黄台发电厂4号机负胀差大的原因分析及处理

通过分析认为级问蒸汽泄漏和前轴封漏汽的窜流是造成汽轮机负胀差大的主要原因，经采取用金属修补荆对5、6号隔极套和与之相配合的汽缸洼窝进行修补，并研磨找平，以及消除轴封间隙的不均匀等措施减轻蒸汽的泄漏和窜流，取得了明显效果。     

凝升泵轴瓦损坏原因及改造

1　概述黄台电厂 8号机是东汽厂生产的 30 0ＭＷ汽轮发电机组 ,配备两台凝升泵 ,每台电机功率 630ｋＷ ,泵两侧使用滑动轴承 ,轴瓦损坏频繁 ,一般两个月更换一次 ,对轮侧轴承有时一个月即更换一次 ,轴瓦损坏现象是 :( 1 )出现麻状凹坑 ;( 2 )擀瓦 ,钨金因挤压变形、损坏 ,见图 1。轴瓦损坏后 ,凝升泵振动增大 ,必须及时停止运行。更换轴瓦造成的人力、物力损失较大 ,不考虑人力损失 ,仅以每次更图 1　损坏的凝升泵轴瓦(从不同方向看 )换两付轴瓦花费 460 0元 ,两台泵每年更换 5次计 ,就需费用 2 .3万元。2　轴瓦损坏原因分析2 .1　轴瓦润滑…     

黄台发电厂300MW汽轮机间歇振动故障的诊断及处理

根据黄台发电厂8号机组（300MW）多次发生振动的现象,对多因素引起的振动原因进行了分析和研究。介绍了在不停机情况下的振动处理方法,提出了预防机组振动的措施。图6参3     

烟气氮氧化物排放控制技术综述

介绍了氮氧化物的产生机理以及各种氮氧化物排放技术，对烟气选择性催化脱硝SCR方法进行了重点介绍，并对其研究、工程应用方面进行了总结，同时展望了在这一技术领域潜在的重点研究方向。     

基于PCA与SOM神经网络算法的客户价值细分模型研究

针对房地产客户价值管理问题,以某大型房地产企业的普通住宅业务为研究对象,构建了基于PCA与SOM神经网络算法的房地产客户价值细分模型。首先采用PCA主成份分析法将输入变量重组为线性不相关的综合指标,然后采用SOM神经网络算法对客户价值进行聚类分析,最后针对聚类结果,分析不同目标客户群的购买模式和价值特征,旨在为房地产企业的营销过程提供决策支持。     

塔式太阳能热发电站冷盐泵振动机理及处理方法

针对塔式太阳能热发电站共性存在的冷盐泵振动问题,对塔式太阳能热发电站的冷盐泵支撑平台结构形式进行了分析,剖析了振动机理,发现了振动原因,并提出了“治标”方案和根本解决方法。研究结果表明：由于熔盐动能和动量很大,熔盐运行系统中较多的弯道导致流体在流动时产生巨大冲击力,是形成振动的激振源;同时,冷盐泵所处的悬臂梁结构支撑平台存在刚度差的问题,容易导致冷盐泵与平台设备的整体晃动。从设计角度减少弯道数量并增加支撑平台刚度是解决振动问题的有效手段,可对塔式太阳能热发电站的设计和安全运行提供帮助。     

汽轮机轴承垫铁调整对转子找中的影响

按常规计算方法调整轴承垫铁时，转子实际中心并不按预计的数值变化，存在一定误差，往往需要通过多次调整垫铁厚度，才能达到要求。通过计算分析找出了产生误差的原因和规律，并提出了正确计算垫铁调整量的方法，提高了检修工作效率。     

给水泵汽轮机叶片断裂的分析

１　设备介绍及损坏状态图１　叶片裂纹位置图　　黄台电厂８号机是东汽厂生产的３００ＭＷ汽轮发电机组,配备两台功率６０００ｋＶ的给水泵,汽轮机（小机）是由上海汽轮机厂生产,用来带８号机给水泵,变参数、变功率、变转速、多种汽源的纯凝汽式汽轮机,轴承为可倾式,下半轴承体有３块,上轴承体有２块,五块瓦沿轴径产生５个油膜区。乙小机１９９９年３月３１日发生剧烈振动后停机,４月１７日将乙小机揭缸后发现第５压力级６片叶片发生断裂、脱落,有两片叶片已出现裂纹但未断落,裂纹情况如下（第五级叶片长度为）：乙小机第五级叶…     

基于某房地产公司的建筑能耗分析

以某大型房地产公司所建的酒店和住宅作为研究对象,研究了建筑能耗的影响因素及各影响因素之间的多重共线性问题。采用偏最小二乘回归法拟合了各能耗影响因素与能耗密度EUI之间的线性关系,并给出建筑累积概率相对于能耗比率的分布情况,作为评价建筑能耗的有力参考依据,对以后建筑固有特性参数设计、固有耗能参数设计、能耗管理系统设计提供量化依据。     

基于图卷积网络和风速差分拟合的中长期风功率预测

为充分利用数据特征间的先验关系,提高风电场中长期发电功率预测精度,提出一种基于图卷积神经网络（GCN）、风速差分拟合（DF）、粒子群优化算法（PSO）的中长期风功率预测模型。通过分析风力发电全过程,挖掘风功率影响因素及因素间的相互关联性,搭建GCN模型,分别拟合风速和功率利用效率,进一步结合基于DF的风速-功率计算模型计算风功率,模型的损失包含功率损失、风速损失和功率利用效率损失3个部分,采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明,该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%,具有较高的预测精度。