基于模糊PID控制器的协调控制系统优化

火力发电厂在我国电力工业中占有主要地位,大型火电单元机组的协调控制对象是一个多变量、强耦合的控制对象,针对此对象设计合适的解耦控制器是急需解决的问题.本文结合以1000MW机组作为具体模型,分别采用常规PID协调控制方式和参数自整定模糊PID解耦协调控制方式对全工况下的协调控制系统进行仿真研究,在线对PID参数进行整定,通过仿真结果进一步比较,可以看出,该方法可以很好的对单元机组协调系统进行控制,并能使控制系统的性能得到完善.     

融合共现推理的Faster R-CNN输电线路金具检测

为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。     

基于神经网络的火电厂烟气含氧量软测量

介绍了测量仪表及过程控制中的软测量技术. 讨论了软测量技术的有关问题和开发策略.提出了基于一种复合型神经网络的火电厂烟气含 氧量软测量模型,并且用它对火电厂烟气含氧量的软测量进行了建模仿真验证,现场不同负荷 下的实测数据仿真验证结果表明了软测量方法的有效性.最后给出了应用前景展望.     

提供决策支持的电力备品配件管理系统设计与开发

以物资管理系统为基础,引入决策支持的思想,设计并开发了现代备品配件管理系统。在实践环节上,对备件的供、管、用、修四个环节进行了系统的分析,依据现场实际及信息管理系统的特点,将系统实现分为能够应用、应用、有效应用三个步骤,实现闭环管理,取得了良好的效果。     

便携式激光盘煤系统的研究应用

在大型露天煤场存煤量测量中，对激光扫描采集到的三维不规则数据的显示方法进行了研究，提出了一种结合三维散乱数据插值和计算机视觉修正方法的设计方案。这种方法首先对三维散乱数据进行插值，根据插值结果进行三维网格点绘图，再根据所拍摄到的图形进行修正，以提高所绘的网格图与实际煤场形状的拟合精度。它可以立即给出煤场存煤量的体积结果，动态修改网格图形状。     

虚拟DCS技术及实现

论述了虚拟DCS的概念以及实现虚拟DCS的三种形式,介绍了自主开发的基于LN2000的虚拟DCS的相关技术,包括技术资源、虚拟算法库、虚拟分散处理单元及仿真功能。主汽温控制系统的实例表明了基于LN2000的虚拟DCS技术为DCS的培训、应用和开发提供了良好的软件平台。     

基于AdaBoost算法和单模板匹配的变压器识别

随着无人值守变电站的发展,设备的在线监测技术可为工作人员对变电站现场情况的监控提供一份有力且直观的保障。图像识别技术在电力设备在线监测中的应用研究有助于真正实现变电站的无人值守。变压器作为变电站内的主要设备之一,其运行状态的监控至关重要。文章针对变电站环境中变压器设备的识别问题,提出了一种融合基于Ada Boost算法和模板匹配的方法。该方法在提取Haar特征的基础上采用Ada Boost算法初步识别变压器,再通过模板匹配的方法进一步判定,不仅提高了识别的正确率,减少了误检的发生,而且相比于对整幅图采用模板匹配法,提高了检测效率。     

基于EUNITE竞赛数据的中期电力负荷预测

应用自组织模糊神经网络(SOFNN)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。算法能够自动决定神经模型的结构并得出模型的参数,具有很好的实用价值。研究了训练数据选取和输入特征向量编码等实际应用问题,结果表明负荷预测精度高,优于竞赛的优胜者,之后提出了结合周平均负荷预测修正日负荷预测的方法,精度得到进一步地提高。     

基于虚拟DCS的混合仿真系统设计与开发

介绍了仿真技术、DCS技术的发展,以及混合仿真技术和虚拟DCS技术的特点。分析了混合仿真技术与虚拟DCS之间的结合。并以此为基础,结合以往的经验,设计开发了基于虚拟DCS的混合仿真系统。为科研、教学、培训人员提供了一个统一的技术平台,更加有利于新技术的实践应用、现场生产问题的分析与解决,以及对热工与运行人员的高层次培训。     

基于特征金字塔算法的输电线路多尺度目标检测方法

本文提出了基于FP-SSD(Feature Pyramid-Single Shot Detector)算法的多尺度目标检测方法。首先对训练样本进行处理,采用自适应裁剪算法裁剪训练样本,以适应单张图片中不同尺度的目标,同时扩充训练样本数量;然后以resnet网络替代SSD结构中原有的VGG网络,从而使网络的特征提取能力增强;最后在整体网络结构中加入特征金字塔网络(Feature Pyramid Network),实现了上下特征层的信息融合。针对实际巡检图像进行了应用研究。结果表明,本文所提出的目标检测方法,较原始SSD算法而言,在小尺度目标检测方面精度有了明显提高,同时,对大尺度目标保持着良好的检测效果,说明本方法对于多尺度目标检测有着更好的适用性