干熄焦余热发电对焦化厂电压影响分析及对策

围绕某焦化厂干熄焦余热发电站并网发电后出现的焦化厂电力系统10 kV母线电压偏高问题,分析了电压偏高的原因,并提出了几点切实可行的应对措施,较好地保证了焦化厂电力系统的安全、可靠、稳定运行,充分利用了干熄焦的产能,实现了节能、环保、经济效益最大化。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

S频段800W室外型连续波固态功率放大器设计

针对现有室内固态功放体积大,馈线系统设计复杂的问题,提出了一种新型结构形式的高功率、高效率和小体积固态功率放大器。给出了高密度、大功率径向合成的原理及设计方法,对径向合成网络进行了建模仿真,通过优化达到了功放设计所需的性能指标。基于8个功放模块和8路径向合成网络,设计了一种室外型固态功率放大器,在所需频段实现了大于800 W的输出功率,整机效率高于40%。     

飞机客舱的屏蔽效能研究

功率平衡法的网络化公式是以电磁拓扑学和统计电磁学为基础而发展起来的一种电大尺寸系统电磁效应的系统级评估方法。利用全波仿真的方法验证了功率平衡法的可行性,在此基础上,对波音747-8客舱的品质因数和屏蔽效能进行了评估。该方法具有快速便捷和适用范围广的特点。     

压裂水平井产能预测方法研究进展

水平井压裂技术在低渗透及非常规储层中得到了广泛应用,压裂后水平井的产能预测关系到油田开发方案的制定,因此,国内外学者对压后渗流模型的建立和求解方法做出了不懈的努力。本文详细回顾了国内外学者所建压裂水平井产能预测模型及求解方法,指出了不同模型和求解方法的优缺点,并展望了压裂水平井产能模型的发展方向。     

基于模糊多模型的堆芯功率控制

传统的堆芯功率PID控制器是基于单一功率水平处的堆芯局部模型设计的，难以准确描述整个堆芯功率水平范围的控制。因此，本文基于5个不同功率水平下的传递函数模型，通过三角隶属度函数加权，建立堆芯模糊多模型，并依据该模型设计堆芯功率模糊PID控制。以TMI型压水堆堆芯为对象，开展不同初始功率水平下的堆芯功率跟踪、堆芯进口温度扰动的控制仿真。结果表明，基于模糊多模型设计的堆芯功率模糊PID控制器可实现对堆芯功率的良好控制。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。