基于IPSO-BP神经网络的导线舞动预警方法

为确保输电线路在易舞气象条件下的正常运维,根据线路舞动与气象条件之间的复杂映射关系,采用改进粒子群算法(improved particle swarm optimization,IPSO)对BP神经网络进行优化,提出一种基于改进粒子群算法优化BP(IPSO-BP)神经网络的导线舞动预测方法。利用文本挖掘技术分析舞动影响因素,确定以档距、覆冰厚度、温度、风速、风向、相对湿度及风向与线路走向夹角为特征输入的IPSO-BP神经网络模型,通过舞动历史数据训练模型以达到预测的功能。对比IPSO-BP神经网络模型与其他算法模型的精度和稳定性,结果表明该方法具有一定的优越性。最后采用该方法预测河南谢庄地区的导线舞动,验证该方法的准确性和实用性。

考虑风向相关性的风电机组山地湍流风场模拟研究

为了更加准确地进行风电机组结构时程响应计算,考虑风剪切、塔影和山地环境等对平均风速的影响,文章基于Kaimal自功率谱和纵向与竖向脉动风速分量互功率谱,采用谐波叠加法通过湍流相干模型建立空间三维且具备风向相关性的非平稳风场。选取某风电场2 MW风电机组为例进行实例分析,对模拟方法进行验证,并与不考虑风向相关性进行对比。模拟结果表明,风速时程数据特征符合预期,得到的模拟功率谱与目标谱吻合较好,考虑风向相关性可提高模拟吻合度。从而证明了模拟方法的准确性和必要性,实现了三维非平稳脉动风场的模拟。

初始偏差对风机基础最大位移的影响规律

风机基础损伤会严重影响风电机组的安全稳定运行,因此风机基础损伤监测方法成为了研究热点。由于风机基础初始偏差的影响,在主风方向上安装监测设备可能得不到风机基础最大位移,在基础周围安装较多监测设备又会导致成本增加。文章采用ANSYS建立某风机基础有限元模型,研究初始偏差对风机基础最大位移的影响规律。研究结果表明:随着初始偏差方向与主风向夹角的增大,基础最大位移方向与主风向的夹角先增大后减小;当初始偏差相同时,基础最大位移随着初始偏差方向与主风向夹角的增大而逐渐减小。根据初始偏差对基础最大位移的影响规律,文章提出了一种风机基础损伤监测方法,通过在基础环上法兰最大位移处安装滑动的倾角传感器,可实时监测风机基础最大倾角。

基础环式风机基础倾斜度监测指标分析

风机基础的安全直接影响到风机的正常运行,基础监测是目前能够反映基础损伤的一种方式。首先分析了各个监测指标之间的关系,表明基础环上法兰的倾斜度基本能够反映基础损伤情况,并提出风机基础倾斜度的监测限值。然后通过对风机基础倾斜度监测限值进行对比分析,以及进行案例分析,讨论了所提出监测限值的合理性。表明针对不同的风场实际状况有不同的监测指标,以期能够满足各个风电场的监测要求,为风机基础损伤监测提供借鉴。

新建本科院校英语角存在的问题及改进策略——以西安航空学院为例

英语角为学生提供了使用英语的机会,有助于学生英语综合能力的提高。本研究采用问卷与访谈的方法收集数据,发现英语角在发展过程中存在的许多问题,比并进行了分析。在此基础上,研究提出了改善英语角活动效果的有效措施,研究成果对英语角活动的开展具有借鉴意义。