同流域同类型国有企业党建“联建共建”的路径创新——基于云南公司与金上公司“12345”模式的个案研究

党建“联建共建”是中国特色社会主义进入新时代,国有企业党建创新性引领的重要方式。同流域同类型国有企业开展党建“联建共建”可以巩固其在国民经济中的重要地位,打破利益壁垒促进其良性发展,践行以人民为中心思想更好服务地方发展,还可以整合资源优势更好服务乡村振兴。同流域同类型国有企业党建“联建共建”的模式主要有五种:国企内“党群共建”模式、“区域化”共建模式、“项目型”联建模式、“集团化”党建模式、“点对点”党建共建模式,这几种模式各有优缺点。云南公司与金上公司在总结国有企业党建经验的基础上,构建了党建联建共建“12345”模式并探索了实践路径。该模式及路径具有很强的创新价值,其先进的理念、科学的模式、融合的目标、实践的可操作性都可为其他国企提供借鉴。

离线高频定子局部放电测试在鲁地拉公司的应用

定子低频离线局部放电试验被广泛使用,但存在对试验电源要求高,试验结果和在线监测难以比对等缺点,本文针对鲁地拉公司水轮发电机定子采用高频局部放电测试,设计抗干扰功能,最大限度地与运行条件匹配。

鲁地拉水电公司提质增效的探索与实践

本文主要介绍云南华电鲁地拉水电有限公司在连年持续亏损情况下,采取加强党建引领、抓实生产管理、抓细经营管理、抓实改革创新、抓紧移民概算收口,控制移民投资等多项措施,不断进行提质增效、扭亏增盈的探索过程。

高位推动 开拓创新 攻艰克难按时完成鲁地拉水电站移民搬迁任务

鲁地拉水电站移民工作面临移民数量多、搬迁安置任务重、人地矛盾集中、搬迁时间紧等难点,面对这些困难,公司领导高度重视、高位推进,明确了移民工作目标,制定了合理的移民方案,并联合政企攻艰克难,高效、圆满完成搬迁任务。鲁地拉水电站移民工作的成功经验为进一步完善中国华电集团公司移民工作机制、提高移民工作效率、指导金沙江上游和怒江移民工作的具有重要意义。

基于鲁地拉水电站枯水期耗水率动态分析的水库优化调度

枯水期保证水库水位在1221m及以上的前提下,依据鲁地拉水电站近几年枯水期运行数据,综合分析耗水率与各变量之间的关系,将鲁地拉水电站水库优化调度问题,转化成了一个处理发电计划与耗水率相关关系的问题,形成一套“多退少补”的优化水库调度模式。得出鲁地拉水电站枯水期水库运行日动态调度相关关系:N_(t+1.日计划)=Q_(t-1.来)/μ_(t-1)+ΔW_(t-1)。

鲁地拉公司调速器自动补气装置的改进

鲁地拉公司调速器采用的是南京南瑞集团公司生产,型号为SWT-2000,油压装置型号YZ-12.0-6.3。自动补气装置采用深圳市共达自动化技术有限公司生产,型号为GDAP-1/2。鲁地拉公司自动补气装置未投运,其补气操作均由人工手动完成,易出现误操作,降低了机组运行可靠性,同时增加了运行值班人员的劳动强度,也会出现操作后手动阀门不到位,造成油压装置液位过低等问题。通过对自动补气装置进行分析和改进,提高调速器自动补气装置的安全可靠性使其具备投运条件。提高设备自动化程度,提高机组的安全稳定运行程度。实现"无人值班,少人值守"的目标。

鲁地拉水电站推力外循环系统优化

针对鲁地拉水电站水轮发电机推力外循环系统运行过程中存在振动较大、渗漏严重的问题,通过对外循环油泵的重新选型更换和油泵密封润滑条件的优化,并在管路上安装波纹管补偿器和完善检修隔离阀及反向阀,使得推力外循环系统运行工况和发电机运行环境得到了极大改善。

