CO_2气氛下煤/生物质混合热解过程氮转化特性实验

本文在卧式管式炉实验装置上进行了平凉煤、麦秆及其混合物料分别在CO_2和Ar气氛下700～900℃范围内的热解特性实验研究,获得CO_2气氛对热解过程氮元素迁移的影响以及煤/生物质混合热解过程中氮元素转化特性。实验发现:在高温时,CO_2气氛可使燃料发生气化反应,促进燃料中的氮元素析出进入挥发分中,降低半焦氮含量,并提高2种燃料的NH3及N2产率和麦秆的HCN产率;煤/生物质混合热解过程发生了协同作用,降低了HCN和NH3的产率,并提高了N2在700℃的产率。     

煤粉和麦秆加压富氧共燃中燃烧特性和硫转化规律实验研究

作为一项可减少温室气体排放先进、高效的碳捕集技术,加压富氧共燃技术引起了全世界的关注。本文采用加压热重平台研究了煤粉和麦秆在加压富氧混合燃烧中的燃烧特性和硫转化规律。热重分析表明:在煤中掺混麦秆有利于改善燃烧特性并促进燃烧阶段的完成,证明了麦秆与煤粉的共混物作为潜在的高反应性复合燃料的可行性;此外,操作压力和温度均对共混物的燃烧特性表现出一定的影响。对灰渣的晶相结构、微观形貌和元素含量分析结果表明,将生物质掺入煤中进行共燃烧可以有效减少硫化合物的排放。探究加压富氧条件下操作参数对含硫产物转化的影响非常重要,这将有助于促进加压富氧共燃技术在大型锅炉中的应用。     

基于关系图卷积神经网络的新能源配电台区拓扑识别方法

针对传统拓扑识别方法难以适应高比例分布式光伏接入下低压配电台区电气耦合特性复杂的问题,本文提出了一种基于关系图卷积神经网络的新能源配电台区拓扑识别方法。首先,分析了分布式光伏接入对低压台区线户关系识别的影响机理,提出了高渗透率分布式光伏接入下配电台区的自适应线户关系识别方法,通过电压皮尔逊相关系数矩阵建模和全局自适应聚类方法实现线户关系识别。其次,基于新能源台区拓扑关联特性将配网节点关联分类匹配为分隔、上下、并列及光伏节点接纳关系,建立了适应分布式光伏接入的台区拓扑邻接矩阵模型。最后,提出了基于关系图卷积神经网络的配电台区拓扑生成算法,通过提取电压量测数据形成台区节点特征矩阵,基于关系图链接预测挖掘潜在节点关联关系逐步生成配电台区拓扑。算例仿真对比验证了所提拓扑识别方法的有效性,与传统算法相比可提升识别准确率4.3%以上。