基于模型预测控制的半潜漂浮式风机协调控制方法研究

研究漂浮式海上风力发电考虑输出功率与机械载荷的协调控制，有助于提高深远海风机运行的经济性和安全性。为实现漂浮式风机的多目标控制，以NREL 5MW半潜漂浮式风机为研究对象，在Matlab/Simulink平台上设计并搭建增益调度多模型预测控制器(gainschedulingmulti-model predictive controller,GM-MPC)。基于各稳态工况下风机开环动态性能的分析以及模型线性化处理，建立半潜漂浮式风机控制模型，与高保真FAST模型仿真对比，验证了所建控制模型的准确性。在实现模型预测的基础上，根据实际风机工况和约束条件，以为减少功率波动、塔架载荷和执行器动作次数为目标，优化求解出每一时刻下的最优控制量，从而实现GM-MPC的滚动优化。为证明控制器的有效性，在多种风-浪联合载荷的工况下，与基于蚁群优化算法的独立变桨控制策略进行了对比实验。结果表明，所设计的控制策略使半潜漂浮式风机在满足功率平稳性的同时降低了机组的机械载荷，使其能适应深远海环境下的复杂运行工况。     

基于Hadoop的电力运维审计系统的设计

国家电网公司信息化程度越来越高，单机运维审计系统产生的数据量日益增多，对海量数据高效率存储分析性能严重下降，系统稳定性降低。为满足国家电网当前对运维审计系统数据存储分析以及系统稳定性的需求，在Hadoop开源架构的基础上，本文提出基于Hadoop集群的海量数据分布式存储方法和基于Heartbeat的心跳检测技术，实现基于Hadoop的电力运维审计系统。〖JP2〗实验测试结果表明，基于Hadoop的电力运维审计系统相比单机系统可用性提高了8.42%，大大提升了存储分析海量数据的性能，具有系统工作稳定和服务不间断等优势。     

主汽压力控制品质与燃料量变化约束关系定量分析

  [目的]  以风电为代表的可再生能源规模化并网造成火电机组发电负荷指令大幅频繁变化，调试协调控制系统参数时需要在汽轮机前主蒸汽压力控制品质与燃料量变化幅度之间做出权衡。  [方法]  从简单一阶惯性对象着手，依次增加积分、纯迟延、非最小相位特性，逐步推导出典型对象调节时间同控制器输出的最大调节量之间约束关系的公式。  [结果]  进一步结合火电机组协调控制系统机侧控制回路闭环情况下锅炉燃料量与机前压力对象模型，得到描述发电负荷指令扰动下机前压力变化与燃料量变化间约束关系的公式。  [结论]  通过仿真实验结果和机组实际运行数据的验证，该公式准确性能够满足实用要求。     

基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。     

深调峰工况下锅炉虚假水位预测

  [目的]  火电机组深调峰工况运行“虚假水位”现象严重影响机组安全运行，准确预测虚假水位出现时刻和幅度能够优化控制系统设计。  [方法]  研究思路为:将实际水位看作真实水位和虚假水位两部分的叠加，先根据能量平衡和物质平衡建立汽包水位模型计算出真实水位，再用实际水位减真实水位得到虚假水位，然后利用小波分析燃料量、汽包压力等信号与虚假水位信号在不同时间空间尺度下的相关性。  [结果]  通过对某600 MW机组深调峰负荷段运行数据进行分析，发现通过机理建模有效消除了给水流量和蒸汽流量对虚假水位信号波动的影响；在0.062 5 Hz至0.125 Hz频段，燃料量和汽包压力分别与虚假水位信号呈强相关性。  [结论]  可以辅助判断虚假水位的产生及其波动幅度。     

基于调谐质量阻尼器的风力机叶片振动分散控制研究

针对叶片面内方向振动控制问题,考虑叶片面内与面外振动的耦合,采用欧拉-拉格朗日法建立分布式参数叶片的动力学模型。阻尼装置采用在叶片内部分散布置的多个主动调谐质量阻尼器(TMD),由叶片及TMD的速度反馈信号控制。旋转导致叶片的时变刚度由参数不确定性描述,基于稳定性原理设计鲁棒分散控制器。在Matlab平台建立NREL 5 MW机组模型进行数值仿真,结果显示基于局部执行器和传感器的鲁棒分散控制策略能有效减小叶片面内振动。     

基于句式内容表的电网安全隐患文本分类方法

文章使用构建的句式内容表配合机器学习的方式对长白电网历年储存的电网安全隐患信息进行精准分词并将其按要求分类,方便按类别精准取用信息为日后进一步数据分析打下基础。     

含电动汽车的虚拟电厂经济性优化调度

将不可控新能源、电动汽车与可控电源构建成虚拟电厂(VPP),通过虚拟电厂优化调度各组成部分出力,使虚拟电厂对外表现为有一定可控性的、稳定的发电单元,减小新能源与电动汽车单独入网运行时对电网造成的冲击。为实现上述功能,该文构建含电动汽车的虚拟电厂经济优化调度模型,设计含电动汽车的虚拟电厂经济运行策略,在Matlab R2010a平台上采用粒子群算法优化各组成部分出力,并分析电动汽车渗透率和可控电源计划出力系数对虚拟电厂经济性和各机组出力的影响。仿真结果表明,通过电动汽车与可控电源联合出力能够弥补新能源出力偏差,降低可控机组旋转备用,提高虚拟电厂供电可靠性。     

基于改进堆叠自编码网络的电站辅机故障预警

为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明该方法可对辅机故障进行有效预警,具有一定的工程应用价值。