基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。     

非常规气藏储层改造体积评价方法研究

为精确描述非常规气藏压裂后的复杂流动特征及定量评价储层改造体积（SRV），利用自主研发的缝网重构算法“破裂树生长法”建立压后缝网模型，并以此为基础提出了使用拟稳态流动时特定的压力等值线来确定SRV范围的定量评价方法，最后以长宁201井区为例进行了矿场实例分析。该方法根据微地震监测点的位置，重构出微裂缝网的连通关系。在复杂微裂缝网的基础上建立离散裂缝地质模型并进行生产数值模拟，根据数值模拟结果的压力分布精确划定SRV的范围。利用该方法计算出长宁201井区的SRV体积为0.052 1 km3，以该缝网模型的数值模拟产量预测结果符合实际生产规律，方法实用性较好。     

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。     

煤储层渗透率测试、模拟与预测研究进展

渗透率是煤层气开发的重要参数，煤储层较强的非均质性使得现场少量试井结果难以反映区域性渗透率规律，不同仪器、方法、样品尺寸、压力、温度及介质条件下获得的实验渗透率对比性也较差。对比分析了不同试井方法(钻杆测试、水罐测试、段塞测试、注入/压降测试)、不同实验测试方法(稳态法、非稳态法)的优缺点、适用条件及渗透率测试标准的演化历程，系统评述了单轴应变条件、恒定体积条件以及三轴应力条件下渗透率模拟模型的适用性，分析了基于裂隙、煤体结构、地应力、构造曲率等单一主控因素预测渗透率及人工智能(BP神经网络、灰色关联分析、支持向量回归机、多层次模糊综合评价)多因素预测的可靠性，总结了煤储层渗透率在测试、模拟和预测方面存在的问题，并提出了进一步研究的展望。研究结果表明现场注入测试是获取原位煤储层渗透率的主要方法，实验室非稳态法渗透率测试适合我国低渗煤储层；单轴应变条件下的P-M模型和S-D模型适用于恒定垂直外部应力条件下的模拟，恒定体积条件下的Ma模型对于多数煤类输入的参数均可测量，模拟结果可靠性较高，三轴应力条件下的Connell模型和Zhou模型更有利于通过实验室测定对模拟渗透率进行验证；基于煤层气...     

日本制浆造纸业的现状与展望——2021年概况以及国际结构变化中的新增长北大核心

对全球经济来说,2021年是寻求摆脱新型冠状病毒(COVID-19)负面影响的一年,也就是因封城和宣布紧急状态等主流应对对策下的经济活动停滞,如何得以恢复回升。这些努力的结果,许多国家和地区确保了相对较高的经济增长率,使全球经济总体增长达到6.1%,而日本仅增长1.6%(根据货币基金组织IMF调查)。预测2022年后全球经济将进一步复苏,但2月发生的俄乌冲突给全球经济蒙上了阴影,原油和各种原材料的价格急涨,阻碍了新冠疫情影响下经济恢复的脚步,预测4月的全球经济GDP增长率为3.6%,日本为2.4%。该预测数据是在1月公布的全球4.4%、日本3.3%的预测数据基础上,在4月做了下调修正,若在7月修正审查时,增长率的下行风险未能消除,通货膨胀持续上升扩大,将可能做出更进一步的下调。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

电动汽车动态无线电能恒功率充电

电动汽车充电时,且电池电量低于80％时,为了保证充电效率一般采用恒功率充电.在动态无线电能传输系统中,电动汽车的不断移动会导致发射线圈和接受线圈的互感系数变化,致使电动汽车充电不稳定.为实现恒功率充电,提出了一种基于模型预测控制(MPC)的动态无线电能传输系统(DWPT)恒功率输出的控制方法.通过对系统建立数学模型,对输出功率进行模型预测,建立最小化目标函数来获得期望输出功率所对应的最优占空比,使输出功率恒定.进行了模型预测控制的动态无线电能传输系统Simulink仿真,通过对比不同线圈互感系数下的输出功率,验证了该方法的可行性,并且通过搭建实物测得的数据也证实了该方法的可行性.