基于PCA-SVR的燃煤锅炉NO_x排放预测

以某超超临界700 MW机组锅炉为对象,建立了基于主成分分析(PCA)和支持向量回归(SVR)的氮氧化物(NOx)排放预测模型(PCA-SVR模型)。运用PCA方法对包含有2 000条锅炉运行记录的数据集进行分析,降低数据集维数,提取有效信息(主成分);以得到的主成分为输入变量,锅炉NOx排放值为输出变量,利用SVR建立NOx预测模型。与传统SVR模型相比,PCA-SVR模型的计算时间更短,并且能获得较高的NOx排放预测精度,其预测NOx排放浓度与实际排放浓度相比平均误差在1%以内。     

基于PCAGSVR的燃煤锅炉N Ox 排放预测

以某超超临界700 MW 机组锅炉为对象,建立了基于主成分分析(PCA)和支持向量回归(SVR)的氮氧化物(NOx )排放预测模型(PCA-SVR 模型)。运用 PCA 方法对包含有2000条锅炉运行记录的数据集进行分析,降低数据集维数,提取有效信息(主成分);以得到的主成分为输入变量,锅炉NOx 排放值为输出变量,利用SVR建立NOx 预测模型。与传统SVR模型相比,PCA-SVR模型的计算时间更短,并且能获得较高的 NOx 排放预测精度,其预测N Ox 排放浓度与实际排放浓度相比平均误差在1％以内。     

基于PCA-BPNN的学生写作成绩预测模型研究

针对传统学生英语写作成绩预测方法准确率偏低的情况,提出一种基于主成分分析(PCA)和BP神经网络相结合的写作成绩预测模型。首先,用PCA对所建立的学生写作评价体系作数据降维处理,提取前3个主成分,构建了新的样本矩阵,再对BP神经网络进行训练和泛化能力测试。仿真结果表明：单一的BPNN预测最大相对误差为-2.165%,PCA BPNN预测最大相对误差仅为-0.824 2%,PCA BPNN简化了网络结构,提高了单一BPNN的训练速率、预测精度和泛化能力,验证了所提出的模型的有效性。     

采用燃烧系统模型预测锅炉效率和NO_x排放浓度

以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型。通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6%降至3.4%,NOx排放浓度平均预测误差由0.1%降至0.04%,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统。     

基于PCA-SSA-LSTM的余热锅炉状态监测模型

为了实现对余热锅炉的状态监测,保证余热锅炉的健康运行,使用余热锅炉健康运行时的数据并结合主成分分析（PCA）、麻雀搜索算法（SSA）、长短期记忆网络（LSTM）3种方法建立余热锅炉三压力级主蒸汽温度和压力预测模型。使用PCA将模型输入参数从22维降到9维,并以再热蒸汽温度预测模型为例进行分析,发现经PCA降维的模型与未经PCA降维的模型相比缩减了11.3%的超参数寻优时间。使用SSA对LSTM超参数寻优之后分别建立6个主蒸汽温度、压力预测模型,与未使用SSA的模型相比,这些模型的决定系数有了显著的提升,平均绝对误差与均方根误差有了显著的下降。因此基于PCA-SSALSTM的余热锅炉状态监测模型训练时间短,预测精度高,同时该模型给燃气轮机联合循环电厂余热锅炉的故障监测与诊断提供了理论依据和技术支持。     

基于变量选择的深度置信神经网络锅炉烟气NOx排放预测

准确预测NOx排放量有利于降低选择性催化还原（SCR）烟气脱硝成本,优化锅炉燃烧过程。本文利用偏最小二乘法（PLS）对燃煤锅炉实际数据进行变量重要性投影分析,得到变量重要性投影指标Vip,以Vip为依据对原始变量进行排序,将20项最优变量子集作为深度置信神经网络（DBN）的输入,得到NOx排放预测的PLS-DBN模型,并将PLS-DBN模型与最小二乘支持向量机（LSSVM）、DBN、误差反向传播神经网络（BPNN）模型用于某660 MW机组锅炉的3 000组训练集及500组预测集进行测试对比。结果表明:PLS-DBN模型训练集和测试集的预测误差均较小,且在训练集和测试集上均方根误差不大于2%的预测准确率分别为0.940和0.714,预测准确率最高;表明PLS-DBN模型比其他3种NOx预测模型具有更高的预测精度和模型泛化能力。     

基于PBES-LS-SVM的锂离子电池组SOC预测

针对锂离子电池组荷电状态(state of charge,SOC)难以预测的问题,提出应用主成分分析(principal component analysis,PCA)选取影响因素和秃鹰算法(bald eagle search,BES)优化最小二乘支持向量机(least squares support vector machine,LS-SVM)的SOC预测模型。首先,采用PCA筛选出主成分特征值较大的因素后,将其组成多输入样本集合;其次,利用秃鹰搜索算法的全局搜索能力不断优化最小二乘支持向量机的惩罚系数C、核函数g,建立PBESLS-SVM预测模型;最后,应用某储能设备历史数据,采用GA-BP、BES-SVM和PBES-LS-SVM等模型分别对锂离子电池组的完整放电过程数据集与部分放电过程数据集进行仿真研究。结果表明,提出的模型SOC预测均方根误差、平均绝对误差、平均绝对百分比误差分别减小至1.79%、1.30%和3.39%。与其余预测模型相比,PBES-LS-SVM模型预测精度高、预测时间短,具备良好的收敛性、泛化性。     

