火电机组负荷分配中多源不确定性因素影响分析

不确定性因素存在于火电机组负荷分配中，影响机组负荷分配、节能环保目标。本文综合考虑负荷预测不确定性、机组煤耗率不确定性与其CO2排放系数不确定性，分别构建火电机组一次能源消耗成本与CO2排放量最小目标下的火电机组负荷优化分配模型；以此为基础，引入析因分析方差分解方法，量化多源不确定性因素单独与交互作用下对节能、环保目标的影响程度。结果表明:负荷预测不确定性对火电机组节能、环保目标影响最为显著，相对影响程度分别为51.13%、62.70%；机组煤耗特性及其CO2排放系数影响次之，相对影响程度分别为47.58%、34.95%。此研究结果对不确定性条件下电力系统负荷分配具有借鉴价值。     

西北院水电工程机电设计技术特色及发展创新

西北院水电工程机电设计经历了70年的技术发展,从黄河第一颗明珠盐锅峡水电站,到黄河拉西瓦水电站最大单机容量700 WM机组的投产,取得了丰富的实践技术成果。文章简要介绍了巨型机组低水头提前发电的关键技术以及随着新能源的大力开发,适应新能源发展风、光、水互补水电机组全负荷运行设计新理念的实践和超高电压等级电气设计;以及金属结构在水库大坝水下封堵修复关键技术等西北院水电机电设计技术特色和创新。     

基于ASOS-ELM的湿式球磨机负荷软测量方法

针对湿式球磨机在磨矿过程中内部负荷靠专家经验难以准确预测的问题,提出一种基于改进的共生生物搜索(ameliorated symbiotic organisms search,简称ASOS)-极限学习机(extreme learning machine,简称ELM)的磨机负荷软测量方法。首先,利用ELM算法建立磨机负荷软测量模型,运用ASOS算法优化软测量模型的隐含层参数;其次,以筒体振动与振声信号的特征信息构建磨机负荷特征向量,并将其作为软测量模型的输入,将磨机负荷参数作为输出;最后,通过磨矿负荷检测实验和对比分析表明,磨机负荷软测量模型的负荷参数预测准确率较高,泛化能力较强,为磨机磨矿效率的提高及控制优化提供了有益的指导。     

自适应连续集稀疏分解声音识别算法

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。     

基于VMD瞬时能量与GA- RBF的滚动轴承故障诊断

针对滚动轴承早期故障的有效识别,提出了一种基于VMD瞬时能量与GA优化的RBF神经网络的滚动轴承故障诊断方法,可以有效对滚动故障做出诊断。首先,VMD将滚动轴承振动信号进行分解成合适数目的本证模态函数;其次,计算本证模态函数分量的瞬时能量并组成特征向量;最后,将特征向量输入到GA优化的RBF神经网络实现轴承故障识别。通过滚动轴承故障诊断实验对该方法进行验证。结果表明,该方法识别滚动轴承故障的准确率为96.43%,较默认参数的RBF神经网络和EEMD瞬时能量与GA-RBF神经网络有明显的提高,证明了所提方法的可行性。     

回转窑人工智能专家系统的应用实践

根据水泥熟料煅烧过程操作控制原理研发的"回转窑人工智能专家系统"采用了人工智能模拟技术、实时数据清洗技术、控制数据关联匹配技术。该系统由分解炉出口温度自动控制系统、篦速自动控制系统和氨水用量自动控制系统三个模块组成。该系统投运后,分解炉出口温度控制有效率由之前人工控制的平均60%~70%提高至平均80%~95%;篦下压力和二次风温稳定性提高;氨水消耗量下降显著;窑系统投料量增加10 t/h左右,熟料标准煤耗降低2.85 kg/t,熟料强度均有提高。     

2 000 t/d水泥生产线烧成系统技术改造

为了解决烧成系统不稳定，操作控制困难，对煤质的适应性差，存在安全、环保隐患，系统能耗高等问题，在保留原预热器框架不变的情况下，加大了C1旋风筒上部直筒段及涡壳，重新设置了C2、C3、C4旋风筒导流板，重新设计了C5旋风筒涡壳，并改造了相应的连接风管和下料管，更换了锁风翻板阀和撒料箱。同时将带流化床的管道式离线分解炉改为在线喷旋管道式分解炉，并对三次风管进行了改造，三次风从分解炉锥部单股旋切引入。本次技术改造实现了原定的各项技改目标，取得了良好的节能降耗效果。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。