Results 1 to 10 of about 521 (112)
Multiscale multiphysics modeling in geotechnical engineering
Journal of Zhejiang University: Science A, 2023 在岩土工程领域, 许多应用都涉及到多尺度和多物理场, 例如内部侵蚀、水力压裂、能源桩、城市垃圾处理、非常规油气藏的生产、天然气水合物的热激法和降压法开采、路面的冻融循环、放射性废物处理、污染物运移和二氧化碳封存等等。在文献中, 这些多物理场通常可能包括以下两个或者两个以上方面: 固体变形、流体流动扩散、热传导和热对流、化学/生物反应、电场等等。此外, 所研究的空间尺度可以从纳米级到微米级到数百公里级, 时间尺度也可以从纳秒到数百或数千年不等。近些年来, 受益于计算能力的持续发展和对精密设备制造的大量投资,
Zhenyu Yin, Qi Zhang, F. Laouafa
semanticscholar +1 more source
Hydrogeology Journal, 2022 Monitoring of dissolved methane concentrations in groundwater is required to identify impacts from oil and gas development and to understand temporal variability under background conditions.
J. W. Roy +6 more
semanticscholar +1 more source
基于GWO-LSTM与NKDE的变压器油中溶解气体体积分数点——区间联合预测方法
Gaoya dianqi, 2022 变压器油中溶解气体体积分数是表征变压器健康状态及故障特性的重要参量。因此，准确预测变压器油中溶解气体的体积分数，有助于及时把握变压器的状态演化与故障发展趋势。现有对气体体积分数预测的研究多集中在点预测方面，难以全面反映气体体积分数的不确定性信息。针对此问题，提出了一种基于灰狼优化长短期记忆网络（long short-term memory based on grey wolf optimization,GWO-LSTM）与非参数核密度估计（non-parametric kernel density ...
栗磊 +6 more
doaj
基于CEEMDAN-SG-BiLSTM的变压器油中溶解气体体积分数预测
Gaoya dianqi, 2023 变压器油中溶解气体体积分数可对变压器潜伏故障诊断提供重要依据，为了更精确的预测变压器油中溶解气体体积分数，提出了CEEMDAN结合BiLSTM网络的组合预测方法，先针对EMD中的模态混叠现象和EEMD重构误差较大的问题，提出了CEEMDAN，将气体序列分解，得到模态分量，并对高频波动分量进行Savitzky-Golay(SG)滤波，消弱高频分量中的极值点和噪声干扰。然后利用BiLSTM网络对各个分量进行预测，进一步提高特征提取的完整性。叠加重构所有分量的预测结果，得到变压器油中溶解气体体积分数预测值 ...
陈铁 +5 more
doaj
Gaoya dianqi, 2020 油中溶解气体分析是诊断油浸式变压器绝缘系统故障最有效的方法之一,对实现变压器故障精确诊断具有重要意义。文中基于深度信念网络（deep belief network,DBN）、BP神经网络（back propagation neural network,BPNN）和RBF神经网络（radial basis function neural network,RBFNN）构建了不同结构的变压器油中溶解气体分析模型,实现了基于油中溶解气体分析的变压器故障诊断。文中对比分析了不同建模方法 ...
任双赞 +4 more
doaj
Gaoya dianqi, 2021 变压器油中溶解气体在线监测是对油浸式变压器绝缘状况进行实时监测的有效技术手段。对油中溶解气体在线监测装置进行运行质量评价,对装置选型、供应商评价和保障变压器运行可靠性具有重要意义。现有的变电在线监测装置运行质量评价研究存在数据规模小和评价指标有限等问题。为提高评价水平,文中统计分析了大型数据集中在线监测装置的厂家分布、运行年限分布、数据质量等重要信息,然后建立了油中溶解气体在线监测装置运行质量的模糊层次综合评价模型;最后对数据集进行评价结果分析统计,证明了该评价体系反映各厂家监测装置实际应用情况的准确性。
刘慧鑫 +4 more
doaj
Evolvable Transformer Fault Diagnosis Model Combining Feature Analysis and Machine Learning [PDF]
Transformers, which possess complex mechanisms and exert an extensive influence, are important equipment in large power systems. The state detection and fault diagnosis of transformers are hence a key challenge in traditional power systems; they also ...
Yedong MAO, Chunhui ZHANG, Jie CHEN
core +1 more source
基于QPSO-SVM与DGA五边形解释工具的变压器故障诊断方法
Gaoya dianqi, 2021 鉴于变压器油中溶解气体分析(dissolved gas analysis,DGA)五边形解释工具存在依赖现场经验、准确率较低和分类边界过于绝对化等问题,提出了基于量子行为粒子群优化支持向量机(quantum-behaved particle swarm optimization support vector machine QPSO-SVM)与DGA五边形解释工具的变压器故障诊断方法。首先,基于变压器油中溶解气体数据,计算了Duval Pentagon1特征气体相对百分比的质心坐标和Mansour ...
张丞鸣, 谢菊芳, 胡东, 唐超
doaj
Gaoya dianqi, 2005 通过实际工作中正确消除变压器内部缺陷的几个典型例子,介绍了油中溶解气体分析法在变压器故障综合判断中的应用,并提出了存实际工作中使用《变压器油中溶解气体分析和判断导则》应注意的问题。
王美荣, 傅丽君
doaj
基于非负矩阵分解与改进极端学习机的变压器油中溶解气体浓度预测模型
Gaoya dianqi, 2016 变压器油中溶解气体浓度是评估变压器绝缘状态的重要依据,对气体浓度进行有效预测,可以及时识别变压器潜伏性故障。文中提出一种基于非负矩阵分解（nonnegative matrix factorization,NMF）与改进极端学习机（extreme learning machine,ELM）组合的变压器中溶解气体浓度预测模型。该方法通过NMF算法对输入样本进行分解,同时引入Adaboost算法对极端学习机进行改进;将低维矩阵作为模型的训练样本输入,剔除冗余数据,提高预测精度。实例分析结果表明 ...
刘亚南 +5 more
doaj