储能专业人才培养体系课程建设探索

<正>本文围绕储能专业人才培养,提出了建立完整的《储能科学与工程》课程知识体系、加强专业技能与全面应用分析能力的培养等建议,探索了该课程的建设路径,为储能专业人才的高质量培养提供参考。储能技术是能源技术领域的重要创新方向之一,其贯穿于新能源开发与利用的全部环节,是能源转换与缓冲、调峰与提效、传输与调度、管理与运用的核心技术。由于新能源的波动性、间歇性等特点,储能在构建以新能源为主体的新型电力系统过程中发挥着重要作用。在“双碳”目标实现过程中,“新能源+储能”的开发利用成为主要途径之一。面对储能专业人才的巨大缺口,     

铁矿石烧结工艺参数优化模型的设计与应用

在分析配矿方案、工艺参数、产、质量指标三者相互关系的基础上,提出了两种优化烧结工艺参数的数学逻辑模型,即网络输出参数优化模型和网络输入参数优化模型.通过神经网络建模,比较建模结果,网络输入参数优化模型的效果更好.在神经网络模型的基础上结合遗传算法求解网络输入参数优化模型,计算出最佳的工艺参数.模型通过应用,不仅降低了烧结能耗,而且提高了烧结矿的产、质量,验证了模型的有效性和实用性.     

基于内容的回转窑火焰图像检索

为充分应用回转窑计算机看火所产生的火焰图像,提出一种基于内容的回转窑火焰图像的检索方法.分析和提取火焰图像中的纹理特征、颜色特征和形状特征,并进行了归一化.通过计算被检索图像和数据库中图像的特征值的相似度,得到一系列相近检索结果.分别对基于纹理特征、颜色和形状特征及综合特征的检索方法进行火焰图像数据库检索试验.结果表明,这些方法都有较高精度,其中综合特征检索为最高.该研究可为回转窑生产管理和监控提供有力支持.     

冶金过程人工神经网络建模及其参数优化策略

鉴于人工神经（ANN）网络在处理复杂系统方面卓越的能力,采用人工神经网络来处理冶金过程的系统建模问题,分析并建立了人工神经网络建模的框架及应用方法。在用网络模型仿真实际系统的基础上,详细论述了基于网络模型的3种系统参数优化策略。将已建立的模型应用于冶金实际生产,结果表明,预测结果与实际生产数值相当吻合。     

Prediction of Al（OH）3 fluidized roasting temperature based on wavelet neural network

The recycle fluidization roasting in alumina production was studied and a temperature forecast model was established based on wavelet neural network that had a momentum item and an adjustable learning rate. By analyzing the roasting process, coal gas flux, aluminium hydroxide feeding and oxygen content were ascertained as the main parameters for the forecast model. The order and delay time of each parameter in the model were deduced by F test method. With 400 groups of sample data （sampled with the period of 1.5 min） for its training, a wavelet neural network model was acquired that had a structure of {7^-21^-1}, i.e., seven nodes in the input layer, twenty-one nodes in the hidden layer and one node in the output layer. Testing on the prediction accuracy of the model shows that as the absolute error ±5.0 ℃ is adopted, the single-step prediction accuracy can achieve 90% and within 6 steps the multi-step forecast result of model for temperature is receivable.     

铁矿烧结配矿模式研究进展

新常态经济下中国钢铁工业进入创新驱动式内涵发展的新阶段,进一步提升铁矿石配矿的技术经济综合指标对烧结生产至关重要。归纳了烧结配矿过程描述模式,提出了综合工序、特性和技术、经济及环境指标信息的配矿求解组态模式。分析了主要烧结配矿技术的特点,结合配矿组态模式,探讨了烧结配矿信息的解析和模式化,对配矿模式研究方向进行了展望。     

基于温度场主元分析的高炉炉况深度学习预测建模

开展高炉过程大数据的信息深度挖掘与建模是高炉信息化和智能化建设的重要内容.针对传统浅层神经网络在高炉炉况信息表征上的不足,以炉况温度场信息挖掘为中心,构建了以炉况状态参数为目标的逻辑模型,模型输入为温度场、操作参数和指标参数.利用主元分析对108维的温度场数据进行降维处理,以86％的信息提取度为准则,形成20维主元特征...     

烧结通用配料计算软件系统的开发

本文介绍了烧结通用配料计算软件系统的总体结构，软件的功能及其设计特点，该软件已在多个烧结经验中得到成功应用。     

基于综合神经网络的优化配矿系统模拟模型及应用

针对烧结配矿的复杂性，建立了综合神经网络模拟模型，用以仿真烧结配矿与烧结矿产质量指标问的关系，并利用生产数据对模型进行了检验。综合神经网络的应用能大大提高预报的命中率。同时，对在其他领域的应用，也有很好的参考价值。     

基于神经网络的氢氧化铝焙烧优化控制系统

采用OPC(OLE for Process Control)技术架构了三层模式的过程优化控制系统,实现了优化控制系统与现有PLC系统的数据通讯、信息共享.优化控制系统由FLUENT仿真分析、过程智能建模、流程理论分析和优化控制四大模块组成.主要模块采用神经网络架构,实现复杂炉况的系统辩识以及工艺参数的优化计算.生产应用表明:该系统具有很好的指导性,能稳定生产、优化操作,为节能和降废的整体优化提供了新手段和途径.