数据驱动的STEAM课程学习者数字画像构建与应用

当下,STEAM课程培训机构数量在全国范围内快速增长,学生和家长面对如此多的STEAM课程不知道如何选择。为此,采用基于科学的大数据驱动研究范式,以全国范围内STEAM课程学习者特征为样本数据集,采用主成分分析法提取STEAM课程学习者的基础信息、学习环境、学习需要、学习特征四个方面的主特征,构建数据驱动的STEAM课程学习者数字画像。成果有助于发挥数字画像的评价决策功能,帮助家长和学生精准选择合适的STEAM课程,提高学生的学习效率。

基于大数据的汽轮机系统中变频技术与循环水泵优化研究

随着工业领域的发展和汽轮机系统的广泛应用,提高系统运行效率和降低能耗成为重要课题。本研究基于大数据技术,针对汽轮机循环水泵进行改造与优化。通过分析变频技术的原理和优势,以及大数据技术在汽轮机系统中的应用,设计了基于大数据的汽轮机循环水泵变频改造方案。通过实施该方案,可充分利用大数据分析和变频技术,提高汽轮机系统的运行效率,提高系统的稳定性和可靠性。

基于扩张状态观测器的过热汽温系统建模与参数智能辨识

可再生能源的高渗透率给电网供需匹配带来严峻挑战的同时,燃煤机组需要承担着大量的调峰调频任务,这对过热汽温系统的安全稳定运行造成了一定威胁,因此有必要建立面向热工控制的汽温数学模型。考虑到迟延型扩张状态观测器(time-delayed extended state observer,TD-ESO)的总扰动信号中含有大量模型信息,提出一种基于ESO补偿模型的参数智能优化和信息提取方法,即以总扰动中未知信息量最小为目标,采用改进沙丘猫算法对模型参数优化并提取总扰动中已知模型信息补偿至ESO的输入端。在仿真算例方面,线性和非线性系统的测试结果表明,所提辨识方法对有无输入迟延的两种系统均有良好的适用性和较高的精度;在实际应用方面,基于超超临界二次再热机组的过热汽温系统数据进行模型辨识与验证,同样表明该建模方法是合理、准确的。因此,该文所建立的模型能够为汽温系统的控制策略设计和性能优化等方面提供有价值的参考。

考虑激励特性的汽轮机做功模型辨识数据优选方法

针对历史运行数据中难以选择合适样本辨识汽轮机做功模型问题,提出一种考虑激励特性的辨识数据优选方法。首先,采用费歇尔(Fisher)信息矩阵条件数提取历史运行数据的激励特性,与数据的趋势特性和参数间相关性共同构成特征变量集。其次,以特征变量作为输入,基于标准汽轮机做功模型生成的标识结果作为输出,采用随机森林分类算法生成辨识数据分类规则模型,实现辨识数据的在线选择。最后,对模型分类结果的准确性与所选数据的辨识效果进行验证。结果表明,分类规则模型的准确度为97.561%,可准确选出历史运行数据中含有充分激励的样本段,其汽轮机做功模型辨识结果与标准模型具有较高的一致性。

稠油开采注汽锅炉在线综合预警关键技术

为了对工作在高温高压下注汽锅炉的各项运行参数进行在线准确监测和异常预警,本文在对稠油开采注汽锅炉工况参数进行采集、处理、分析的基础上,提出对注汽锅炉显性故障和隐性故障进行检测的方案。采用长期短期记忆神经网络,利用锅炉的时序数据对系统进行分析和建模,完成锅炉显性故障检测和预警,并通过预测数据的方式缓解锅炉大时滞的特性;利用深度异常检测技术,将无故障判别标准的数据进行隐性故障分析和预警。本文提出的综合预警方案对克拉玛依油田注汽锅炉进行了实验验证,预测误差仅有0.08%,同时异常检测范围也在设定值范围内。

基于数字孪生的火电机组汽轮机故障预警研究

通过对火电机组历史运行数据的分析,利用深度学习中的深度森林算法,合理确定模型的输入输出参数,采用改进的蝙蝠算法进行超参数优化,构建高精度的数据驱动模型。为实现故障检测,选取各模型的输出参数,利用相似度函数法计算预测输出数组与实际输出数组之间的欧几里得距离,实现对故障的准确检测。以加热器管泄漏为例实验验证,结果表明,借助建立的数字孪生模型和故障检测体系,能够准确检测汽轮机系统中加热器管路泄漏故障,证明了该方法的有效性。

