8 m大采高综采工作面智能控制系统关键技术研究

针对8 m大采高工作面围岩稳定性下降、装备功率和尺寸大幅增加,将对控制的实时性、准确性和适应性提出更高要求的现状,开展超大采高工作面智能化控制技术研究。基于布置在液压支架上的压力及倾角传感器,构建液压支架支护状态在线监测系统;在采煤机记忆截割和高精度位置控制的基础上,依据修正后的采割曲线实现自动割煤;提出刮板输送机多电动机功率协同的智能驱动策略;采用三进三回环形供液及高压自动补偿技术,实现动力系统最小压力波动、最大瞬间供液的智能控制。上述技术在兖矿集团有限公司金鸡滩煤矿进行应用,结果表明:煤壁片帮、支架初撑力不足、刮板输送机压死等问题明显减少,三级护帮动作时间减少1/2,大幅提升了设备的运行质量和效率,可有效满足超大采高工作面的控制需求。

基于支持向量机的电压稳定弱节点在线监视

为了预防电压崩溃,需要监视电压稳定弱节点的临界状态。该临界状态通常由潮流方程计算,但对于高维电力系统,这种方法计算速度较慢,难以满足在线电压稳定监视的要求。为减少计算时间,应用快速且可靠的方法非常重要。提出一种基于支持向量机的电压稳定弱节点在线监视方法,该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定监视模型的泛化能力,具有较快的计算速度和较高的预测精度。在wSCC 9节点测试系统中的应用结果表明了该方法的有效性。

基于RELS-TSVM的电能表电压异常数据识别

为提高电能计量工作中高压用户电能表电压异常数据识别的快速性和准确性,以负荷控制模块深度分析功能所筛选出的电压数据作为研究对象,结合鲁棒能量模型-最小二乘双支持向量机分类方法,采用蝙蝠算法对分类器参数进行优化,实现对电压异常数据的自动判断。实验结果表明,本文所提出的分类模型在泛化性能和鲁棒性方面具有较大改进,在10折交叉验证过程中对于100V、57.7V、220V额定电压等级下的电压异常数据平均识别准确率均达到100%,相比于传统的经验公式判别、决策树分类模型以及简单支持向量机分类方法在分类准确率上分别提升12.53%、3.8%、1.73%。验证了基于鲁棒能量模型-最小二乘双支持向量机分类方法的电压异常数据识别方案的可行性和优势,为基于大数据分析的计量在线监测相关研究提供了新的思路。

船用大功率柴油机远程在线支持系统技术研究

随着大数据时代的来临,船用大功率柴油机远程在线支持系统是我国海洋战略的必然发展方向。从总体设计和基础技术两方面分析介绍了船用大功率柴油机远程在线支持系统的研究和开发重点。指出:船用大功率柴油机远程在线支持系统对基础数据的要求非常高,必须十分重视基础数据的获取、研究及传输等,为船用大功率柴油机远程在线支持系统的开发和应用打下坚实基础。