用于可视化编程的柔性直流控制保护系统研制

采用可视化编程的控制保护系统相比于传统微机编程方法的控制保护系统具有运维方便、开发高效的优点。但用于可视化编程的控制保护系统常需要同步对多DSP编程,传统直流控制保护系统难以满足其对实时性、多线操作和兼容性的需求。针对这些问题,分析了柔性直流控制保护系统可视化编程的特征,提出了一种适用于可视化编程的柔性直流控制保护系统,设计了可实现多线操作的可视化编程的软硬件系统,最终,在RT-LAB仿真实验平台上进行了实验验证。实验结果表明所研制的控制保护系统功能满足直流输电工程应用的标准,实现了多线操作和独立总线通信等功能,兼容性强和实时性高,具有极高的工程应用价值。     

蒸汽喷射抽真空系统在640 MW机组中的应用

文章对某电厂640 MW超临界汽轮发电机组的真空系统进行了优化节能改造,解决了真空泵的噪音、机械转动及电耗大等问题,提高了凝汽器的真空度,通过实验对比及节能分析得出新系统能够达到更好节能降耗效果.     

甲基纤维素对Ni/SBA-16加氢脱芳催化剂的影响

以甲基纤维素(MC)为辅助模板剂,制备了SBA-16介孔分子筛(SBA-16-MC),以该材料为载体制备了Ni/SBA-16-MC,用作以萘为探针的加氢脱芳反应的催化剂。对催化剂的晶相、形貌、比表面积、孔径等进行了表征,并评价了催化剂的催化性能。结果表明:MC的加入使Ni/SBA-16-MC具有比Ni/SBA-16更高的比表面积、孔容和更大的介孔孔径,SBA-16-MC上NiO与载体的作用变弱,NiO的还原温度降低。Ni/SBA-16-MC的催化活性和选择性均明显高于Ni/SBA-16,脱芳率高于91.0%,十氢萘选择性高于85.0%。     

水电站同期方式的探讨

由于水电站具有设备简单，运行操作灵活，机组起、停时间短等优点，因此，在电网中担任调频、调峰任务。在水电站，发电机的并网操作是一项较频繁且十分重要的操作。如果并网操作不正确，发电机将因承受冲击而可能损坏，重者甚至影响到系统的安全运行。因此，有必要对发电机的同期方式进行探讨。     

基于直接测量的换相失败检测及预测方法研究

换相失败是高压直流输电系统逆变侧换流阀较易发生的典型故障,连续换相失败会对电网造成严重危害,传统基于交流或直流运行参数的间接判断法存在响应时间慢、误判率高等缺陷。此处首先分析了换相失败机理,换相失败后晶闸管阀将继续导通,不会承受正向电压,而实际关断角小于最小关断角是导致换相失败的根本原因之一。利用换相失败后晶闸管阀电压波形特征,提出了通过设置采样窗口,直接测量晶闸管阀电压来检测换相失败故障的方法,同时测量晶闸管阀的实际关断角,用于评估换相失败风险。搭建了基于RT-LAB的闭环测试平台,验证了此处所提换相失败检测方法和关断角测量功能,为解决高压直流输电换相失败故障奠定了坚实的技术基础。     

模板法制备TiO_2-Al_2O_3载体对萘加氢催化剂的影响

采用模板法制备了介孔TiO_2-Al_2O_3载体,以磷酸二氢铵为磷源,硝酸镍为镍源,制备了介孔Ni_2P/TiO_2-Al_2O_3(简称Ni_2P/TA-n,n为Ti与Al的摩尔比,n=1/20,1/10,1/5)催化剂。采用XRD,N2吸附-脱附,SEM,FT-IR,NH_3-TPD和XPS对催化剂进行了表征,并以萘加氢为探针反应,评价了催化剂性能。结果表明,Ni_2P/TA-n(n=1/20,1/10,1/5)催化剂以层状形式存在,钛的引入使得P和Al的化学环境发生改变,可以抑制六配位的Al O6的生成,而且可以减弱载体中四配位Al~(3+)与负载的金属磷化物之间强的相互作用,有利于Ni_2P相的生成。催化剂具有明显的介孔结构,随n的增加,孔容和比表面积先增加后减小。催化剂以中强酸为主,TiO_2的引入降低了Al_2O_3的酸强度。适宜的介孔孔道、酸性和高的Ni_2P相纯度使Ni_2P/TA-n(n=1/20,1/10,1/5)的催化活性和选择性明显高于以溶胶凝胶法制备的TiO_2-Al_2O_3为载体的Ni_2P/TiO_2-Al_2O_3(SG)。介孔Ni_2P/TA-1/10的催化活性和选择性最高,分别达到98.7%和80.5%,催化剂在线使用100 h仍具有活性且选择性没有明显变化。     

基于能源网络系统中燃煤锅炉NOx排放的深度学习模型研究

为了建立高精度的燃煤锅炉NOx排放量预测模型,提出了一种考虑时延特征的基于深度学习的燃煤锅炉NOx排放量建模算法。结合机理分析和lasso算法分析特征变量重要性,选取与NOx排放量最相关的变量,进一步分析所选取变量与NOx排放量之间的时延相关性;确定模型输入变量后,采用经验模态分解方法对输入变量时间序列进行分解,提取其中的频域信息与时域信息,构造建模数据库;设计深度神经网络结构并优化网络参数,建立NOx排放量预测模型。基于火电厂实际运行数据的实验结果表明,在多种工况下,所提出的算法预测误差均小于2%,能够满足实际生产对预测精度的要求。