激光点云模型为后续的配电线路检测与管理提供了重要的支撑，现阶段大多数配电通道都已经构建了相应的激光点云模型。由于点云模型数量的增加，有效提取关键部件（如导线、绝缘子等）的位置信息成为了一项重要任务。为了进一步提升对点云模型中配电线路、杆塔、绝缘子等关键部件分割、提取的精准性和效率，该文提出一种基于融合Transformer模型的配电线路激光点云分割算法。考虑到配电线路点云中需要更为关注细节特征的影响，构建了一种双通道平行架构的特征提取模块用于提取高频和低频特征，其中低频特征通过平均池化和基于融合Transformer模型的特征提取器进行处理，高频特征通过最大池化和包含卷积层的多层感知机（MLP）模块进行处理；将两个通道获取的特征向量进行融合，以提升对细节特征的提取能力。此外，考虑到MLP模块在特征处理方面的能力，将融合后特征再次输入MLP模块中作进一步处理，实现了对点云目标的准确分割。该文还开展了大量的实验，验证了所提算法的准确性和有效性。该算法具有提高无人机巡检精度、增强自动化水平、提升鲁棒性、融合多源数据和降低巡检成本等多方面的潜在优势。

实现交通强国目标要求高度发展基础设施、构建高效运营体系、推动技术创新和实现可持续发展。在双碳目标这一背景下，交通部门需通过能源转型实现深度减碳，这既符合交通强国构建过程中的可持续发展要素，也需要避免因能源转型决策错误或过于急切而对交通基础设施、运营体系的资源配置产生负面影响，从而影响交通强国战略的顺利推进。交通能源转型涉及多个关键决策变量，如汽车动力技术、基础设施建设、用户行为和政策制定等，其复杂性和重要性不容忽视。该文旨在从交通强国和双碳目标相融合的角度，结合综述和案例研究，深入探讨交通能源转型决策分析的意义、方法、工具和经验，为国家政策的制定和企业决策提供理论与实践参考，引发对相关决策分析的重视和研究。首先，对交通能源转型决策分析的内涵和动机进行了阐述。然后，从汽车动力技术、基础设施、用户行为和政策制定4个角度出发，运用优化模型思维方法，并引用已有文献中的分析案例进行详细示范，涵盖诸如电动车辆行驶里程优化、充电网络规划、用户选择行为决策、政策减排效益及公平性等内容。此外，借助已发表的案例或政策实施情况，着重指出了交通能源转型决策分析中不当假设可能对行业和社会产生的影响。最后，总结了交通能源转型决策分析的重要性和可操作性，提出了若干研究课题建议，以促进该领域的深入研究。该文研究内容可为交通能源转型决策提供全面的理论支持和实践参考，有利于推动我国交通领域的可持续发展。

目前对于分布式能源集群调度的研究大多局限于单一场景，同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习（EA-RL）的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负荷进行个体建模，并基于个体调度模型建立了包含辅助调峰调频的多场景分布式能源集群优化调度模型；基于进化强化学习算法框架，提出了一种EA-RL算法，该算法融合了遗传算法（GA）与深度确定性策略梯度（DDPG）算法，以经验序列作为遗传算法个体进行交叉、变异、选择，筛选出优质经验加入DDPG算法经验池对智能体进行指导训练以提高算法的搜索效率和收敛性；根据多场景调度模型构建分布式能源集群多场景调度问题的状态空间和动作空间，再以最小化调度成本、最小化辅助服务调度指令偏差、最小化联络线越限功率以及最小化源荷功率差构建奖励函数，完成强化学习模型的建立；为验证所提算法模型的有效性，基于多场景的仿真算例对调度智能体进行离线训练，形成能够适应电网多场景的调度智能体，通过在线决策的方式进行验证，根据决策结果评估其调度决策能力，并通过与DDPG算法的对比验证算法的有效性，最后对训练完成的智能体进行了连续60 d的加入不同程度扰动的在线决策测试，验证智能体的后效性和鲁棒性。

