排序方式: 共有31条查询结果,搜索用时 109 毫秒
1.
目前风电机组可靠性分析主要是针对风电机组整体系统,缺乏对关键部件可靠性的深入研究,且需要处理大量数据,增加了可靠性测试的成本和难度,因此,在深入研究绝缘主要故障机理的基础上,将两种基于小样本数据的灰色模型引入到绕组绝缘可靠性预测中.为提高预测精度,以两种灰色模型为基础,以最小偏差平方和为标准提出了基于蚁群算法的绝缘可靠性优化模型.预测结果表明,绝缘可靠性满足威布尔分布.利用实测数据进行验证,两者的符合度较好,证明利用所提模型可以有效缩短可靠性测试周期,降低实验成本. 相似文献
2.
3.
以环烷基重油(HO)和低温煤焦油(LCT)为原料,通过喹啉的萃取与改性得到不同喹啉不溶物(QI)含量的改性LCT,考察了HO和改性LCT共碳化制备针状焦的反应特性;研究了重油原料和煤焦油共碳化制备针状焦过程中的结构演化机理,并分析了出现结构不相容的原因。结果表明:LCT中的QI在碳化过程中易造成空间位阻,产生结构性缺陷结构,进而影响芳香片层间的有序堆叠;HO与改性LCT共碳化制备的针状焦结构中出现了明显的结构性分离界面;改性LCT中的QI在共碳化过程中逐渐聚集,并形成相分离界面,阻碍了各向异性大分子结构的渗透与扩散。改性LCT中QI的脱除有助于提高2种原料的结构相容性以及碳质结构的协同性演化。 相似文献
4.
5.
综合考虑所切负荷的重要程度、频率调节特性与布点位置对低频减载方案整体效果的影响,结合系统待优化轮次减负荷量的要求和装置的动作特点,提出了一种考虑潮流转移对系统影响的低频减载方案优化方法。以停电损失最小化、所切负荷的单位调节功率最小化和潮流转移熵最大化为优化目标,综合考虑各种约束条件,采用带精英策略的快速非支配排序遗传算法(NSGA-II)求解出Pareto最优解集。然后通过灰色关联分析模型对其进行多属性决策,以确定出最科学合理的低频减载方案。最后,采用新英格兰10机39节点系统算例验证了所提优化方法的合理性与有效性。 相似文献
7.
为探索不同风光渗透率对风光火储系统容量配置及系统运行的影响规律,以风光火储联合发电系统为例,构建了考虑渗透率约束与火储联合控制的3层容量优化模型。首先,将黄金搜索优化(golden search optimization,GSO)算法引入容量优化配置求解中,给出不同渗透率约束下系统最佳容量配置,求得系统运行指标数据结果;然后,对所得结果进行最小二乘法曲线拟合,得到系统的经济性、可靠性和稳定性与不同渗透率之间的变化曲线;最后,系统地分析了曲线趋势变化的主要原因,可为风光等可再生能源系统容量优化配置及运行规划提供借鉴。 相似文献
8.
针对电动汽车电机运行工况复杂,故障因素多,普通电机基于统计学理论的可靠性分析方法已不再适用的问题,为研究电动汽车电机的可靠性,建立电动汽车电机的故障树模型.深入研究故障率较高的绕组绝缘和轴承的故障逻辑,给出其可靠性解析计算式并进行详细分析,分析结果表明,电机可靠性数据可以看成灰色序列.提出基于灰度预测的电机可靠性分析方法,并根据已有电机的可靠性数据对所提模型进行仿真验证.仿真结果和实测数据的相对误差均小于10%,满足工程实际的需要,验证了所提算法的有效性,为电动汽车电机可靠性分析提供了理论依据. 相似文献
9.
费托合成产物中低碳直链烷烃经加氢异构化后,产物可用于优质高辛烷值汽油,是实现煤炭资源清洁化利用的一种重要手段。通过调控MOR沸石晶体碱溶解程度,以沸石溶解液为硅铝源合成介孔MCM-41,采用重结晶法制备了一系列MOR/MCM-41微-介孔复合材料,与金属活性组分离子交换后得到MOR/MCM-41为载体的Pt系催化剂,并选取正己烷为费托低碳烃模型化合物进行加氢异构化性能评价。分别通过SEM、TEM、吡啶红外、XRD、BET、氮气吸脱附等手段表征复合材料形貌、孔道结构及理化性质,表征结果表明,经过原位重结晶改性后,MOR晶粒粒径减小,外表面成功包覆MCM-41材料,吸附性能得到改善,适当的碱处理能够改善MOR沸石的颗粒易聚集现象,调变了Br■nsted酸和Lewis酸的比值,弱酸量基本不变而中强酸量显著减少。加氢异构化性能评价结果表明,在反应温度为200~280℃,转化率随反应温度的升高而升高,且在相同转化率水平下,具有较高的正己烷加氢异构化选择性。随碱处理浓度增大,异构产物的选择性得到提高,且裂化程度减弱,主要归因于复合材料碱处理对MOR颗粒的分散作用与重结晶合成MCM-41带来的扩孔效... 相似文献
10.
为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明,所提基于分层优化思想的神经网络算法,能在减小预测误差的同时,降低神经网络所需样本量并增强其泛化能力。 相似文献