一种高效的多线程串行异步通讯方法

提出了一种基于WIN32的多线程异步I／O模型，用于解决复杂的多路并发异步串行通讯问题，剖析了该模型的运行机制及优越性。     

运用等熵闪蒸法的安全阀计算

介绍了石油化工装置中安全阀设计的内容,考察了国外某新建炼油厂柴油加氢精制装置冷高压分离罐顶循环氢出口管线上的安全阀,结合等熵闪蒸的方法对冷高压分离罐火灾工况下高温高压的泄放介质进行模拟计算,可得到更准确的安全阀计算面积,确定安全阀喉径。结合管道轴测图对安全阀进出口管线进行水力学计算,确定进出口管径并指导安全阀选型。安全阀进口段压力降应小于安全阀定压的3%,避免安全阀震颤造成损坏。安全阀出口段的泄放背压与安全阀定压比值可指导安全阀的选型,保证安全阀正常起跳：普通工况下,小于定压的10%,火灾工况小于定压的21%,可选择普通式安全阀;大于10%且小于50%,应选择平衡式安全阀;大于50%,应选择先导式安全阀。     

基于多源Mallat-NIN-CNN网络的变压器绕组故障诊断

变压器绕组形变是常见的故障，传统的诊断方法参数过多且受噪音干扰导致诊断性能较差。提出了一种基于灰度转换的特征提取方法，该方法将振动信号转换为灰度图像，有效地提取特征。针对单源信号特性信息强度随距离变化的问题，利用多源通道采集振动信息，并利用图像融合手段抑制多源图像中大量冗余信息、信噪比低的问题，提出基于多源Mallat-NIN-CNN网络的电力变压器绕组故障诊断模型，利用Mallat算法对多源振动信号灰度图像分解，通过基于区域特性量测和加权平均方法分别对各分解层的高频分量和低频分量进行融合，将重构的灰度图像输入NIN-CNN网络进行故障诊断。经实验验证，该方法有效抑制了多源信号中的噪声，提高特征信息的完整性，降低了计算量，提高了故障诊断准确性。     

H_2-Fe~(3+)/Fe~(2+)氧化还原液流电池初步研究

提出一种新型氧化还原液流电池:H2-Fe3+/Fe2+氧化还原液流电池。系统研究了Fe3+/Fe2+电对于未处理与热处理聚丙烯腈基石墨毡上的电化学性能及两种石墨毡组装电池充放电性能。实验结果表明:经热处理之后,石墨毡电化学反应活性面积变大,Fe3+/Fe2+电荷传递阻抗降低,从而降低了电池极化。以热处理石墨毡为电池正极,碳纸为负极组成电池,在50 m A/cm2充放电时,电压效率为87.43%,与用未处理石墨毡组装电池相比,电压效率提高11.82%,内阻降低50%。     

真空法制备超级电容器碳电极材料

采用真空技术把硫酸电解质溶液引入大比表面积BP2000碳粉的内孔,增加碳材料内比表面积的利用率。采用循环伏安、恒电流充放电和交流阻抗实验对真空处理前后的BP2000碳粉进行比较。实验结果表明,真空处理的最佳时间为30 min;真空处理后BP2000碳粉的比容量为260.1 F/g,比未经过真空处理BP2000碳粉提高约200%;组装电容器的比电容为84.01 F/g,增加了85.17%;真空处理后电容器循环充放电1 000次比容量衰减34.9%,真空处理前衰减73.1%。这表明真空法制备碳电极材料具有较好的可逆性和电容特性。     

考虑复杂时序关联特性的Bi-LSTM变压器DGA故障诊断方法

当前基于油中溶解气体分析(DGA)的变压器故障诊断方法往往仅考虑单一时刻数据点,容错性差,难以充分挖掘在线监测数据的时序信息。提出一种考虑变压器油特征参量序列间复杂关系的基于双向长短时记忆(Bi-LSTM)网络的变压器故障诊断方法。首先构建了变压器油特征参量序列,基于序列数据构建了Bi-LSTM变压器故障诊断模型。工程实际中不同变压器油特征参量序列长短不一,需通过排序、分组填充对模型输入进行重构改进,然后对超参数进行优化。基于同一自建数据库对比所提方法与其他方法,结果表明:经过数据重构后所提方法的准确率可达91.9%;当特征指标数量减少约2/3时,所提方法的准确率仅下降约1%,而其他方法的准确率平均下降约6%;当采样数据存在10%的随机错误时,所提方法诊断准确率仅下降2%～6%,且通过改变隐藏层的数量可得到改善。     

计及疲劳损伤的多时间尺度风电变流器IGBT可靠性评估

现有的风电变流器中绝缘栅双极型晶体管(IGBT)可靠性评估方法在计及疲劳损伤时无法兼顾计算效率与准确度,为此提出了一种多时间尺度可靠性评估算法.首先,基于监测控制和数据采集(SCADA)数据建立风速的威布尔概率分布模型,依据风电变流器拓扑结构推导IGBT模块的电热耦合模型,并引入了常用的寿命预测模型;其次,对风电变流器IGBT进行时间尺度划分,并针对某2 MW风力发电系统,从不同时间尺度开展IGBT可靠性评估;最后,得出了计及疲劳损伤的可靠性评估参量,与现有统计数据对比,从累积损伤度和寿命预测2个方面来验证所提算法的可行性和准确性.结果表明,所提算法相较于现有算法,可以更加准确高效地评估IGBT的健康状况.