智能电厂生产管理系统移动应用设计与实现

随着移动互联技术的高速发展,越来越多的自动化企业和第三方移动解决方案公司开始在工业领域内创建移动信息管理系统。但在发电领域,国内移动应用平台大多侧重移动办公应用,无法满足生产现场大数据交互、断点续传等需求。生产管理系统移动应用以移动终端为载体,结合地图定位、流媒体、二维码、NFC、即时通信和无线传感器等先进技术为电厂技术人员开展现场作业、状态分析提供智能化手段。该系统实现了电厂运行管理中缺陷、工作票、操作票、操作命令票、巡检等业务在生产现场的实时办理,实现了智能终端、人、生产设备的有机融合及信息的互联互通,有效提高电厂生产管理流程环节的效率及安全性,并为后续开展大数据收集及分析创造条件。     

设备管理平台模块热插拔技术

在发电厂信息化过程中,由于规划、费用等方面的原因,出现了软件系统多样化的现象,造成了严重的信息孤岛问题和巨大的资源浪费。为此,设计了基于权限及工作流引擎设备管理系统的业务框架平台,实现了基于设备的各类软件模块的扩充。介绍了业务框架平台的功能和业务模块热插拔技术等,并提供了在业务开发的过程中规划模块和功能文件结构以及设计业务页面、发布业务模块和安装拆卸业务模块的方法。     

基于云平台的煤矿数据中心研究与应用

随着智能化矿山建设的逐步推进,应用系统数量逐渐增加,数据不能够完全统一、系统缺乏统筹管理、功能重复建设等问题逐渐凸显。为此,以伊敏露天煤矿数据中心为例,详细分析了煤矿数据中心的总体架构,结合工业私有云开发平台及大数据技术建立了开放式、持续集成和部署、支持高负载弹性伸缩、满足智能化露天煤矿管理理念的数据中心,基于数据中心多源数据存储架构解决了矿山领域数据采集难、数据无法统一存储、业务系统孤岛和采地测专业无法及时便捷共享数据等问题,同时综合利用已有设备及其采集的系统数据,采用数据共享和计算分析工具实现生产情况和设备状态的实时掌控,提升了管理决策能力和手段。     

基于大数据的煤矿综合业务管控平台开发

工矿企业智能化发展是信息技术和工业制造业发展的必然趋势。本文以伊敏露天矿煤电联营企业综合业务管控平台开发为实例,详细分析智能煤电企业业务系统总体技术架构和功能架构,结合该矿现有业务的实际情况,采用云计算、大数据技术及开源工具Docker等,建立了综合业务管控系统的工业云平台,主要包括容器平台、仓库管理、持续集成、云原生开发平台、大数据平台等功能,实现了露天矿数据统一管理、业务系统持续开发与部署、应用资源管理与运维监控功能。该平台已在现场实际应用,应用效果良好,可为同行业综合业务管控平台开发提供借鉴。     

基于间接边界元法开孔板声辐射研究

针对开孔板结构进行声学数值模拟。首先利用有限元软件Patran进行开孔板建模、网格生成以及模态分析,并将模型和模态结果导入声学仿真软件Virtual. Lab Acoustics进行声辐射分析,得到开孔板结构的辐射声功率以及指向性声功率。并在此基础上研究开孔形状、开孔尺寸以及加强筋对板结构声辐射的影响,发现板结构固有频率是影响声辐射的重要因素。     

火电机组主要设备全生命周期管理体系

目前我国火电机组普遍绝大部分机组仍然实行传统的计划检修,导致检修无法涵盖机组存在风险的部位、部分位置重复过度检修,影响机组的运行可靠性并造成检修经费的浪费。对此,提出了一种火电机组主要设备全生命周期管理体系,该体系将设备资料动态管理、风险管理和寿命管理三者深度结合,并最终落脚到检修策略的优化管理,将失效风险较高的部位或剩余寿命较短的部位列出,并根据其风险级别,推荐合适的检修周期或处理意见。该体系可有效指导检修工作,避免计划检修的弊端,提高机组运行的可靠性与经济性。     

综合业务管控系统容器平台的构建及开发

针对燃煤电厂脱硫系统出口SO2质量浓度难以稳定控制的问题,提出了一种基于改进粒子群算法（IPSO）优化长短时记忆（LSTM）神经网络的IPSO-LSTM预测模型。首先利用主成分分析（PCA）计算各个变量的贡献率从而筛选出模型的辅助变量,实现辅助变量的降维。其次,利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数。最后,将选定的辅助变量作为IPSO-LSTM预测模型的输入,预测出口SO2质量浓度,采用国内某电厂2×600 MW机组脱硫数据进行仿真,并与相关11种模型进行对比。仿真结果表明,本文模型预测误差最小,其均方根误差为0.98 mg/m3,平均相对误差为1.81%;与传统LSTM、LSSVM模型相比,预测精度分别可提高72%和81%;与其他相关模型相比,改进的PSO可以提高PSO的全局寻优能力和收敛速度,当LSTM神经网络具有2层隐含层时,IPSO-LSTM模型预测精确度最高。