基于指数变步长扰动观察法的光伏MPPT控制策略

提高光伏发电的效率是光伏系统的重点,因此需要对光伏系统的最大功率点进行实时跟踪,使光伏系统持续工作在最大工作点处。为了提高光伏系统跟踪的快速性和稳定性,提出了一种基于指数变步长扰动观察法的最大功率点跟踪算法。MATLAB仿真验证结果表明,该算法能够实时对光伏组件进行快速跟踪,并且在外界条件剧烈变化时能提高动态响应和系统稳定性,减小稳态时功率损失。     

基于ZigBee网络的低压微电网半实物仿真

针对低压微电网分层控制系统,提出了一种基于ZigBee通信网络的半实物仿真方案。利用MATLAB/Simulink构建了低压微电网系统模型及其二层控制架构,其中二层控制架构的通信网络由ZigBee实物节点搭建。整个仿真系统可以保证分布式能源（DGs）的有功按比例输出。ZigBee实物节点之间采用点对点通信方式,并结合Simulink串口模块和MATLAB的S函数编程实现了实际控制信号的传递。实验结果验证了所构建的半实物仿真方案的可行性和有效性。     

城镇燃气管道随桥设计的分析与研究

本文介绍了目前合肥市燃气管道的随桥敷设方式,总结和分析了不同随桥敷设方式的特点及其存在的问题和难点,针对问题和难点提出了相应的解决方案.同时给出了不同燃气管道过桥方式需要采取的安全保护措施.为今后燃气管道随桥敷设提供了重要的参考价值.     

大流量标准Y型喷嘴内部流动特性的数值模拟

采用计算流体动力学方法对大流量标准Y型喷嘴内部的流动特性进行了数值模拟,通过计算获得了喷嘴内部的流动特性,并研究了气耗率变化对喷嘴出口流动状态的影响。结果表明:当气耗率较小时,喷嘴出口表现出环状流特征;当气耗率较大时,出现类雾状流特征;进一步增大气耗率对气液掺混效果改善作用有限。数值计算获得的流量数据与试验结果吻合较好,液流量相对误差小于5%,气流量相对误差小于10%。     

采摘机械臂的PSO-RBF神经网络自适应控制

针对采摘机械臂系统的不确定性为控制带来的问题,设计一种PSO-RBF神经网络自适应控制方法.该方法使用径向基函数神经网络来逼近并补偿系统模型误差,用粒子群优化算法来优化RBF的权值参数,确保PSO-RBF控制性能更好.MATLAB仿真结果表明:与RBF神经网络控制相比,PSO-RBF神经网络控制精度和性能更好.     

加砂压裂用滑溜水返排液重复利用技术

迪那2凝析气田天然气处理采用J-T阀+乙二醇抑制剂低温冷冻分离工艺,设计单套处理量400×104 m3/d、制冷温度-20℃,投产后进站温度由设计的45℃升至65℃,乙二醇加注量不能满足设计制冷温度的要求,低温分离器频繁发生冻堵,单套处理能力限制在200×104m3/d、制冷温度-15℃。利用HYSYS软件对脱水脱烃装置进行模拟优化,确定天然气饱和水增加是造成装置冻堵的原因,制定了装置适宜运行参数表,避免装置发生冻堵,提出了分水器改造建议,实施后脱水脱烃装置达到设计参数,大幅度提高了液化气和轻烃产量,减少了乙二醇损耗,并提出了凝析气先空冷再分离的标准气处理工艺。     

川中沙溪庙致密油藏压裂液技术研究及应用

川中沙溪庙致密油藏为特低孔、低渗致密储层,压裂工艺要求先以滑溜水大排量泵注方式在地层中形成复杂缝网,再以冻胶压裂液造主缝,形成大规模的连通性体积缝网。将聚丙烯酰胺类滑溜水与低分子量胍胶类冻胶压裂液复合应用,开发出了适合川中沙溪庙储层的"滑溜水+冻胶"混合压裂液技术。其中,滑溜水具有低摩阻、高效防膨等特点;冻胶压裂液具有耐剪切、低伤害等特点;混合压裂液体系的破乳效果好、返排能力强。现场试验表明:"滑溜水+冻胶"混合压裂液技术具有良好的储层改造效果,在G36井、G117井应用获得成功,现场降阻率达61.5%~64.8%、返排率40%,返排液油水界面清晰,获井口测试产油45.1t/d。     

仪征市融媒体中心非编网应用简介

媒体行业正处在一场数字化变革之中,随着多媒体及计算机网络技术的发展,视音频处理从模拟信号向数字信号及单机作业到网络共享作业的转变已是必然趋势.多种技术的发展使数字化视音频的制作,播出及传送成为可能,并提高了电视节目的生产效率和节目质量.     

基于B/S模式的数字月球信息平台设计与实现

我国自实施嫦娥工程以来,获得了大量的探测数据。文章基于JavaScript脚本语言,在B/S架构下借助LOD、三维可视化等技术在内嵌WebGL的浏览器端对获得的月球影像和地形数据进行了三维展示,从而使得广大用户能够对月球表面和地形进行浏览并获得深层次的认知。     

基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型

为了实现清河水库总氮浓度的预测,建立了基于灰色关联分析的BP神经网络水质预测模型(GRABP),即采用灰色关联度的方法,选取总磷、挥发酚、化学需氧量、pH值、氨氮五项水质指标作为BP神经网络总氮预测模型的输入变量,根据五项最优影响因子与总氮浓度的对应关系,对模型进行了训练,并将训练好的模型应用于2016年8~12月的总氮浓度预测中。结果表明,GRA-BP网络模型较BP网络具有较高的预测精度,预测的相对误差均在5%以内,可为清河水库的水质管理提供科学的指导。