换热站并联水泵分布式优化控制

针对现有换热站并联水泵优化算法在集中式架构下控制适应性不足的问题,本文提出了一种改进的分布式并联水泵优化算法.首先,建立了并联水泵的分布式控制系统,并对该优化问题的数学模型进行描述,在目标函数中引入自适应非线性因子;然后,设计了改进的分布式果蝇优化算法,在该算法中每台水泵的控制器仅通过与邻居控制器交互信息即可完成并联水泵的优化;并且,在嗅觉搜索阶段,使用正弦余弦策略替代赋予个体距离与方向的随机策略;最后,以两个实际换热站中不同并联水泵系统为例对算法进行仿真验证,并基于仿真结果进行性能分析.结果表明,相较于传统算法,改进的分布式果蝇优化算法能得到更优的控制策略,有着收敛速度快、稳定性好和鲁棒性强的特点;并且该算法适用于不同系统的并联水泵优化问题,具有可扩展性.在实际工程验证中相较于集中式算法,该算法在总功率和计算时间上分别平均降低了5.47%和29.90%,因此,能够满足实际换热站中对并联水泵热负荷优化分配的需求.

智慧供热系统低碳运行的设计与研究

先进的控制系统是保证区域供暖系统精准管控和节能运行的关键。因此针对能源管控中心和各换热站及其二次侧输配管网建立智慧供热系统,实现区域供暖系统的智慧和低碳运行。该系统首先在软件层基于人工智能技术对各换热站及其二次侧输配管网的主要调节设备进行基于负荷预测的分布式优化提前联动控制策略设计研究;然后在硬件层对现场设备的监控和分布式控制架构进行设计;最后在网络层基于无源光网络技术完成数据传输方案的设计,将软件层控制策略与硬件层监控设备进行有机结合。通过在实际工程中对该智慧供热系统的运行进行调试,能够满足运维人员对系统运行的智慧化需求和末端用户的热舒适需求,实现区域供暖系统的节能低碳运行。

基于CNN的高层住宅建筑群热负荷混合预测模型

针对传统热负荷预测面向单栋住宅,预测负荷无法满足小区级换热站及热网优化调控需求的问题,提出一种基于卷积神经网络(CNN)的高层住宅建筑群热负荷混合预测模型。首先,引入建筑体形参数,利用LASSO模型对热负荷影响因素进行筛选;然后,采用缎蓝园丁鸟优化(SBO)算法优化CNN;最后,利用西安市10个住宅小区的相关运行数据对所提模型进行训练和测试。实验结果表明,输入参数引入建筑体形参数后,模型预测精度更高;经SBO算法优化后的CNN模型较传统CNN模型具有更好的拟合优度、预测精度和泛化能力,满足工程实际需求。

热轧酸洗卷表面缺陷分析及控制

介绍了热轧卷的表面缺陷,针对邯钢热轧酸洗卷常见的表面缺陷,改进了控制平整工序,取得了良好效果。

CSP板形控制的研究

结合邯钢CSP生产线实际条件,从轧辊凸度、热凸度和磨损等方面对影响带钢板形的因素进行了分析。在现场设备条件允许的前提下,采取增大轧辊凸度调节范围、改变轧制顺序、应用新型设备和完善控制程序等措施,改善了热轧带钢板形质量。

内燃型烧结广场砖制备及性能试验研究

以沈阳地区的煤矸石、页岩为主要原料,通过研究原料粒径比对烧结广场砖坯体干燥和烧结裂纹的影响,确定了原料的粒径组成范围;通过改变粒径比、煤矸石掺量、成型压力、烧结温度和保温时间,探究烧结广场砖抗压强度和吸水率的变化规律。结果表明:原料粒径比为a(35目-100目):b(>100目)=1:2、煤矸石掺量为60%、保温时间为3h条件下,制备的煤矸石烧结广场砖抗压强度为38.5MPa,吸水率为11.2%。

基于D-S数据融合的污水源热泵故障诊断研究

为了准确迅速判断污水源热泵(Sewage Source Heat Pump,SSHP)系统故障,防止软故障造成能源浪费,提出一种基于数据融合的污水源热泵故障诊断方法。该方法采用归一化消除数据的量纲影响,使用主成分分析法(Principal Components Analysis,PCA)对变量进行特征提取。从诊断数据中筛选出特征较明显、相关性较高的运行数据,有效地降低了数据维度。利用反向传播神经网络(Back Propagation,BP)、支持向量机(Support Vector Machine,SVM)和径向基网络(Radical Basis Function,RBF)对6维故障特征向量进行故障预测,再使用D-S数据融合进一步进行故障诊断,提升故障诊断准确度。通过对2111组SSHP数据样本和2111组生成的数据样本进行诊断,结果表明:①所提出的方法可有效识别正常状态、压缩机电磁阀故障、蒸发器结垢故障和板式换热器结垢故障共四种健康状态;②通过D-S数据融合得到的故障诊断结果,在BPA上反映均有明显提高。

优化卷积神经网络超参数的非侵入式电力负荷识别算法

针对深度学习模型在电力负荷识别中存在的识别率不高、超参数设置等问题,提出了一种粒子群优化算法(PSO)与卷积神经网络(CNN)相结合的非侵入式电力负荷识别模型(PSO-CNN)。首先,以各电器VI轨迹像素化图像作为CNN输入;其次,分析CNN超参数对模型性能影响,并使用PSO算法寻求最优解以提升模型识别效果;最后,基于PLAID、WHITED公开数据集对PSO-CNN模型进行对比验证。实验结果表明,该模型的识别准确率、F-measures平均值皆优于其他模型,有效降低了设备之间的混淆,具有良好的识别能力与泛化能力。