具有对负荷变化前馈补偿的锅炉汽包水位系统的神经网络内模控制

电站锅炉汽包水位间接地反映了锅炉负荷与给水平衡的关系，是电站发电机组运行的主要控制参数之一。该文提出将基于神经网络的内模控制策略应用到电站锅炉的汽包水位控制中，并考虑负荷变化对汽包水位的影响，将蒸汽流量信号引入到神经网络内模控制器中，使其对汽包水位系统的蒸汽流量扰动具有前馈补偿能力，以消除“虚假水位”现象。同时，总的控制对象输入由神经网络内模控制器NNC和一个鲁棒反馈控制器RC组成，两个控制器的输出信号通过变参数加权综合后共同作用于被控对象，这样保证在控制初期以及对象特性变化的情况下系统仍然具有良好的调节品质。仿真试验结果表明了该控制策略的有效性和实用性。     

基于小波分析的汽轮发电机组振动信号消噪和特征提取

小波分析技术由于其良好的时频局部化性质,对突变和非平稳信号的分析具有良好的效果,已经成为信号消噪、特征提取和故障诊断的重要方法之一.针对汽轮发电机组的振动特征,采用基于最优小波包基的方法对汽轮发电机组的振动信号进行消噪处理,有效地剔除了汽轮发电机组表面振动信号的噪声干扰,提高了信号的信噪比;对消噪后的信号进行小波包分解,并将各相关频带进行能量特征提取,从而为汽轮发电机组振动信号的故障诊断提供了有力依据.     

灰色预测神经网络PID控制研究

由于火电厂过热汽温控制系统的大惯性、大迟延和时变等特性,传统的串级PID控制方法不能适应负荷变化,因而难以取得满意的控制效果。因灰色预测具有少数据、贫信息且运算量小的优点,将灰色预测控制及神经网络相结合,提出了基于灰色预测的神经网络PID控制策略。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

基于D-AHP和TOPSIS的火电厂控制系统信息安全风险评估

火电厂控制系统信息安全风险评估往往存在主观性强和不确定性等问题,而这些问题会对评估结果产生一定影响.对此,提出一种基于D 数偏好关系改进层次分析法(D-AHP)和逼近理想解排序法(TOPSIS)的电厂控制系统信息安全风险评估方法.根据工业控制系统风险评估的相关行业标准,识别工业控制系统的资产、威胁、脆弱性及现有安全措施,建立评估指标体系和层次结构模型.针对评估专家经验差异导致的评估信息不确定性,先使用D-AHP方法求解各指标影响权重,再使用TOPSIS法求出专家权重,最后得到电厂控制系统信息安全风险值.实例分析表明了所提出方法的有效性,同时提高了评估结果的正确性.     

基于Modbus协议的ARM嵌入式监测平台设计与实现

针对电厂自动化应用的嵌入式数据采集监测系统需求,在嵌入式Linux环境下设计开发了基于Mod-bus协议的ARM嵌入式监测平台,实现了ASCII和RTU 2种通信模式的串口ModlDUS协议主站,以满足与各串口Modbus协议从站设备的通信.嵌入式监测平台除了主要完成数据采集、数据处理等功能,还提供了数据采集接口、多种网络通信接口和人机交互接口等功能.通过对该平台的严格测试,所提供的串口Mod-bus协议主站服务程序运行稳定、可靠.     

基于平行四边形检测框的电厂雨排口环境检测技术研究

火电厂生产过程中存在油污泄漏污染雨排口的情况，不及时处理会污染河流环境。雨排口监控图像为俯角图像，用矩形检测框难以正确识别，基于某电厂雨排口俯角图像，提出了一种平行四边形检测框算法。分析了平行四边形检测框的特性和角度检测误差对交并比（IoU）的影响，讨论了分类和回归两种角度检测方法的特点；对于角度分类问题，设计了基于指数函数的类平滑标签；针对类别间隔角度的检测，设计了分类-回归器，学习角度类别间隔的偏移量。最后使用改进后的分类交叉熵损失函数和IoU-Smooth L1损失进行训练。在电厂雨排口数据集中测试表明，所提方法检测效果最好。     

基于RS-RBF的燃气轮机控制系统传感器故障诊断研究

燃气轮机控制系统在电厂安全运行中起到重要作用,而传感器作为控制系统中的测量信号装置,其安全性至关重要,因此开展对燃气轮机控制系统传感器的故障诊断研究具有重要意义。在传感器故障诊断中需要从故障信息中提取出有效的诊断规则。为了解决这一问题提出了一种改进离散化方法对数据进行预处理,结合粗糙集(RS)和径向基(RBF)神经网络对传感器进行故障诊断研究。实验结果表明,该方法减少了燃气轮机控制系统传感器故障类型的误判率。     

退役动力电池回收及其在储能系统中梯次利用关键技术北大核心CSCD

新能源汽车产业迅速发展,动力电池将在更迭换代中迎来退役潮,梯次利用技术能够在最大化利用动力电池全寿命周期的同时缓解回收压力及环境污染问题。为进一步完善梯次利用绿色可持续发展体系,本文研究了当前梯次利用相关政策、标准及应用场景,并从电池回收与储能系统梯次利用两方面,分别对电池回收模式、老化原理、检测、筛选、状态估计、容量配置、控制策略等技术研究展开讨论。最后结合国内形势,探讨了退役动力电池梯次利用所面临的问题与挑战,并针对关键技术的突破与产业体系的形成提出建设性意见,以期为梯次利用产业布局提供助力。     

基于OVMD算法集成学习模型的火电厂关键辅机故障诊断

针对火电厂辅机设备运行工况复杂、系统非线性强、易受背景噪声干扰、故障特征难以提取等问题，提出1种基于最优变分模态分解(OVMD)算法的集成学习模型故障诊断方法。首先，使用OVMD算法对辅机的纵向与横向原始振动信号进行预处理，从中提取均方根、裕度、峰值、平均值、波形指标、方差等10个参数作为轻量级梯度提升机(LightGBM)的特征向量。然后，结合集成学习算法构造Bagging-LightGBM集成学习模型。试验结果表明：与单一的LightGBM分类器相比，Bagging-LightGBM集成学习模型对于火电厂辅机故障诊断性能更优。集成学习模型为火电厂辅机故障诊断研究提供了参考。