质子交换膜燃料电池以其无污染、高效率、低噪音等优点，受到车辆、船舶以及航空航天等领域的重点关注，然而其可靠性问题阻碍了燃料电池的大规模商业化推广。为进一步提升燃料电池的可靠性，该文提出了一种基于深度学习的燃料电池故障预测方法。首先，针对电压、电流、湿度、温度等状态监测数据，根据燃料电池故障机理选取用于故障诊断的特征参数，以降低数据维度、抑制冗余信息，提高故障预测模型的运算效率，并采用标准化、时间滑窗等预处理方法，消除监测参数之间量纲不同的影响；然后，构建基于长短时记忆网络的燃料电池状态预测模型，其输入为预处理后的多维特征序列，输出为未来T个时间步长的燃料电池状态；最后，将预测的状态数据输入至卷积神经网络故障辨识模型，实现燃料电池故障状态预测。使用燃料电池实验故障数据对所提出的方法进行验证，结果表明，所提出的故障预测模型能够提前预测到故障。该文所提基于深度学习的燃料电池故障预测方法通过有效的数据预处理、基于长短时记忆网络的未来状态预测及基于卷积神经网络的故障识别，实现了对质子交换膜燃料电池运行异常的提前预测。

电力设备的物理状态感知是建设智能电网的关键点之一。数字孪生技术可实时映射并快速预测设备的物理状态，但现有建模方法难以满足电缆温度场数字孪生模型的实时计算要求。鉴于此，该文提出了一种基于降阶模型的配网电缆温度场数字孪生建模方法。首先，建立电缆多物理场全阶模型，基于奇异值分解和响应面插值方法建立其稳态温度场降阶模型；然后，结合稳态温度场降阶模型及电缆表面温度数据，通过实时求解多回路电缆传热反问题重构当前的电缆内部瞬态温度场，并基于排管敷设电缆温升试验验证了方法的正确性。进一步地，将该方法应用于实际运行的10 kV电缆的内部瞬态温度场重构，将重构结果作为已知初始状态，基于稳态温度场降阶模型和改进叠加法快速预测应急状态下的电缆导体温度。与全阶模型相比，电缆导体温度重构值的最大相对误差为1.76%，应急状态运行的导体温度预测误差为1.01%，单次重构和预测计算时间分别为8.1 s和3.6 s，计算效率分别提高约35 555倍和6 000倍。该方法兼顾了计算速度、计算精度和建模成本，对其他类型电力设备温度场数字孪生建模具有参考意义。

中央空调冷源设备台数与运行参数的优化是一类离散与连续变量的协同优化问题，而经典强化学习算法难以优化此类问题。为此，该文提出了一种结合选项-评论者与演员-评论者框架的中央空调冷源系统节能优化控制策略。首先，采用分层演员-评论者（H-AC）算法分层优化设备台数与运行参数，且高层和底层模型共用Q网络评估状态价值，以解决多时间尺度下的优化难题；然后，在智能体架构、策略与网络更新方式等方面对H-AC算法进行改进，以加速智能体的收敛；最后，以夏热冬暖地区某科研办公建筑中央空调冷源系统为研究对象，基于冷源系统TRNSYS仿真平台进行实验。结果表明：在平均室内舒适时间占比分别增加14.08、11.23、29.70、9.07个百分比的前提下，基于改进H-AC算法的系统能耗分别比其他4种常规深度强化学习算法减少了32.28%、28.55%、28.63%、11.53%；虽然基于改进H-AC算法的系统能耗比基于选项-评论者框架的算法增加了0.27%，但获得了更平稳的学习过程且平均室内舒适时间占比增加了4.8个百分点。该文算法可为各类建筑中央空调冷源系统节能优化提供有效的技术手段，助力建筑“双碳”目标的实现。

垃圾焚烧过程选择性催化还原（SCR）脱硝系统出口NO _x 排放浓度的准确预测对提高数据质量和喷氨控制水平具有重要意义。垃圾焚烧过程存在显著的非线性、多变量耦合和时间序列特性，给NO _x 排放浓度的精准预测带来了巨大挑战。针对此问题，该文将最大信息系数（MIC）、主成分分析（PCA）和长短期记忆（LSTM）神经网络相结合，提出了一种SCR脱硝系统出口NO _x 排放浓度预测模型。首先，采用MIC方法计算各变量间的最大归一化互信息值，选择和NO _x 排放浓度相关性较大的特征变量，再结合最大冗余原则剔除冗余变量。随后，基于PCA方法获得各主成分方差的累计贡献率，提取主成分特征，得到最优输入特征变量集。最后，利用LSTM神经网络建立SCR出口NO _x 排放浓度预测模型。结果表明，相比反向传播神经网络模型和支持向量机模型，该文提出的模型具有最优的预测精度和泛化能力，其测试集平均绝对百分比误差为6.33%，均方根误差为4.71 mg/m³，决定系数为0.90。研究结果为实现垃圾焚烧过程SCR脱硝系统的喷氨智能控制提供了理论基础。

