积灰对光伏电池板输出特性影响研究

积灰对光伏电池板输出特性具有显著影响,且因地域、实验环境等因素不同存在较大差 异。为此,本文分析了不同自然积灰的粒径分布特征,分别利用黄土、红土和高岭土,构造了我国不同地域自然积灰的模拟样本;搭建了由光伏电池阵列、MPPT控制器、上位机以及光强测量仪、温度测量模块等构成的实验平台,开展了积灰对光伏电池板的伏安特性、温度、相对透光率以及输出功率影响的测量实验;基于实验数据建立了相对透光率、相对发电效率与积灰密度关系的拟合模型。结果表明:随着积灰密度的增加,光伏电池板的温度、相对透光率和相对发电效率均逐渐降低,且降低幅度与积灰类型有关;应用算例表明,所建模型可用于光伏发电功率预测以及光伏电池板积灰的清洗周期选取。     

先进检测与5G通信技术在燃煤锅炉运行监测中的应用研究

为构建以新能源为主体的新型电力系统,火电机组在保电供热的同时要承担灵活运行、深度调峰的任务。但传统检测和通信技术受限于实时性差、传输慢、投资高等问题,难以支撑火电机组新需求。先进检测技术和以5G为代表的通信技术通过构建完整的检测传输链条,为以锅炉燃烧系统为代表的火电机组状态研判、运行调整等提供了坚实的技术支撑,但也面临建设投资高、专业人才和标准匮乏等问题。只有从生产实际出发,健全机制、转变观念,才能做实先进检测及通信技术的应用效果。作为智慧电厂的重要组成部分,先进检测和5G通信技术必将为火电整体智能化水平提升提供坚实的基础。     

用生物测试评价臭氧-生物活性炭净水工艺

设计了一组基于生物标记物的生物测试方法,并用于评价南方某水厂臭氧-生物活性炭中试工艺对水中痕量有机有毒污染物的去除效果.测试方法包括检测类雌激素效应物质的重组基因酵母试验,检测遗传毒性物质的SOS/umu试验和检测芳烃(Ah)受体效应物质的EROD试验.研究表明,仅在水库原水中存在很低浓度水平的间接遗传毒性物质,水处理各工艺出水均为阴性.工艺对类雌激素效应物质和Ah受体效应物质的去除率分别为91.3%和90.6%,主要在臭氧工艺段得到有效去除.采用成组生物标记物方法可以对饮用水中的痕量有机污染物进行毒性筛选或测试,适用于对水处理工艺的风险评价.     

上海三林滨江城市更新实践和技术探究

随着上海土地资源进入紧缺发展时代,以存量开发为主的城市更新成为城市发展的主要方式,是新一轮城市发展的动力和引擎,但也面临着许多挑战和瓶颈。文章通过上海三林滨江楔形绿地城市更新项目的实践,对新时期城市更新进行探究,总结城市更新技术路径,提出相应的解决策略。     

真实形体微粒形体分布函数的动态光学测量方法

主流的微粒粒度分布测量仪器的工作原理为光散射原理,在前向光散射式微粒粒度分布的测量理论中往往都是以球模型代替真实的微粒.但是在实际测量中由于微粒形体的变化往往影响测量结果的准确性.对此,本文在以Mie散射理论为原理,依据前向接收器接收的前向散射光信息以获取微粒大小信息的测量基础上,对微粒穿越光敏区时的时域与空域的特征以及相关性开展了研究,从数学上定义了微粒的形体分布函数,提出了一种依据光散射功率谱和频谱分布特征来获取微粒形体分布信息的方法,完善了微扰修正理论的应用性,有效地改善了形体的影响问题,从而可提高微粒粒度分布测量结果的准确性.     

主井提升系统的技术改造

介绍了对主井提升系统的多项技术改造及取得效果     

基于XGBoost算法的光伏阵列故障诊断方法研究

针对光伏阵列故障频发,且无法及时有效在线对故障类型进行识别的问题,提出了一种基于极度梯度提升(XGBoost)算法对光伏阵列进行故障诊断的方法。首先,基于Matlab Simulink仿真技术,建立光伏阵列仿真模型,针对正常、开路、短路、老化、阴影遮挡5种光伏阵列运行状态进行仿真,获取500例有效数据;其次,分析仿真数据特征变量之间的共线性关系,提取有效的特征变量作为模型的特征变量输入;然后,基于特征变量构建XGBoost故障诊断模型,并根据10折交叉验证方法优化超参数;最后,依据模型性能度量指标对XGBoost故障诊断模型的诊断结果进行评价,并分析模型特征变量的重要性。研究结果表明：基于XGBoost算法的光伏阵列故障诊断方法能简单、高效、实时在线对样本数据进行故障诊断,可应用于光伏阵列典型故障类型的有效识别。该故障诊断方法可为光伏电站现场运维人员提供技术支持,未来将在大型光伏电站,使用更大范围的实时数据开展使用和验证工作。     

天然气水合物试样制备及力学性质研究进展

天然气水合物是天然气与水在低温高压条件下形成的笼形物。天然气水合物储量丰富,是人类理想的潜在替代能源,被认为是21世纪具有商业开发前景的战略资源。分析了国内外水合物实验装置设计及相应的实验研究内容,重点介绍了我国天然气水合物试样制备研究现状及取得的成果。     

基于分类决策树算法的电力变压器故障诊断研究

电力变压器是电力系统稳定运行中最为重要的电力设备。对电力变压器的故障识别,一直是所有电力工作的重中之重。近些年随着人工智能的发展,许多智能算法被引入电力变压器故障研究当中。本文提出一种基于决策树算法的电力变压器故障诊断模型,与其他分类模型相比,该模型具有分类精度高、计算速度快、不需要任何领域知识和参数假设、易于实现等优点。通过对实际的故障样本进行诊断,并与支持向量机算法对比,验证了该算法的优越性。     

基于模糊c均值算法和改进归一化的变压器故障诊断方法

溶解气体分析法是诊断变压器故障的重要方法。本文建立了基于模糊c均值算法的变压器故障诊断模型。为了研究模糊c均值算法模型中样本的不同归一化法(即考虑到不同气体反应故障的灵敏程度不同)对聚类结果的影响程度,首先对溶解气体成分样本使用3种方法进行归一化,这3种方法是离差变换法、一般浓度归一化法和特征浓度归一化法。然后将归一化后的样本作为FCM算法的输入,以所求的隶属度矩阵确定样本所属故障类型。实例计算结果表明,采用特征浓度归一化可提高故障判断准确度。