鲁地拉水电站碾压混凝土原位抗剪断试验研究

碾压混凝土重力坝由于大面积通仓分层碾压,很容易形成成层体系,而层间间隔时间及不同层面处理方式则是控制层面结合的关键。尽可能缩短混凝土层间间隔时间,保持现场施工的连续性,并增加振动碾压遍数,使上下层混凝土尽可能地咬合而提高层面粘结强度,是保证碾压混凝土层面结合质量的关键。通过对碾压混凝土经不同层面处理方式进行研究,对碾压混凝土层面结合处抗剪断特性的影响进行试验论证,验证和确定碾压混凝土质量控制标准和措施。为工程的后期工作提供基础性资料。

鲁地拉水电站运行工作与多媒体的有效融合

介绍鲁地拉水电站运行工作与多媒体的有效融合,依托社会公共平台,将移动多媒体与水电站运行安全生产有效结合,可以使得水电站运行工作由传统的“经验指导模式”向着“人+机指导模式”的转变,甚至可以实现“人工智能指导模式”。给地理位置僻远、空间思维相对封闭的鲁地拉水电站提质增效提供了有力保障。

鲁地拉水电站转轮叶片裂纹分析

转轮是混流式水轮发电机组发生能量转换的核心的部件,也被称为水轮发电机组的"心脏",水轮机转轮的叶片出现裂纹会严重威胁水电厂的安全经济运行.鲁地拉水电站混流式水轮发电机组转轮叶片出水边与上冠连接处增加减应力三角块后再次发现裂纹,从转轮应力仿真分析和应力试验结果等方面进行分析裂纹原因,提出了预防建议,为机组安全稳定运行提供了可靠有力的保障.

鲁地拉水电站尾水出口检修闸门有关问题的处理

本文以鲁地拉水电站尾水出口检修闸门挡水后出现的漏水问题,结合之前安装过程中出现的问题为研究对象,分析总结漏水的原因,并提出最终处理措施,总结闸门安装过程中应注意的问题。

鲁地拉水电厂设备双编的编写

鉴于在电力安全生产过程中,在开展工作前,认真核实设备名称和设备编号的正确性尤为重要,针对鲁地拉水电厂多台机组的运行操作,介绍了电厂制定的设备命名原则,该原则有力地保障了运行操作的安全性、及时性和准确性。

鲁地拉水电站水轮机固定导叶裂纹处理

鲁地拉水电站有6台混流式水轮机组,4号机和2号机检修过程中相继发现水轮机23号固定导叶相同位置有贯穿性裂纹,相关科研和技术人员一起分析改裂纹的原因,提出了具有针对性的处理方案[1]。正确的处理方案和焊接工艺措施是成功修复固定导叶裂纹的可靠保证,为机组的安全稳定运行提供了保障。

探索鲁地拉公司走上高质量发展经营道路

鲁地拉公司是一个新建的大型水电国有企业,电站建成后,由于经营管理、发电量低于发电能力、移民负担重、电力竞价上网等因素影响,2016年至2020年连年持续亏损。近几年,通过不断探索与实践,2021年实现盈利,2022年前三季度大幅度盈利,走上高质量可持续发展道路。

水电站蜗壳盘型阀锈蚀原因分析及解决方案

由于鲁地拉电厂蜗壳盘型排水阀锈蚀原因,检修周期频次也随之增加,影响蜗壳盘型阀的运行稳定性。通过对锈蚀原因分析,得出蜗壳盘型阀上部渗水及所处环境相对湿度大是其主要原因,通过改善蜗壳盘型阀工作环境对空气进行循环除湿并设计出1款新型的蜗壳盘型阀抽屉式挡排水装置,彻底消除了蜗壳盘型阀锈蚀现象,降低了蜗壳盘型阀的生产成本,提高了运行的可靠性。

