灵活调峰下在线学习的直接空冷机组背压预测模型

在灵活调峰的背景下,为适应直接空冷机组负荷动态变化与环境因素干扰,提出一种在线学习的神经网络方法对直接空冷机组背压进行预测。首先,对历史数据进行清洗,通过Spearman相关性分析确定影响运行背压的低冗余重要特征。接着,采用Hammerstein模型对背压进行模型参数在线辨识。同时,采用长短记忆神经网络和注意力机制建立直接空冷机组背压预测模型,使用在线学习的方式对模型进行更新。实验表明：该模型在预测未来1h内不同时间跨度的背压绝对百分比误差（MAPE）低于9%,并在预测30s内的背压MAPE低于1%。最后,在实际电厂系统中验证模型能够在实际应用中稳定运行。本研究的成果为直接空冷机组背压实时预测提供了有效的方法,这对于灵活调峰直接空冷机组的运行和管理具有重要的意义。     

地下低压配电房通风降噪仿真与分析

为合理控制居民区地下配电房的室内温度,降低机械通风带来的环境噪声,建立了配电房风速场仿真模型并对其进行分析计算。以某住宅楼地下配电房为例,使用ANSYS13.0软件对其中主要热源——变压器周围的风速场进行模拟与分析。结果表明:在保证室内电气设备工作温度前提下,优化计算通风量,通过电缆沟辅助进行机械排风,使配电房噪声由之前的平均值79 d B降低到71 d B。通过修改模型参数,可用于其它地下配电房温度场的模拟与预测,为前期设计提供参考。