基于FA-LSTM的燃气轮机燃烧室故障演化趋势预估

燃气轮机高温部件的故障发生率高、隐蔽性强、破坏性大,且故障发生后维修成本高、维修难度大。研究一种故障演化趋势预估方法对于维修人员及时维修和制定维修决策具有重大意义。介绍了一种基于FA-LSTM的故障演化趋势预估方法,结合燃烧室退化机理采用因子分析法(FA)构建健康因子(HI)用于衡量燃机燃烧室的健康状态。利用长短时记忆神经网络(LSTM)特有的处理时间序列数据的能力,预测燃烧室故障演化趋势。以某型燃气轮机为研究对象,并将所提方法与其它6种传统机器学习方法对比,本方法的预测结果MAE和RMSE均最低,能实现准确的退化趋势预测,为短期维护提供有效依据。

燃气-蒸汽联合循环系统动态特性分析研究

随着能源结构调整,对电力设备的环保性能提出更高要求。利用清洁能源天然气作为燃料的燃气-蒸汽联合循环机组成为清洁能源发电的主要设备,因此有必要研究分析联合循环系统的动态特性。本文搭建了包含喘振裕度以及NO_(x)排放等指标的燃气-蒸汽联合循环系统模型。同时,研究了在不同燃油流量、可调进气导向叶片(IGV)和环境温度下系统的性能变化情况。结果表明,系统输出功率受燃油流量变化影响最大;喘振裕度受IGV变化影响最大;涡轮前温度受环境温度变化影响最大;NO_(x)排放受燃油流量、IGV和环境温度影响均很大。本研究为联合循环发电机组的性能优化提供了理论依据和技术支持。

大数据时代高校思想政治教育方法创新分析

大数据时代的到来,使人们的生活发生了天翻地覆的变化,当然也引起了高校思想政治教育的深刻变革。在这种背景下,高校思想政治教育首先需要对自身有一个较为深刻的认识,保留优势所在,摒弃糟粕并结合大数据时代的优势,对于思想政治教育的方法进行“改造”,使其能够满足当前高校思想政治教育发展的新形势和新变化。基于此,本文从大数据时代思政方法创新的必要性、挑战以及路径来进行论述。

大数据推动思想政治教育评估的意义及对策研究

大数据背景下思想政治教育评估是指运用大数据对高校思想政教育所取得的效果进行综合性评价,并根据评价结果进行反馈,以高校的思想政治教育工作的开展和推进提供针对性的意见,这不论对于高校思想政治教育工作的开展还是对于学生成长的帮助都具有重要意义。文章主要通过梳理大数据对思想政治教育评估的必要性和意义来阐述传统思想政治教育评估为何要逐渐运用大数据来进行思想政治教育评估所批判性继承和创造性发展。此外,随着大数据时代思想政治教育评估的兴起,必然会有新的挑战,针对这些挑战困境,制定切实可行的对策予以完善。