面向国产超算平台的通用能源管网仿真计算模型

为实现城市能源管网仿真软件的自主可控,基于国产异构高性能计算机“嵩山”超级计算平台,提出一种通用的城市能源管网仿真计算模型。通过优化管网中“非管”组件模型,提高了计算模型对国产异构并行计算机系统的适配性;将不同管网组件的计算过程进行封装,弱化了网络组件在仿真计算过程的依赖性,提升模型在工程实现上的可并行性。供水、燃气和热力三种场景的并行仿真实验,证明了计算模型在解决城市能源供给网络的仿真计算上具有一定的普适性;通过管网实测数据与仿真模型中模拟数据对比结果表明仿真管网压力的误差率在4%以下,其温度的误差率低于2%,同时也说明了提出的管网仿真计算模型在国产超算平台上具有良好的计算通用性。

火电厂热工参数软测量技术的发展和现状

影响火力发电运行安全和经济性的重要因素之一是许多重要技术参数和经济参数,难以在线实时测量。针对某些热工参数难以准确在线实时测量的影响,概括和总结了国内火电厂热工变量软测量技术的发展和现状。以烟气含氧量、飞灰含炭量、球磨机负荷为例,着重分析和总结了其测量的现状、软测量建模方法和二次变量的选取,并概括了国内现有的其他热工参数软测量技术,对火电厂热工参数软测量技术的发展具有一定的指导意义,对热工控制系统的优化具有一定的参考价值。

基于主成分分析法与贝叶斯网络的汽轮机故障诊断方法

在利用贝叶斯网络进行汽轮机故障诊断时,汽轮机故障诊断模型的建立直接影响着诊断过程的复杂程度,因此建立贝叶斯网络模型是首先要解决的问题,反映故障状态的特征参数提取是建立模型的重要环节。通过对主成分分析方法提取故障特征的讨论,提出了基于主成分分析方法和贝叶斯网络的汽轮机故障诊断模型建立方法,并与传统的频率特征建模方法进行了比较。结果表明,应用主成分分析法和贝叶斯网络建立的汽轮机故障诊断模型简洁,易于推理,提高了汽轮机故障诊断的效率。

基于神经网络的交互式炉膛火焰图像识别

炉膛火焰燃烧状态监测的关键技术之一是炉膛火焰图像的分类和识别。由于炉膛火焰燃烧过程的复杂性,使得准确反映炉膛火焰燃烧状态的火焰图像特征参数难以确定,在用神经网络训练方法构造分类器时,神经网络的收敛速度和识别的准确性不能同时满足实际要求。文中提出了交互式火焰图像识别方法,改善神经网络的分类识别性能。在神经网络的构造过程中,将人对神经网络分类器构造结果的评价信息反馈给网络,使其根据反馈信息进一步修正分类器。由于将人工的修正信息引入到分类器构造中,加快了神经网络的收敛速度,提高了神经网络识别的准确性。对4000幅火焰图像的实验显示了此方法的有效性。

多模型预测函数控制及其应用研究

提出了多模型预测函数控制策略 ,并给出了模型平滑切换方法。将多模型预测函数控制策略应用于主汽温控制系统 ,仿真结果表明 。

基于虚拟DCS的激励式仿真系统分析与设计

设计了基于虚拟DCS的激励式仿真系统,分析了激励式仿真系统的特点,对激励式仿真模式与传统仿真模式进行了逻辑结构和功能比较,介绍了系统的软硬件组成和之间的对应关系以及软件开发中的主要技术环节,并在LN2000的基础上实现了激励式仿真系统的开发。

发酵大豆乳优良乳酸菌菌种的筛选及其发酵性能的研究

本文以从益生菌乳制品、保健品和微生态制剂中自行分离选育出的乳酸菌进行大豆乳发酵,通过是否凝乳、凝乳时间长短、凝乳后的感官评价及发酵剂所达到的活菌数、酸度和pH值等技术指标,对适合大豆乳发酵的乳酸菌菌种进行层层选优得到生长繁殖力强、发酵活力高的大豆乳发酵的试验菌株。试验结果表明:8株实验乳酸菌菌株经过筛选得到干酪乳杆菌05-20作为发酵的大豆酸乳的备选菌株,其凝乳时活菌数可达1.7×109cfu/mL、凝乳时pH值4.29、滴定酸度79.4°T,为开发混种发酵大豆乳和大豆功能性食品的开发奠定实践基础。

自动化技术的发展及其在火电厂中的应用

以自动化技术的发展为脉络,重点介绍了经典控制理论、现代控制理论、超现代控制理论的产生和发展,以及控制理论在火电厂系统中的应用,论述了控制设备的发展历程。控制理论的发展与计算机技术的发展是密不可分的,伴随着计算机的产生和发展,控制理论走向超现代理论的发展阶段,仪表数字化的时代也已经到来。以分散控制系统、管理信息系统、厂级监控信息系统为代表的数字化控制与管理系统已经逐步发展成熟,并且广泛应用于火电厂的生产和管理中,自动化技术的发展与电厂的运营息息相关。

