基于LS-SVM的小水电站年发电量智

针对小水电站年发电量序列的特点，将最小二乘支持向量机（least squares support vector machine, LS-SVM）回归模型引入年发电量预测领域，并给出了相应的过程和算法。与常规基于人工神经网络（artificial neural networks, ANN）的智能预测方法比较，该模型优点是明显的：①将神经网络迭代学习问题转化为直接求解多元线性方程；②整个训练过程中有且仅有一个全局极值点，确定了预测的稳定性。最后，一个实际的预测例子表明：该模型实现容易、预测准确，适用于小水电站预测。     

稻茬麦播种施肥机械化技术应用效果及分析

安徽省的稻茬麦种植面积近66万hm~2,主要分布于沿淮丘陵地区。该区域田块土质粘重,适耕期较短,加之前茬水稻割茬高,造成稻茬麦种植时的整地质量差,影响小麦出苗率和出壮苗;前茬水稻腾茬时间晚,使小     

稻茬麦根系构型可视化与三向分型维研究

提出一种根系可视化分析方法用于定量稻茬田环境的小麦根系构型。使用根系构型数字化仪测试稻茬麦苗期根系构型,将所测数据导入Pro/E平台进行根系构型的3-D重构,然后对可视化根系进行3向平面投影,计算小麦根系在不同平面的分形维数与分形丰度。结果表明,该方法可以真实反映出田间稻茬麦根系构型的动态变化状况,而根系分形维数与分形丰度随时间逐步递增,正视图面的分形维数和分形丰度总大于左视图面。从播后第98天开始,俯视图面的根系构型分形维数与分形丰度出现突增。在3个投影面上稻茬麦根系的分形维数与分形丰度都高度相关,二者与根总长也存在一定的相关关系。     

基于智能体的泵站智能控制维护管理集成系统.

为了解决目前泵站自动化系统中,自动控制,维护,管理三个子系统不能相互协调的问题,在简要介绍智能体,多智能体系和智能控制,维护,管理研究现状的基础上,提出基于多智能体的分布式泵站智能控制,维护和管理集成系统的框架,最后探讨基于多智能体的泵站ICMMS系统的实现问题,并给出了一个具体的实例。     

建瓯市小水电开发现状浅析

建瓯地处福建省北部,闽江建溪的上游,属亚热带海洋性季风气候,多年平均降雨量1650mm。全市面积为4214km2,是福建省面积最大的市,人口51.45万人,水力资源丰富,建瓯水力资源理论蕴藏量为570MW,可利用开发资源为348MW,现已开发小水电资源210MW。     

发达国家现代农业发展方式的借鉴

当今世界尤其是发达国家．在传统农业向现代农业发展的历史背景下．现代农业的发展方式，因各国历史和国情的不同呈现出明显的共性与个性．研究表明，共性与个性都不是资源禀赋的函数。更多地表现为政策制度与组织体系差异的结果．     

农村小水电站机组增容改造的方法

我国在20世纪70年代兴建的小水电站已运行了几十年，随着新技术与新材料的应用，对老电站进行增容改造，提高电站的调峰能力是提高电站和县电网经济效益的关键措施之一。介绍了机组增容改造的方法和实际应用中应注意的问题。     

悬架橡胶件对汽车平顺性影响的多体动力学分析

应用有限元分析了汽车减振器橡胶支撑件的弹性特性,在此基础上,应用SIM PACK软件建立了整车多体动力学模型,分析了橡胶支撑件的刚度、阻尼对汽车行驶平顺性的影响。分析结果表明：在车身共振区,橡胶件对地板加速度功率谱影响较小,但在4-13Hz中频区,即人体比较敏感的范围内,橡胶件可以使地板加速度功率谱峰值减小6.5%-25.4%,因此悬架橡胶件对汽车行驶平顺性有明显的改善。此外,还得出对于刚度较大的橡胶件应选取较小阻尼,对于较软的橡胶件,可以忽略阻尼影响的结论。     

小水电站的调相运行

以小水电供电为主的县 ,不论是与国家大电网并网运行 ,还是以县为单位形成自己的独立小电网 ,其无功严重不足的状况是同样存在的。即使与国家大电网并网运行的县电网 ,也不可能获得国家电网的大量无功来弥补它的不足 ,必须依靠县电网自身设法解决。对此 ,不少县电网解决无功不足的办法 ,仅局限在采用设置并联电容器进行无功补偿的办法。而忽视了利用水电站的水轮发电机组作调相运行 ,同样可以向电网输送无功 ,来弥补县电网的无功不足。1　水电站调相运行的两种方式(1)水轮发电机组不分开。将未分开的水轮发电机组作调相运行 ,其运行操作、维…     

调控一体化后小电流接地系统“母线接地”分析

小电流接地系统供电可靠性相对较高,目前在我国110 kV以下电网中普遍使用。在当前实行调控一体化值班模式,变电站改为无人值班情况下,当小电流接地系统发生接线故障后,均由调控员在监控班进行遥控处理。在系统发生谐振、接地、熔断器熔断等故障时,监控机都只会发"母线接地"信号,但各种故障的母线电压表现不同,如何快速判别、正确处理,都由调控员人为进行,这就对调控人员提出了更高的技术要求。