大型电站锅炉混煤掺烧的NOx排放特性预测与运行优化

在某700 MW四角切圆燃煤电站锅炉的NOx排放特性及锅炉效率多工况热态测试的基础上,应用人工神经网络建立大型四角切圆电站锅炉NOx特性及锅炉效率模型并进行预测,检验样本NOx排放浓度和锅炉效率预测值与实测值的平均相对误差分别为3.63%和0.23%,证实模型的可行性。并在此基础上,结合遗传算法对锅炉运行参数进行优化。优化后NOx排放浓度为421.44、255.05和215.40 mg×m-3,分别降低了37.56%、29.43%和30.56%;锅炉效率为94.56%、94.13%和94.80%,分别提高了0.09%、0.42%和0.88%。该模型可在掺烧非设计煤种情况下寻找出最优运行参数,降低锅炉NOx排放浓度并提高锅炉效率;同时随掺混比的增大,NOx排放浓度降低;掺烧D磨和E磨有利于降低NOx。     

一种新的电压偏差预测方法

针对电压偏差预测难度大的问题,文中提出一种新的电压偏差预测方法。该方法包括主成分分析法(principal component analysis,PCA)降维、亲和力传播(affinity propagation,AP)聚类、反向传播(back propagation,BP)神经网络预测3步。通过PCA对数据进行降维,获得数据主成分;为了弥补传统聚类方法的不足,提高聚类效果,文中引入AP聚类提取与待预测点同类的历史数据;最后选择BP神经网络建立电压偏差预测模型。将文中方法应用于实际电压偏差数据,结果表明该方法预测结果平均相对误差为3.06%,优于传统BP神经网络预测模型以及BP神经网络结合PCA降维的预测模型。     

采用燃烧系统模型预测锅炉效率和NOx排放浓度

以某电厂燃煤锅炉燃烧调整试验数据为基础,运用BP神经网络建立锅炉效率与NOx排放浓度的双目标锅炉燃烧系统模型,并用遗传算法优化BP神经网络的权值和阈值产生优化型GA-BP神经网络模型.通过对2种模型预测误差的比较表明,GA-BP神经网络模型的锅炉效率平均预测误差由6％降至3.4％,NOx排放浓度平均预测误差由0.1％降至0.04％,泛化能力相对于BP神经网络模型大大增强,可适用于建立锅炉燃烧优化系统.     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于SOPC的舵机控制器研究

研究一种开放式全数字舵机控制器。控制器采用了全数字三闭环控制,实现了舵机位置伺服控制功能,其中位置环采用PID参数模糊自整定的算法,电流环、速度环作为内环采用PI调节的算法,并对采用PID参数模糊自整定的算法和传统PID算法所得的结果进行了对比分析。实验结果表明,系统有较好的鲁棒性和动、静态性能,可达到位置跟踪效果。     

基于光生物效应的办公空间采光研究初探

该文将办公室天然采光与光生物效应相结合,通过分析在不同光气候、季节时段、采光口朝向、亮度水平的天然采光条件下,人眼瞳孔大小、主观感受等变化规律,研究在光生物效应作用下,天然光的光色（光谱分布）、光照强度（亮度）与人的视觉心理生理变化之间的关系,整理在不同光色下瞳孔变化与亮度水平函数关系式,以期能提出符合节能要求、有利于办公人员身心健康及提高工作效率的办公空间采光环境方案,完善办公空间天然采光的健康模式,从而进一步促进绿色照明和健康照明。     

基于Linux的SCADA系统后台服务器的研究

随着微机技术的不断发展，以Linux为代表的自由软件越来越多地应用于各个领域。针对自由软件Linux应用到电力SCADA系统后台服务器中这一课题进行了可行性研究。通过与传统的Unix工作站后台服务器相比较，提出了基于PC／Linux的SCADA后台服务器。     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

基于RTDS建模的分布式光伏对配电网影响研究

随着分布式光伏的大规模推进,需要研究分布式光伏接入配电网后对电压、 电流和继电保护带来的影响.首先,根据分布式光伏和配电网的典型结构,基于RTDS建立分布式光伏接入配电网的仿真模型.其次,仿真分析在不同的光伏渗透率、故障类型和故障位置下分布式光伏对配电网电压和电流的影响.然后,研究电网故障状态下分布式光伏对配电网继电保护的影响.仿真结果表明,分布式光伏接入配电网后使电压增大、系统提供的电流减小,分布式光伏渗透率较大时可能使过流保护拒动以及重合闸失败,因此需要重新整定保护定值.     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

基于PSCAD/EMTDC的电网GIC影响仿真分析

地磁暴在电网中产生的地磁感应电流影响电力系统运行,研究地磁感应电流在电网中的分布、大小及影响等问题有重要意义。在提出了研究我国电网地磁感应电流影响问题必要性的基础上,给出了基于平面波理论的地表面势的算法,以及用PSCAD／EMTDC软件分析电网地磁感应电流影响的思路,并对仿真分析中的仿真条件、理论依据、注意事项等问题进行了讨论,最后给出了仿真实例的分析结果。实例分析表明,我国电网的地磁感应电流问题是有必要深入研究的课题,PSCAD／EMTDC软件是分析电网地磁感应电流影响的有效工具和最佳选择。