单元机组负荷系统预测函数控制(英文)

将基于FIR模型的预测函数控制算法推广到各通道开环渐进稳定多变量系统,为简单起见,针对2输入2输出系统,给出了采用单基函数(阶跃函数)的控制律解析解。考虑控制变量的幅值和速度约束,并将二者统一为速度约束,在线计算简单。将该算法应用到单元机组负荷控制系统中,仿真结果表明,系统具有良好的控制性能和很强的鲁棒性,尤其是,机组特性的变化几乎没有削弱系统的负荷跟踪性能。

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。

基于经验整定公式的热工系统控制器参数智能优化

提出了基于大量实验总结得到的针对有自平衡和无自平衡对象的控制器经验整定公式,实验证明了公式的有效性,该公式可直接用于工程中。进而,利用粒子群算法(PSO)优化有自平衡对象构成的主蒸汽温度系统以及无自平衡对象构成的锅炉汽包水位系统的控制器参数,采用经验整定公式进行初始路径的选择,指导了粒子群最初的寻优过程,大大降低了寻优的随机性,克服了PSO进化速度慢及易于陷入局部最优解的缺陷。

粒子群优化的模糊控制器设计

为避免模糊控制器设计中参数的复杂调试,并使其获得最佳控制性能,应用新颖的粒子群优化算法对模糊控制器参数进行优化设计。针对常规模糊控制器稳态精度欠佳的弱点,采用模糊控制与PID控制相结合的双模控制以有效消除静态偏差。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象的仿真研究,表明粒子群算法寻优速度快,计算量小,对模糊控制器参数的优化设计是非常有效的,使得主汽温控制系统在不同负荷下均获得很好的调节品质。

神经网络自适应逆控制的仿真研究

将神经网络引入逆控制，提出了一种基于神经网络的自适应逆控制。该控制结构主要有两个子神经网络组成，其中一个用于对系统进行辨识，另一个子网络实现对模型的逆作为控制器，从而构成自适应的逆控制。将其应用于热工系统中并进行大量仿真研究，结果表明针对不同的热工对象，该控制系统都能有效的克服扰动，适应环境及参数的变化，表现出良好的鲁棒性和控制精度。

基于大数据和双量子粒子群算法的多变量系统辨识

针对智能算法与历史大数据相结合进行多变量系统辨识过程中不能精确量化每个子系统数学模型的问题,提出了一种有效的数据并行优化计算的解决方案。在辨识过程中,为了解决量子粒子群算法(quantum particle swarm optimization,QPSO)收敛速度和寻优精度方面的不足,提出了一种改进的QPSO算法——双量子粒子群算法(double quantum particle swarm optimization,D-QPSO)。该算法对粒子种群编码和原有的进化搜索策略同时进行了量子化处理,经过测试函数实验,改进的算法在搜索能力上优于PSO和QPSO算法。最后利用现场运行历史数据,通过D-QPSO算法进行参数估计,将设计的解决方案应用于热力发电厂负荷控制系统的传递函数辨识中,得到的模型为控制器的设计与优化奠定了基础。

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 .

湿法烟气脱硫中GGH的利弊分析

在湿法烟气脱硫系统中,是否设置GGH(烟气换热器),对脱硫工程的投资和经济运行有较大影响。对氮氧化物NOx落地浓度也有重要影响。结合实际2×300 MW机组,对设置与不设置GGH的技术经济性及对环境的影响进行了分析,为有关部门制定相关策略提供了参考。

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。

生物质气化发电燃气焦油脱除方法的探讨

生物质气化发电技术的最大难点之一就是如何除去燃气中含有的焦油等污染物,这些成分会对燃气轮机或内燃机等设备造成一定的影响。因此生物质气化发电过程中燃气焦油的脱除是目前国内外重点研究和解决的课题之一。文章在研究国内外大量有关文献资料的基础上,深入阐述了气化过程中焦油产生的机理、影响焦油生成的因素以及焦油的脱除方法,重点探讨了目前较为有效的焦油热化学脱除方法,即焦油的热裂解和催化裂解方法,以期为生物质气化发电燃气焦油的脱除提供一些思路和参考。

超超临界锅炉主汽温控制系统的建模研究

为了提高大型超超临界锅炉的控制水平,最首要的工作就是要了解锅炉运行的热工特性并在此基础上建立适用于控制器设计的模型。针对传统传递函数模型精确度不高的问题,分析了目前超超临界锅炉主汽温控制系统的特点,挖掘机组已有的运行数据,总结了数据选取经验和数据预处理方法,利用修正后的量子粒子群算法进行传递函数参数辨识,进而得到锅炉燃烧系统中主汽温控制系统的线性传递函数模型,使主汽温控制系统的大惯性特性定量化,给出了主汽温控制系统的辨识结果。得到的传递函数为主蒸汽温度的自动控制系统设计与优化提供了参考。

基于H_∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.