CPU-GPU异构计算框架下的高性能用电负荷预测

随着电网的快速发展,用电信息采集系统的数据计算业务面临着巨大挑战.近年来,图形处理器(GPU)因其在浮点计算速度和存储带宽方面的优势成为高性能计算问题中的研究热点,也被成功应用在电力系统计算分析等科学计算领域.在基于人工智能方法的电力负荷预测问题中,以往大部分研究仅考虑了使用GPU加速预测模型的训练,而并未应用在数据集的获取和计算上.提出了一种基于中央处理器-图形处理器(CPU-GPU)异构计算框架下全流程加速的高性能用电负荷预测方案.首先结合统一计算架构(CUDA)和多线程技术实现了使用多台GPU完成用电负荷的并行预处理,随后在聚类分析后基于XGBoost算法完成了多台区负荷预测,并利用GPU加速了模型的训练计算.最后通过对深圳市43254个台区用电信息的实例分析,验证了所提方法的高效性与适用性.     

基于模型预测控制算法的多风储直流微电网分布式电压二次控制策略

针对含多组风储单元的直流微电网中蓄电池的电压优化控制问题,提出了一种基于模型预测控制算法的分布式电压二次控制策略.设计了一种多步长预测一致性模型作为电压预测模型,通过目标函数最小化求解预测系数,得到最优电压二次控制补偿量加入一次控制中,将传统一致性算法中比例积分控制器下的偏差调节问题转化为模型预测控制器下的电压跟踪问题进行求解,从而实现对直流母线电压动态响应的滚动优化.该方法有效解决了传统一致性算法下电压控制策略瞬态特性差和部分工况下存在控制误差等问题,并通过MATLAB/Simulink仿真平台搭建模型验证了不同工况下所提策略的有效性和优越性.     

基于SVR模型预测超薄浮法玻璃气泡数量的研究

针对超薄浮法玻璃生产过程存在反馈滞后大、生产复杂、产品质量难以精确控制的情况以及气泡质量缺陷严重影响产品应用的问题,本文采用SVR模型对超薄浮法玻璃气泡数量进行预测,结合实际生产数据对模型进行验证,并探究熔化时滞时间以及特征属性对模型精度的影响,采用Relief-F算法结合实际建模结果筛选出对气泡产生有影响的重要特征属性.研究结果表明,SVR模型能精确预测玻璃气泡数量,为后续生产提供决策支持;熔窑池底温度与熔窑碹顶温度对超薄浮法玻璃生产中气泡的产生有较大影响.     

堆存温度对半水磷石膏胶凝性能影响

半水磷石膏（HPG）长时间堆存状态下会出现固结现象,其胶凝性能也相应下降。以室内HPG结晶水检测和单轴压缩试验为基础,通过设定4种不同堆存温度,分别为20,40,60和80 ℃,探究不同堆存温度作用下HPG试样结晶水质量分数变化和堆存后制备的充填胶凝材料（HCM）抗压强度发展规律,并采用扫描电镜等微观分析手段研究堆存温度对其强度影响机制。结果表明,堆存温度对HPG胶凝性能影响显著,高的堆存温度会加快HPG试样中的自由水转变为结晶水速率,而且会抑制堆存后制备的HCM强度发展。采用数据标准化对不同堆存温度作用后的试样抗压强度作出预测,被证实与实测值较吻合。微观分析发现,堆存温度主要影响体系的过饱和度,而使不同堆存温度作用后制备的HCM微观形态表现差异。      

高端线材全流程质量管控系统及应用

高端线材产品因其严苛的表面质量和内在性能的要求,需要从冶炼、连铸、轧制和冷却全流程进行质量管控,因此亟需打通流程间的信息壁垒,改变传统的以炉组织生产到以流支组织生产的模式,打造高端线材全流程质量管控系统,实现物料流支跟踪、生产过程监控、质量追溯、质量评级、质量诊断和过程优化等功能。采用了多变量监控实现变量耦合关系的解析,采用多种变量重要性分析方法综合定位引发质量波动的异常原因,最终形成质量管控闭环,不断改善产品质量,减少质量异议。     

工业微电网中混合储能系统与负载电机协同控制

近年来,工业微电网在钢铁企业中得到了越来越广泛的关注,其中的储能系统通常由蓄电池和超级电容混合组成,以兼顾储能效率和响应速度。以生产中常见的电机负载为例,由于运行工况改变,将会引起母线电压波动,从而导致负载动态性能变差。以此为背景,提出了一种负载电机与不同种类储能介质的协同策略,在双侧采用模型预测控制(model predictive control, MPC)的基础上,对负载功率波动进行预测,采用滑动平均法计算反馈值,滚动优化超级电容与蓄电池输出功率滤波系数。在实验室条件下,在负载电机调速过程中,储能系统母线电压波动减少约40%,电机转矩调节时间减少约15%,证明了所提策略的有效性。     

基于PCA-RBF网络模型的硫化矿自燃安全性研究

为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集。利用主成分分析法（Principal Component Analysis,PCA）对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分。将降维后的84组数据作为基于径向基函数神经网络（Radial Basis Function Neural Network,RBF）预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测。最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%。研究结果表明：PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果。     

基于PLC网络测控的炉外喂丝精炼系统

论述了基于PLC网络测控钢包炉外精炼系统的工作原理、硬软件设计和主要功能。分析了基于SIEMENS S7-400和s7—300型PLC网络测控，以及SIEMENS HMI TP-170A人机界面及其操作的设计方法。     

基于改进K近邻和最小二乘支持向量机的钢铁蒸汽管网压力预测

针对钢铁企业蒸汽管网压力变化波动大且存在流量数据随机缺失和异常等因素导致的难以对蒸汽系统进行实时有效调度的问题,提出了一种基于数据填补-最小二乘支持向量机(least squares support vector machine, LSSVM)的蒸汽管网压力预测方法。首先利用基于近邻噪声处理的K近邻缺失数据填补算法(eliminate neighbor noise K-nearest neighbor, ENN-KNN)对蒸汽流量原始数据进行异常点和缺失点填补,以降低数据中的异常点干扰;然后通过选取影响蒸汽管网压力的主要蒸汽发生和使用用户,包括煤精、海水淡化、烧结、干熄焦和炼钢等,利用LSSVM算法建模,对蒸汽管网压力进行预测。试验结果表明,基于本文所提方法的钢铁企业蒸汽管网压力的预测精度高、建模速度快,具有良好的抗干扰性和实用性,可以为蒸汽的合理调度提供科学的理论依据。