排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
为了获得新建牵引变电所的负荷情况并校验优化所内牵引变压器的配置容量,将高斯混合模型用于牵引变电所实测数据聚类,然后引入神经网络对新建牵引负荷进行匹配分类.依据聚类和分类结果,结合概率密度及蒙特卡洛抽样方法,实现新建电气化铁路牵引负荷的预测.根据热传递原理和相对老化计算,建立新建牵引变电所牵引变压器温升与寿命损失的差分方程模型,对新建牵引变电所的牵引变压器容量进行优化配置.通过对大量牵引变电所实测数据的分析,聚类后伪-F统计量达12.81,匹配分类后伪-F统计量进一步上升至12.90,表明本文聚类分类方法效果良好.通过牵引变压器建模,将算例中变压器容量利用率从60%提高到96%,即使考虑安全裕度适当提高安装容量也能使容量利用率达到75%,实现了变压器容量的优化,充分利用了变压器的温度指标和寿命损失. 相似文献
1