示踪气体稀释法能解决电厂大直径烟囱流场复杂导致的烟气流量测量结果误差大的问题。该方法具有可溯源性，且其测量原理与常规速度面积法不同，因此具有作为流量测量现场校准方法的潜力。为此，该文基于数值模拟方法分析示踪气体稀释法在火电厂烟囱烟气流量测量中的可行性与准确性，并在此基础上，研究示踪剂稀释比例、示踪剂注入截面对测量的影响，同时还设计不同示踪剂取样方案来评估测量的稳定性。结果表明：在约9D（D为烟囱直径）高度处，示踪剂与烟气实现充分混合；示踪剂稀释比例过高或过低均会影响示踪剂与烟气的混合效率；示踪剂在烟道处注入能有效减小流量测量误差。在负荷率80%下，采取烟囱注入时，各取样方案的误差波动范围较大，但3点取样具有较稳定且良好的测量效果，在3D、8D、12D截面上的测量误差分别仅为-3.59%、-0.69%、-1.05%；水平烟道注入时，各取样方案的流量测量误差均不超过 ± 10%，且3点取样时，在3D、8D、12D截面上的测量误差分别仅为0.98%、-0.52%、0.21%，均在 ± 1%以内。该研究证明了示踪气体稀释法在大直径烟囱烟气流量测量中的可行性与准确性。

为定量研究双馈风电场经MMC-HVDC并网系统控制回路间的交互作用对次/超同步振荡的影响，提出一种结合模态分析法和相对增益矩阵法的分析方法。首先，建立了双馈风电场经MMC-HVDC并网系统的小信号模型，并将其与电磁暂态仿真模型进行阶跃响应对比，验证了小信号模型的正确性；接着，采用模态分析法确定了影响系统稳定性的主导次/超同步振荡模式，通过参与因子的计算得到了振荡模式的主要参与变量，为后续不同控制环节之间的交互作用影响分析奠定了基础；然后，引入相对增益矩阵证实交互作用的存在，量化并比较主导振荡模式主要变量所在的控制回路间交互作用的强弱，将后续研究定位于风电场的转子侧换流器控制回路和MMC-HVDC中的定V/f控制回路；最后，根据相对增益矩阵的数值随影响因素的变化，定量评价了系统并网的电气距离及控制器参数对控制回路间交互作用程度的影响，并通过时域仿真法进行了验证。研究发现，当电气距离增加或MMC-HVD侧的定V/f控制比例系数增大时，双馈风机侧的RSC控制回路与定V/f控制回路间的交互作用增大，系统的稳定性减弱。

研究O₃对生物柴油燃烧过程中多环芳烃（PAH）的影响，可为降低碳烟排放提供新思路。该研究建立了生物柴油替代物基础反应机理与PAH反应机理、O₃反应机理耦合的骨架反应机理，用于模拟O₃对生物柴油替代物对冲扩散火焰中PAH生成的影响和作用机制。该骨架反应机理共包括138种组分和608个反应。分析发现：O₃的添加会使燃料侧形成一个局部快速温升区，随着初始O₃摩尔分数的增大，该区域温升速率增大且位置越靠近燃料出口侧，这是燃料被初步氧化释放热量的结果；随着初始O₃摩尔分数的增大，PAH的最大摩尔分数先增大后减小；当初始O₃摩尔分数增大到0.04时，主要的PAH如苯（A₁）、萘（A₂）、蒽（A₃）和芘（A₄）的最大摩尔分数分别是初始O₃摩尔分数为0.00时的4.57、6.76、16.16、12.38倍，说明O₃的添加对PAH摩尔分数的影响较为显著，并且对A₃的影响最大；同时，A₁的生成途径发生变化，生成A₁的主要反应机制从由C₂H₂主导转变为由C₂H₃主导；而当初始O₃摩尔分数增大到0.12时，A₁、A₂、A₃、A₄的最大摩尔分数分别是初始O₃摩尔分数为0.00时的0.880、0.357、0.375、0.143倍，原因在于C₂H₃自由基会被氧化，从而抑制了A₁的生成。

