简介：　　摘要：进入21世纪以来，在科技革新和产业升级的驱动下，我国基建水平快速发展，对于桥梁结构损伤识别技术的应用需求更加广阔。针对桥梁结构的特点，基于施工、健康监测和人工巡检多位一体的多体系损伤识别方法是桥梁结构损伤识别的发展方向，损伤识别的智能方法也是重中之重。本文对此展开探讨分析。 

简介：摘要：目前依靠人工巡检方式对风机叶片进行检测容易引发疲劳，其主观因素也影响检测的结果及效率，因此风电场迫切需要能对实际现场环境中的叶片损伤图像进行自动识别的技术来改善人工检测的局限性。大型风力发电场通常位于较偏远的陆地、海岸或者靠近海上，环境恶劣且实行无人值守，风机叶片运行状态的实时监测面临着较大技术挑战。

简介：摘要：风力发电机在长期的运行过程中，由于受到了复杂化以及多变性自然环境因素的影响，从而造成了不同形式的损伤以及故障问题，且部分损伤在通常情况下难以得到有效避免，导致风力发电机叶片在运行的过程中，由于受到了机械传动的干扰，使其逐渐出现了断裂以及折断等情况，从而带来了停机问题。现阶段针对风力发电机叶片在运行过程中所受到的损伤原因进行全面化的分析，并及时的找出完善的维修措施，提高风力发电机叶片损伤问题维修工作的整体水平，充分的满足社会生产以及日常生活的用电需求。

简介：摘要：输煤皮带在火电厂运行中占有非常重要的地位，本文结合实际情况就皮带的损伤原因进行了分析，并提出了针对性的应对措施。

简介：摘要：考虑到历史电力负荷数据、天气、时间等信息的影响，电力负荷预测用于预测未来的电力负荷。对于独立的系统运行，有许多电力负荷预测应用为调度员提供信息和市场运行，如发电调度和系统备用发电，因此准确的电力负荷预测模型是规划管理和运行的必要条件。本文主要分析了基于进化神经网络的短期电力负荷预测研究。

简介：摘要：截至2020年底，并网风电装机容量28153万千瓦，增长34.6%，占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患，而风电机组漏油就是其中最为严重的问题，轻则污染机舱环境、重则引起整个机组火灾，及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性，通过传感器的方式进行检测，不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测，因为机舱内具有相对均衡的光线环境，相对恒定的测量距离，相对静止的参照背景等三个有利条件，通过卷积神经网络深度学习方法，对舟山二十台风电机组几十万张现场照片进行训练，并通过高性能人工神经元网络单元(NPU)进行运算，形成了产品化解决方案并成功应用到项目中。

简介：

简介：摘要：随着我国经济和社会的不断发展，风电行业的发展越来越快。我国安装的风电装机量占到全球总量的三分之一，且还在以每年超过25GW的速度增长。由于全球环境问题日益严重和我国的资源日渐短缺，为了加快可持续发展的步伐，我国大力发展风电并网，目前风电并网已经成为比较成熟的新能源。但风电出力的不确定性是目前风电并网面临的一项巨大挑战，研究风电出力的随机性、间接性等特点，针对不同特性优化风电并网，可以提高系统运行的经济性，有效降低成本。

简介：摘要：随着我国经济和社会的不断发展，风电行业的发展越来越快。我国安装的风电装机量占到全球总量的三分之一，且还在以每年超过25GW的速度增长。由于全球环境问题日益严重和我国的资源日渐短缺，为了加快可持续发展的步伐，我国大力发展风电并网，目前风电并网已经成为比较成熟的新能源。但风电出力的不确定性是目前风电并网面临的一项巨大挑战，研究风电出力的随机性、间接性等特点，针对不同特性优化风电并网，可以提高系统运行的经济性，有效降低成本。

简介：摘要：电力工程是国计民生的重要保障，如何高效、准确地识别异常数据是实施工程的必要手段。文中基于对电力工程数据的分析，利用了分层电网工程数据检测系统，其具有分层体系结构。使用统计模型与神经网络分类器进行数据检测，并测试了5种不同类型的神经网络的性能，以及在分层数据检测系统上进行的异常数据的压力测试结果。基于此，本文对基于BP神经网络的电力工程异常数据识别技术进行探讨，以供相关从业人员参考。

简介：摘要：针对近期“新型冠状病毒”在全球大流行的现象，文章参考生命周期理论，基于微博平台，结合数据与文本信息，构建了突发传染病网络舆情热度评价指标体系，选择“新冠”事件，利用无监督学习模型概率潜在语义分析和深度学习模型BP神经网络，对舆情发展趋势进行分类及预测，验证模型的可行性。为突发传染病网络舆情管控提供参考。

简介：摘要： 结合BP神经网络和灰色理论两种单项预测模型算法，实现对变压器油中溶解乙炔气体浓度精确预测。建立组合最优预测模型，根据预测误差平方和最小化的原则先计算各预测模型的权重，然后将各单项模型的权重进行加权综合计算。以变压器油中气体乙炔（C2H2）为例验证了该组合算法，不仅降低各单项预测算法的预报误差，也有效提高了预测模型的准确性能。

简介：【摘要】电商库存补单是电商资金运转的一大难题，科学的补充订单和解决库存深度问题能加强电商供应链体系建设，帮助电商加速资金流动，减少库存压力，降低存储成本。本文针对传统的农产品销量预测模型方法的难点和新时代背景下农产品预测市场的需求,根据气候、时间、价格和质量、销售区域五个因素,利用LM算法优化了bp神经网络，并对贵州省威宁县荞酥的未来几天农产品销量建立了相应的网络模型,进行预测实验。结果表明该模型的预测精度较为准确，可以进行预测实验。