基于启发式遗传算法的水电厂AGC系统机组负荷分配优化

由于水电厂的运行环境是动态变化的,水流量、水头等参数会随时间进行变化,机组负荷分配优化仅考虑静态变化,导致负荷分配的最优解质量较低。因此,提出基于启发式遗传算法的水电厂自动发电控制系统机组负荷分配优化。通过确定机组特性曲线,对机组能耗特性曲线的准确拟合。利用启发式遗传算法建立机组多目标负荷分配优化模型,综合考虑经济性、运行稳定性和环保要求等多重目标,利用逆序查找法快速搜索搜索空间的最佳解,获取模型的唯一解,实现机组负荷分配的优化。实验结果表明,该方法能够适应机组动态变化,负荷分配后的最优解质量高,提升了水电厂的稳定可靠运行。

某水电站机组汛期超出力潜力研究分析

对电站汛期弃水现象,通过对某水电站近年水情数据进行分析,确定该水电站水轮机具备超出力运行基础条件。在水情分析基础之上对水轮机超发5%、10%、15%额定出力工况进行调保计算,分析机组在超出力运行甩负荷工况下的蜗壳压力上升值与转速上升率,最终通过计算,蜗壳进口处的最高压力值≤1.6MPa,机组最高转速上升率βmax≤55%,满足调节保证计算要求。最终得出水轮机具备相应的超出力能力。

基于RBF神经网络算法的水电机组设备振动趋势预测方法

传统的水电机组设备振动预测方法多基于经验公式或统计分析,这些方法在处理复杂非线性问题时存在一定局限性;因此,现提出基于RBF神经网络算法的水电机组设备振动趋势预测方法。通过采集与预处理水电机组设备的运行数据、构建RBF神经网络预测模型、预测水电机组设备的振动趋势三步骤完成设计,实现对机组振动趋势的精准预测和有效控制,为水电站的安全、高效运行提供有力保障。实验结果:RBF神经网络能够准确地预测水电机组设备的振动趋势,传统方法在实际数值的预测上往往存在较大的偏差,而相比之下,RBF神经网络在预测时能够提供更接近实际值的结果,其预测值与实际值之间的误差相对较小。证明该方法能够准确地预测机组的振动趋势,为提前发现潜在问题、保障机组安全稳定运行提供了有力支持。

考虑负荷分布特性的水电站AGC穿越震动区风险评估方法

传统水电站AGC穿越震动区风险评估方法,通常直接对震动区穿越判据进行设定,而未对水电站AGC穿越震动区风险区数据进行划分,造成传统方法评估后的风险指数较高。为了解决这一问题,本文在考虑负荷分布特性的基础上,提出一种新的水电站AGC穿越震动区风险评估方法。对水电站自动发电控制穿越震动风险区域数据进行精细化分类;基于负荷分布特性进行水电站AGC数据提纯优化,为水电站的安全稳定运行提供有力的数据支持;构建评估模型,利用模型实现水电站AGC穿越震动区风险评估。实验结果表明,该研究方法风险指数较低,可以提高水电站AGC在穿越震动区时的安全性和稳定性。

基于径向基神经网络的水电机组运行故障预警方法研究

水电机组在实际工作中所采集到的数据具有多维、非线性、时变等特点,容易导致预警精度低。为此进行基于径向基神经网络的水电机组运行故障预警方法的研究。首先,对水电机组运行信号进行分解,以便从复杂的信号中提取关键信息。然后,从分解后的信号中识别出能够反映机组运行状态的特征量,用于计算异常状态指数,量化机组的健康状态与异常状态。最后,建立基于径向基神经网络的故障预警模型,利用异常状态指标预测机组未来的运行状态,并在机组出现故障前提供及时的预警。实验结果表明:与基于温度监测的预警方法和基于支持向量机的预警方法相比,基于径向基神经网络的水电机组运行故障预警方法在100次测试中,能够准确地识别出水电机组的异常状态,并给出及时的预警,实际应用价值更高。