大数据时代下的电力自动化系统数据处理研究

基于信息技术与互联网技术的发展,信息智能时代来临.特别是在电力行业中,上述技术的应用也更为广泛,为此,使得电力自动化系统也呈现出多样化的发展趋势,能够不断满足复杂性的处理数据需求.文章将电力自动化系统作为研究重点,阐述了在大数据时代背景下的数据处理问题,以供参考.     

基于混沌理论与Elman神经网络的气固流化床流型识别

采用混沌理论对气固流化床压力脉动信号进行混沌特性分析,包括求延迟时间τ、Hurst指数、关联维数、Kolmogorov熵、Lyapunov等混沌参数,并结合统计参数作为流型辨别的特征输入量,利用Elman神经网络对其训练.试验结果表明,气固流化床压力脉动信号具有混沌特性,Elman神经网络能够有效地快速地识别流化床的五种流型,识别率达95%,为在线识别气固流化床流型提供了一种新的有效方法.     

电站锅炉烟气脱硫的PAN-ACF工艺方案研究

对已经进入中国脱硫市场的若干国外脱硫公司的脱硫技术进行了技术评价 ,指出了以CaO作为SO2 吸收剂的脱硫技术在适合中国国情方面存在局限性以及带来二次污染的后果 ,提出了以PAN ACF作为SO2 吸收剂 ,以吸附、富集、氧化原理处理低浓度SO2 的烟气脱硫的工艺 ,以除盐水淋洗获得基础化工原料稀硫酸 ,实现脱硫工艺洁净化生产     

洁净手术室空调系统热湿处理过程探讨

对洁净手术室空调采用的一次回风系统、二次回风系统及由新风负担全部湿负荷的湿度优先控制系统的热湿处理过程进行了分析,并以某工程项目为例进行了计算,结果表明：湿度优先控制系统易于实现和控制,与传统一次回风系统相比具有显著的节能效果。     

多尺度信息熵特征的气液二相流流型识别方法

为研究垂直上升管中的气液二相流的流型,利用自制的多电导探针的测量系统采集了4种典型流型的电导波动信息。根据小波包变换能将电导波动信号按任意时频分辨率分解到不同频段的特性,对其进行了3层小波包分解后并计算了各个频段的信息熵特征向量,并作为特征参数输入到E lm an神经网络进行训练,实现了与神经网络相结合流型的智能识别。研究结果表明,该方法能够很准确地识别出4种流型,且提取特征比较方便,从而为流型识别提供了一种新的有效方法。     

垂直上升管油气水三相流视频图像灰度波动信号的混沌特性分析

以35号润滑油,空气和自来水为试验介质,应用高速摄像机对垂直上升管内的油气水三相流的6种典型流型进行了动态图像的拍摄。提取每一帧图像的灰度均值组成时间序列,对其进行混沌特性分析,主要对互信息法,自相关法,平均位移法以及(去偏)自相关法4种求延迟的方法进行了对比,同时结合功率谱、混沌关联维与HURST指数对油气水三相流的流型形成机理进行了分析。试验结果表明：垂直上升管中油气水三相流的动态图像灰度波动信号具有混沌特征,能够对三相流几种典型流型进行很好的表征。     

PAN-ACF吸附法对电站发电锅炉烟气脱硫方案的研究

针对已经进入中国脱硫市场的若干家国外脱硫公司的脱硫技术进行了评价分析,指出了以CaO作为SO2 吸收剂的脱硫技术在适合中国国情方面存在的局限性以及带来严重二次污染的后果,提出了以PAN-ACF作为SO2 吸收剂,以吸附、富集、氧化原理处理低浓度SO2 的烟气脱硫的工艺,以除盐水淋洗获得基础化工原料稀硫酸,实现脱硫工艺洁净化生产     

洁净手术室空调系统热湿处理过程探讨

分析了洁净手术室空调采用一次回风系统、二次回风系统及由新风负担全部湿负荷的湿度优先控制系统的热湿处理过程。以某工程项目为例进行了计算,结果表明:湿度优先控制系统易于实现和控制,采用常规冷水盘管与机械制冷相结合的双冷源冷却除湿可满足系统对新风的处理要求,与传统一次回风系统相比,湿度优先控制系统具有显著的节能效果。     

蓄能锅炉在供热系统中的应用

近年来,随着我国经济的迅速发展,人们生活水平的不断提高,暖通空调对电力的需求也越来越大。尽管全国发电装机容量已超过3亿Kw,年发电量超过1.2万亿Kwh,我国的电力供应还较紧张。突出的问题是峰电不足而谷电有余,有的电网峰谷负荷差达25％以上,造成白天经常拉闸限电、夜间有电送不出严重浪费现象。为此国家有关部委制定了一系列有关政策削峰填谷,以缓解我国电力供应的结构性矛盾。国家电力部门亦逐步实施分时电价政策,并且在蓄能空调系统的电力增容费等方面给予政策性优惠。这无疑是一种战略性的节能措施,     

人工鱼群算法在气固流化床流型识别中的应用

准确识别流型是流化床气固二相流参数检测的一项重要内容,实验是在流化床气固二相流实验系统上进行的。首先,采集5种典型流型的压力波动信号,并以信号的统计参量作为流型特征。然后,将样本送入经过人工鱼群优化的BP神经网络进行训练。人工鱼群(AFSA)是一种新型的智能优化算法,具有全局收敛性好,鲁棒性强,对初值不敏感等特点,通过优化神经网络的权值使识别率得到明显提高,实现了气固流化床典型流型的快速、准确识别。实验结果表明,该方法对气固流化床5种典型流型的识别率达到97%,为在线识别气固流化床流型提供了一种新的有效方法。