【摘 要】
：
风力发电具有随机性、间歇性和波动性等特点，风力发电系统容易受外部环境影响而发生故障。为避免严重的经济损失，本文提出基于重要度的风力发电系统可靠性优化模型。首先，基于风速特性定义风力发电系统可靠性。然后，给出风力发电系统Birnbaum重要度和综合重要度，分析节点对风力发电系统可靠性的影响程度；然后通过重要度梯度对风力发电系统进行可靠性优化。最后针对某风力发电系统，分析节点和系统可靠性，给出不同重要
【基金项目】
：
国家自然科学基金资助项目（72071182，U1904211）； 教育部人文社科规划基金资助项目（20YJA630012）； 河南省科技攻关（222102520019）； 河南省高校科技创新人才支持计划（22HASTIT022）； 河南省高等学校青
论文部分内容阅读
风力发电具有随机性、间歇性和波动性等特点，风力发电系统容易受外部环境影响而发生故障。为避免严重的经济损失，本文提出基于重要度的风力发电系统可靠性优化模型。首先，基于风速特性定义风力发电系统可靠性。然后，给出风力发电系统Birnbaum重要度和综合重要度，分析节点对风力发电系统可靠性的影响程度；然后通过重要度梯度对风力发电系统进行可靠性优化。最后针对某风力发电系统，分析节点和系统可靠性，给出不同重要度下节点对系统可靠性的影响。基于不同重要度评估固定资源约束下故障节点的维修顺序，通过重要度梯度评估风力发电系统可靠性提升最快方向。
其他文献
行车调度员作为城市轨道交通运营的幕后指挥者，承担着全线列车运行监控及突发情况下的应急指挥工作。梳理了行车调度员在信息上传下达、故障信息收集、初期应急处置及行车调整等方面存在的问题，并引入三类典型处置案例进行分析。最后对行车调度员应急处置能力提升提出几点对策和建议。
目的胃食管反流病（Gastroesophageal reflux disease,GERD）是临床常见疾病,随着疾病的进展,GERD患者常伴随焦虑、抑郁等精神心理状态,这些心理状态也影响疾病的发展。因此,本研究试通过证素辨证,探讨GERD不同亚型——非糜烂性反流病（Non-erosive reflux disease,NERD）与反流性食管炎（Reflux esophagitis,RE）的焦虑、抑
为打破城市轨道交通传统单线调度指挥模式在大规模运营网络中日益凸显的调度流程繁琐、线路间联动沟通不畅、处理突发事件效率不高等问题，提高线网级调度管控能力，以大城市快速发展对城市轨道交通的重大需求为牵引，以重庆轨道集团既有研究及实践成果为基础，通过城市轨道交通多源大数据分析关键技术，搭建城市轨道交通多源大数据平台，通过全局列车运行计划智能编制、全局列车运行智能调度、全局应急协调指挥等关键技术实现全局调
为满足轨道交通市域线路网络化运营和公交化运营的需求，开展适用于城轨快线多线路的网络化调度系统研究。基于重庆市城轨快线工程的实际情况，对网络化运营需求以及运营管控模式进行分析，提出“两级架构、综合管理”的运营管控模式。从系统功能、系统架构、系统接口3方面对网络化调度系统解决方案进行研究及比选，阐述基于一张运行图对线网运营进行统一管理的网络化调度相关功能，提出基于中心-车站一体化、中心服务器分散设置的
《峨日朵雪峰之侧》在还原分析法之下，凸显了一组常态与超常态的矛盾关系：作者处于极端危险与紧张的环境中的心理——“快慰”是一反常态的。快慰的本质是对自我力量的欣赏，是对壮美自然与悲壮生命的审美凝视，这源于作者昌耀在劳改加诸肉体的物理性强击和重压之下进行的精神改造。
常规风电机组状态视频监测方法采用GRU和注意力机制采集状态视频图像，视频图像采集实时性较差，且视频图像信息数据提取精度较低，导致风电机组状态监测值与实际值之间偏差较大。为了改善这一问题，引入了物联网架构与自动化技术，并提出一种全新的监测方法。首先结合物联网技术感知功能、智能功能与互联功能，然后采集风电机组状态视频图像，传输至自动监测平台；最后从线性组合风电机组运行状态原变量，计算机组主成分的贡献率
学习内驱力目前正被广泛地应用于对深度学习与自我教育的讨论中。作为一种影响学习的情感因素，无论是将好奇、兴趣等作为其产生重要来源的本能论，还是将个体的自我实现和自主控制作为其产生来源的认知论，它们在各自的教育实践中都存在一定程度的局限性，且倾向于通过外部制度的不断“加码”来提升学习内驱力。而由于认知反馈所具有的隐蔽性和难以观察性，以及长久以来学校管理体制中对学生主体性地位的忽视，认知论总是处于被本能
随着互联网+技术的快速发展，信息技术应用到建筑工程的弱电系统中，提高了其智能化和高效性。文章提出将建筑工程弱电系统与消防技术融合，提高智能建筑消防系统运行的可靠性、精确性和高效性，为消防系统的智能化发展提供良好的契机，最大程度保障消防安全系统的稳定运行。
为了提高风力发电设备健康状态识别正确率，构建基于数据挖掘的风力发电设备健康状态自动识别模型。首先采集风力发电设备健康状态数据，采用小波变换对风力发电设备健康状态数据进行去噪处理，并引入数据挖掘技术中的Elman神经网络设计了风力发电设备健康状态自动识别模型，对Elman神经网络参数进行了优化，最后通过风力发电设备健康状态自动识别的仿真测试，结果表明，本模型的风力发电设备健康状态自动识别效果好，风力