针对5G通信基站高功耗模块的热管理，提出了一种蒸发腔与均热板流道相互连通的吹胀型铝质均热板相变传热模组，通过搭建性能测试平台，研究了其在不同充液率下的传热性能，分析了相变工质沸腾状态、流量分配对均温性能及散热效率的影响，同时探讨了不同侧向倾角下热源表面温度分布的变化规律。研究结果表明：在输入功率不超过400 W的条件下，随着充液率的增加，相变传热模组的总体热阻先减小后增大，在充液率为15.0%时热阻最低，最低总体热阻为0.211 6 ℃/W；适当降低充液率会使均热板底部的液态工质沸腾，从而促进气态工质在不同均热板间均衡分配，进而提高相变传热模组的散热效率及温度均匀性；在输入功率分别为350 W和400 W时，充液率从30.0%减少至15.0%时，均热板间的温度标准差分别降低40.92%和34.04%，温度均匀性显著改善；当相变传热模组倾角改变时，蒸发腔内液位的偏移会导致热源温度分布不均，且这种不利影响随着倾角的增大而加剧，当倾角为10.0°（同功率下）时，热源表面的最大温差扩大至水平放置时的11.7倍以上。

建筑照明插座能耗异常检测能够有效提高建筑能源效率，对实施建筑能源优化措施、实现建筑节能管控的研究具有重要意义。由于建筑照明插座系统能耗很大程度上受到建筑内部人员随机行为的影响，针对照明插座时间序列数据存在噪声较多和特征难以提取的问题，该文提出了一种结合工况划分与深度学习的无监督异常检测方法，旨在提升能耗异常识别的精度与鲁棒性。首先基于决策树方法对能耗数据按工作日与非工作日、上班与非上班时段等属性划分工况，然后针对不同工况分别构建基于长短期记忆神经网络-自编码器（LSTM-AE）的异常检测模型。该模型通过对正常数据的重构学习，计算重构误差，并设定差异化阈值，实现无标签数据下的能耗异常检测。以夏热冬暖地区某办公建筑578 d的照明插座逐时能耗数据为研究对象，开展数据建模与超参数优化实验。结果显示：迭代次数、神经元数和激活函数均对模型性能有显著影响；工作日工况下的能耗数据稳定性优于非工作日，异常检测精度相对更高；所提方法在4类工况下的平均精确率、召回率、F₁分别为91.23%、90.87%、90.80%，能够有效实现建筑照明插座系统能耗异常检测。

区域供冷系统是一类集中化的空调负荷，具有一定的调频潜力。该文提出了一种基于终端约束模型预测控制的区域供冷系统辅助电网调频控制策略，通过调节区域供冷系统的冷冻水流量和冷水机组开机数量，控制区域供冷系统消耗的功率。首先，建立了考虑冷冻水流量与冷冻水出口温度关系的区域供冷系统动态模型和传统机组动态模型，构建系统的状态空间表达式；接着，基于终端约束模型预测控制方法，建立区域供冷系统和传统机组联合调频控制模型，其目标函数为最小化频率偏差、建筑物温度与人体舒适温度偏差、冷冻水流量控制指令及传统机组控制指令，终端约束包括终端代价函数和终端集；然后，通过构造系统的李雅普诺夫函数，证明该终端约束模型预测控制问题是渐进稳定的；最后，在10机39节点系统和某实际系统上分别进行仿真计算。结果表明：加入终端约束可提高系统的稳定性；采用区域供冷系统辅助电网调频，能够帮助系统快速恢复额定频率、提升调频性能；区域供冷系统参与电网调频不会对用户舒适度造成较大影响。

液固两相流技术广泛应用于换热器的强化传热设计，其关键在于引导低体积分数颗粒运动至壁面以扰动并破坏附近的热边界层，进而实现强化传热效果。颗粒的运动行为是深入解析传热强化机理的关键因素，其中非球形颗粒因其形状的各向异性而具有更佳的扰动效果以及更为复杂的运动行为。该文以正四面体颗粒群为研究对象，为分析其在立式上行管内液固两相流中的运动分布规律，基于CFD-DEM（计算流体动力学-离散单元模型）耦合方法模拟研究颗粒进口体积分数（1%、2%、3%、4%、5%）和液相进口流速（1.0、1.2、1.5、1.8、2.0 m/s）对管内颗粒群平均速度和颗粒群相对体积分数分布的影响，并通过PIV（粒子图像测速技术）实验验证数值模拟的准确性。结果表明：在研究参数范围内，颗粒群平均速度沿轴向波动，波动幅度随进口流速的增大而加剧，沿径向由中心至管壁递减，分布随流体轴向的充分发展而越发集中；颗粒群相对体积分数沿径向遵循管中心区域和近壁面较高、过渡区域较低的双峰规律；颗粒进口体积分数为1%、液相进口流速为2.0 m/s时，管壁附近的颗粒体积分数最高。