现代电力系统海量量测数据为电力系统暂态稳定评估提供可靠的数据基础,与此同时,数据信息挖掘成为研究焦点,暂态稳定分析中不平衡故障样本以及多特征电气量时间序列数据中所蕴藏的信息仍有待深入挖掘。为此,该文提出一种结合注意力机制的长短期记忆网络(long short term memory network with attention,LSTMA)方法,用以深入挖掘暂态稳定评估样本中所蕴藏的信息。在离线训练环节,以长短期记忆网络为基础分类器,引入Attention注意力机制引导模型学习样本中关键特征,并对损失函数进行改进,以此强化对不平衡样本的学习能力;在线应用环节,在目标域小样本条件下采用迁移学习方法更新成型的离线LSTMA模型,并对比不同迁移学习策略对模型性能影响,经过迁移学习建立的新运行点下的改进LSTMA模型评估精度有效提高,训练时间大幅减少,所得出的迁移学习策略确定方法有利于实际应用环节快速决策。研究在IEEE39节点和IEEE300节点系统上进行实验,验证了所提方法的有效性。
钛酸钡基电介质陶瓷因具有良好的介电和正温度系数特性已被广泛应用于科技、工业以及日常生活中,在新兴领域的需求下,开发具有低居里温度和高常温电阻率特性的电介质陶瓷材料具有重要意义。因此,采用固相法制备了不同掺杂浓度氧化钇(Y_(2)O_(3))的钛酸锶钡(Ba_(0.7)Sr_(0.3)TiO_(3),BST),正温度系数(positive temperature coefficient,PTC)陶瓷材料,通过X射线衍射和扫描电镜测试了试样的理化特性,利用宽频介电谱仪和电阻率–温度测量系统分别获得了试样的介电–温度特性和电阻率–温度特性,并构建了四象限模型分析钇(Y)对材料介电–温度特性和电阻率–温度特性的影响机理。研究表明:随Y_(2)O_(3)含量的增大,介电常数和居里温度均呈先增大后减小的趋势,而常温电阻率呈现相反的变化趋势。0.0008 mol的Y_(2)O_(3)掺杂可大幅提高BST材料相对介电常数(>105)且具有较低的居里温度(34.1℃)和较大的常温电阻率(5.6×106Ω·cm)。实现了低居里温度和高电阻率特性的协同调控,拓宽了PTC材料的应用范围。
暂无评论