槽式太阳能热发电系统综述

槽式太阳能热发电系统(槽式系统)符合"大容量-高参数-长周期储热"的国际太阳能热发电技术发展趋势,是世界上商业化最成功的太阳能热发电模式。介绍了槽式系统的原理、特点及分类情况,论述了导热油槽式系统和直接蒸汽发电(DSG)槽式系统的结构特点、发展现状,指出以水为工质的DSG槽式系统是槽式系统的发展方向。     

抽水蓄能电站高大地下厂房气流试验与数值模拟

为优化宜兴抽水蓄能电站地下厂房内的通风空调设计方案与运行模式,采用现场试验与CFD数值模拟方法,研究研究送风速度、发电机组启停组合工况以及发电机冷却排风方式等主要影响因素对气流组织的影响,分析地下水电站典型层内能量利用系数η、温度不均匀系数kT、速度不均匀系数ku的变化规律。结果表明,在现有的设计方案下,热源设备周围空气的温度显著高于厂房空间内平均温度,湿度低于厂房内平均湿度;热源周围气流由于自然对流的影响,流速有所增加。发电机层的温、湿度以及气流速度分布基本满足设计要求,但在典型热湿季节,温、湿度接近标准上限。     

一种改进RBF网络与PID相协调的自适应控制

为充分利用人工神经网络处理非线性问题能力和PID控制器设计简单以及鲁棒性强的优点,设计了高性能控制器.通过对最小资源分配网络的裁剪策略进行改进,使改进的网络具有更加紧凑的结构;把改进的最小资源分配网络应用到神经网络自适应控制器中,同时结合神经网络自适应控制和PID控制,提出一种神经网络与PID相协调的自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,提出的控制算法与常规的控制算法相比具有更好的控制品质.     

最小资源分配网络及其在电站锅炉中的应用

燃煤电站锅炉内NOx的生成规律非常复杂,与锅炉的燃煤、送风方式、燃烧器等许多运行参数和结构有关.人工神经网络具有联想、记忆、自适应、自学习、适于处理非线性问题等优点.该文采用基于RBF网络的最小资源分配网络(MRAN)对某电站锅炉NOx的生成规律和效率进行建模,该模型不仅能自动调节隐节点数、学习速度快、学习精度高、适于在线运行,而且具有能同时预测NOx排放和锅炉效率等优点.该模型对电站锅炉的运行具有指导意义和参考价值.     

关于大直径焊接钢管生产的探讨

简要介绍了大直径螺旋焊管和直缝焊管的各种成型工艺特点，分析了生产所需的外部条件。提出在我国新建大直径直缝焊管机组时，从投资省、见效快的目的出发，宜优先引进RBE或“C”成型工艺技术和关键设备，以及在鞍钢应新建RBE大直径直缝焊管机组。     

图像复制中GCR与UCR适用性的研究

设计了用于图像复制的色标图原稿,对该原稿分别进行GCR与UCR分色后进行输出。分析了不同分色方式下图像密度、色彩饱和度及中性灰的复制特点,比较了不同类型黑版对于阶调层次、色彩及灰平衡的适用性。结果表明:GCR更适合处理暗调图像,有助于改善图像灰平衡,但会损失色彩密度及饱和度;UCR有利于色彩密度和色度的良好再现,但会损失图像的反差和灰平衡效应。     

一种神经网络PID自适应控制及其应用研究

为提高PID控制的自适应性能,提出了一种神经网络PID自适应控制算法.最小资源分配网络(MRAN)是一种可以在线调整隐节点的RBF网络,具有泛化能力强、计算精度高的优点.通过对MRAN的剪裁策略进行改进,使改进的网络具有更加紧凑的结构;把改进的MRAN和PID控制相结合,提出了一种基于动态RBF网络的PID自适应控制策略,并应用到对电站锅炉过热汽温的控制上.仿真结果表明,所提出的控制算法与常规的控制算法相比具有更好的控制品质.     

女人很好色 男人很鸡婆

在今时今日。女人们为了男色，已经发展到了口枪舌箭，甚有人打出手之势，典范如我们的杨二老师和柯老师。十足越来越女性化、敏感化、脆弱化、小鸟依人化的小男人们开始罩不住了。他们迷惘啊，因为他们不知道自己是该高兴还是忧伤，该嚣张还是彷徨……想昔日，面相再娇美都换不来大米的男人，终于开始被女人重视了、欣赏了、争抢了，他们也可以靠色相来平步青云、富贵发达了，他们也可以撒娇了、哀怨了，却又在一时间颓了、拧巴了、失落了，犹如丢了要命的传家宝。于是，他们迅速向长舌、鸡婆变异了。[编者按]     

海上风电场微观选址工程优化方法与软件开发

海上风电场用海面积有限,同时由于湍流强度低,尾流恢复慢,其微观选址优化排布方法是海上风电的关键技术之一.在实际工程应用中,其排布一般采用人工经验和方案比选方法,由于受主观因素影响以及比选方案数量有限,难以得到工程优质解.文中针对平行四边形网格枚举方法存在计算效率低和优化时间长的问题,提出一种海上风电场微观选址工程优化方...     

测风数据间隔对风速预测精度影响的研究

风速预测对风电场控制和电网调度具有十分重要的意义。文章以不同时间间隔的测风数据为基础,采用时间序列法和人工神经网络法对风速进行预测,通过比较风速预测绝对平均误差,说明时间间隔较短时,采用BP神经网络预测精度较高;当时间间隔增大时,采用时间序列法预测精度较高;时间间隔过大,即风速数据太少时,两种预测方法误差都较大,须谨慎使用。该研究结果对风电机组控制系统的设计以及电网调度计划的制定具有参考价值。