1 故障恢复目标函数 |
| 5.4.2 约束条件 |
| 5.4.3 基于图论的直流配电网故障自愈算法 |
| 5.5 算例分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录1 修改的IEEE33节点系统参数 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（10）面向高效能的飞翼无人机气动代理模型设计及控制分配（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 飞翼无人机控制系统设计的挑战和机遇 |
| 1.3 控制分配方法研究现状 |
| 1.3.1 级联飞行控制系统架构 |
| 1.3.2 控制分配方法发展与现状 |
| 1.3.3 基于Kriging代理模型的控制分配 |
| 1.3.4 重构控制分配方法 |
| 1.4 研究内容与论文结构 |
| 第2章 飞翼无人机操纵面特性与建模 |
| 2.1 飞翼无人机模型 |
| 2.2 多操纵面系统特性分析 |
| 2.2.1 操纵面气动操纵特性 |
| 2.2.2 执行机构模型 |
| 2.3 飞翼无人机数学模型 |
| 2.3.1 坐标系及运动参数定义 |
| 2.3.2 飞翼无人机非线性模型 |
| 2.4 动态逆控制律设计 |
| 2.5 本章小结 |
| 第3章 基于Kriging的高效能控制分配方法研究 |
| 3.1 控制分配数学模型 |
| 3.2 操纵面气动代理模型 |
| 3.2.1 多项式代理模型 |
| 3.2.2 径向基函数模型 |
| 3.2.3 Kriging模型 |
| 3.2.4 模型近似精度验证 |
| 3.3 基于Kriging模型的控制分配方法 |
| 3.3.1 面向控制能耗的分配问题建模 |
| 3.3.2 优化算法 |
| 3.3.3 两种方法性能对比 |
| 3.3.4 混合优化算法 |
| 3.4 控制分配性能分析 |
| 3.4.1 开环/闭环分配性能 |
| 3.4.2 开环分配性能验证 |
| 3.4.3 闭环分配性能验证 |
| 3.5 本章小节 |
| 第4章 Co-Kriging气动代理模型设计及多目标控制分配 |
| 4.1 多置信度代理模型的试验设计方法 |
| 4.1.1 多置信度代理模型 |
| 4.1.2 实验设计方法 |
| 4.2 Co-Kriging代理模型建模方法 |
| 4.2.1 Co-Kriging模型算法 |
| 4.2.2 加点准则 |
| 4.2.3 终止准则 |
| 4.2.4 Co-Kriging建模精度评估 |
| 4.3 多目标控制分配问题 |
| 4.4 综合函数多目标优化方法 |
| 4.5 分层优化多目标粒子群方法 |
| 4.6 基于Co-Kriging的多目标控制分配方法 |
| 4.6.1 姿态角跟踪性能 |
| 4.6.2 分配误差 |
| 4.6.3 控制能耗 |
| 4.6.4 升力、阻力系数 |
| 4.7 本章小节 |
| 第5章 面向操纵面故障的重构控制分配方法 |
| 5.1 重构控制分配架构 |
| 5.2 面向操纵面损伤的重构控制分配 |
| 5.2.1 损伤故障模型与重构设计 |
| 5.2.2 开环分配效果 |
| 5.2.3 闭环分配效果 |
| 5.3 面向操纵面卡阻的重构控制分配 |
| 5.3.1 卡阻故障模型与重构设计 |
| 5.3.2 开环分配效果 |
| 5.3.3 闭环分配效果 |
| 5.4 面向操纵面松浮的重构控制分配 |
| 5.4.1 松浮故障模型与重构设计 |
| 5.4.2 开环分配效果 |
| 5.4.3 闭环分配效果 |
| 5.5 面向操纵面中位偏置的重构控制分配 |
| 5.5.1 中位偏置故障模型与重构设计 |
| 5.5.2 开环分配效果 |
| 5.5.3 闭环分配效果 |
| 5.6 本章小节 |
| 第6章 柔性自适应操纵面建模及控制分配方法 |
| 6.1 柔性操纵面的概念 |
| 6.2 变形后缘机翼 |
| 6.2.1 变形机构 |
| 6.2.2 气动计算 |
| 6.2.3 转矩可达集对比 |
| 6.3 柔性操纵面飞翼无人机 |
| 6.3.1 飞翼无人机模型 |
| 6.3.2 气动分析与Kriging建模 |
| 6.4 控制分配算法与仿真分析 |
| 6.5 本章小节 |
| 第7章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 论文主要创新点 |
| 7.3 进一步研究方向 |
| 附录A 非线性动态逆控制方法设计 |
| A.1 非线性动态逆基础 |
| A.2 输入-输出线性化 |
| A.3 状态转移 |
| A.4 多输入-多输出系统的动态逆控制律 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
四、应对故障的常用技术（论文参考文献）
- [1]极端事件下高铁航空运输网络脆弱性识别及改善理论研究[D]. 冯骁. 北京交通大学, 2021(02)
- [2]面向复杂劣化信号的预测健康指数构造方法研究及应用[D]. 王峰. 北京交通大学, 2021(02)
- [3]多能互补系统可靠性评估及运行优化方法研究[D]. 王岳振. 青岛理工大学, 2021(02)
- [4]基于大数据分析的燃煤电站引风机状态预警研究[D]. 郑福豪. 华北电力大学(北京), 2021(01)
- [5]基于车车通信列控系统的邻域列车协作方法研究[D]. 赵潇楠. 北京交通大学, 2021(02)
- [6]基于风险管理的铁路供电维修安全管理研究[D]. 桂俊华. 中国铁道科学研究院, 2021(01)
- [7]基于数据驱动的电力系统暂态稳定评估[D]. 颜融. 浙江大学, 2021(09)
- [8]含大规模风电的发—输—配电系统充裕性优化决策研究[D]. 马泽洋. 华北电力大学(北京), 2021(01)
- [9]直流配电网优化重构及故障自愈算法研究[D]. 柴睿. 太原理工大学, 2021(01)
- [10]面向高效能的飞翼无人机气动代理模型设计及控制分配[D]. 赵昕辉. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)