基于提取振源方向的频谱类型识别

振动频谱类型的识别决定汽轮机振动故障的诊断方向。为了提高在线识别精度,创新性地将核独立元分析(KICA)和故障重构思想引入振动频谱识别,提出一种基于振源方向的频谱类型识别方法。首先,基于核独立元分析方法,从频谱数据中提取激振力信息。然后,借鉴故障重构的思想,在样本独立元空间中提取故障振源特征方向,建立频谱类型识别库。最后,通过实时对振动频谱在各类故障特征方向上的重构识别,判断频谱类型。采用该方法对试验台数据和某机组实际振动频谱数据的识别进行了验证,并与基于欧氏距离的相似性识别方法进行了对比,证明了该方法的优越性。基于提取振源方向的频谱类型识别的研究,可为汽轮机振动故障智能诊断提供更加准确、可靠的频谱征兆信息,也为同类机械振动频谱智能识别提供了新的解决方案。

基于数据中心制冷的可再生能源变温调控系统设计

数据中心是信息社会的关键基础设施,已成为全球增长较快的电力消费设备之一,而制冷系统的耗电量约占数据中心总耗电量的32%。随着“双碳”战略目标的推进,如何在保证数据中心正常稳定工作的同时降低制冷系统能耗受到广泛关注。研究提出了一种基于数据中心制冷的可再生能源变温调控系统,在实时监测环境温度、灵活调节制冷功率、结合热惯性效应确保稳定运行的前提下,利用数据中心温度动态调整潜力及可再生能源与市电智能切换,旨在降低能耗并提升可再生能源利用率。通过数据模拟发现,该系统相比于传统恒温控制系统,节约了0.9892%的电能。