发电厂汽轮机故障分析与信息分析对策研究

阐述了汽轮机中常见的几种故障,如真空泵效率降低、转子平衡失稳和非正常震动等。针对发电厂汽轮机的特定故障,分析了多种应对策略,包括解决低真空问题的方法、震动异常的处理等。设计了一套汽轮机计算机化维护管理系统,并探讨了现代化技术在汽轮机维护和优化中的应用,通过应用现代化技术,可有效预防故障,提高运行效率。

多数据流滑动窗口并发连接方法

提出一种多数据流滑动窗口连接方法M3Join及其实现架构Roujoin·Roujoin由一个连接路由表和多个连接区组成,其内容根据并发连接请求设置,先将新元组插入缓冲区,然后根据其路由标记查找连接路由表进入合适的连接区执行连接或输出给用户·如果产生连接元组,则更改其路由标记后送回连接路由表,并反复迭代直到没有连接元组·由于共享中间结果,在处理多个并发查询时只需扫描流元组一遍·实验结果表明M3Join具有良好的性能,能够满足并发连接查询处理的需求·

智能化木材干燥窑的数据采集系统

论述了采用双CPU(AT89C5 5 )为主控器的智能化木材干燥窑数据采集系统的硬件结构及软件设计。主CPU实现温度、EMC、MC数据采集、运算、实时动态补偿等 ;副CPU负责显示、通信、温度补偿等工作。双CPU间采用并行通信。还重点介绍了提高被测参数测量精度的措施 ,以及测量过程中动态补偿的方法。系统自投运以来 ,工作稳定、可靠 。

基于数据流聚类的手机短信监管系统

为解决手机短信监管的个性化需求和源头追踪问题,提出了一种基于数据流聚类的手机短信实时监管系统的设计方案,设计了短信客户端和短信中心端互动的二层监管模型:在短信中心端应用中文分词算法对短信文本进行分词,采用数据流聚类算法和Bayes分类算法,利用短信中心可以集中监控发送者的优势,在实现短信的个性化监管和源头跟踪;在短信客户端建立个性化短信特征库,通过对接收的短信文本进行分词和Bayes分类,实现客户端个性化短信分类判别。实验结果表明,该方案可以较为精确的在短信中心端实现集中式短信监管和源头跟踪,同时在客户端可以满足短信接收者的个性化分类需求。

大数据分析在汽轮机调节门特性参数辨识及优化中的应用

汽轮机调节阀特性参数的准确获取是对其精确控制的前提,同时影响到机组负荷稳定、一次调频品质和AGC品质,是机网协调的一项重要工作。目前,汽轮机调节阀特性参数均通过现场试验得到。结合大数据分析方法,对机组历史数据进行挖掘计算,准确辨识出汽轮机调节门特性参数;以阀组流量线性化为目标,计算得到了调节阀流量管理优化曲线。

一种基于神经网络的黑客入侵检测新方法

给出了一个基于神经网络的网络入侵检测系统模型 .该模型可对网络中的 IP数据包进行分析处理以及特征提取 ,并采用智能神经网络进行学习或判别 ,以达到对未知数据包进行检测的目的 .首先建立功能专一、结构简单、易于构造的神经网络来完成单一的黑客入侵检测任务 ,然后利用智能神经网络组成原理将这些能够检测多种多样的黑客入侵的小网合并 ,组合成功能完善、结构复杂的大网来完成整个检测任务 .

人工智能赋能教育与学习

近年来,人工智能(AI)的迅速发展和广泛应用已引起了我国政府的高度重视,也受到了教育界的极大关注。从教育的本质特征和人工智能的研究领域来分析人工智能与教育的关系,可以发现:教育是提高人的自然智能的过程和系统;人工智能是在机器上实现的教育。并且大量国内外权威期刊的文献分析也表明,人工智能技术在教育领域的应用与传统教学方法相比,具有比较显著的正面影响。人工智能必将对人类的教育与学习方式产生重大影响。

基于改进和声搜索算法的主蒸汽温度现场数据辨识

针对主蒸汽温度系统现场数据的模型辨识问题,提出了结合粒子群优化算法的改进和声搜索算法.采用经验模态分解法对带噪声污染的现场数据进行滤波处理,采用离散相似法进行模型辨识的计算机仿真实现和数值计算.应用该改进算法对循环流化床主蒸汽温度系统模型进行了现场数据辨识.结果表明:所辨识的模型具有较高的精度,能够反映实际主蒸汽温度系统的动静态特性;改进和声搜索算法比粒子群优化算法具有更好的稳定性和全局寻优能力,以及更快的收敛速度.

四维地震技术在稠油开采中的应用

地震信息对注蒸汽开采稠油油藏的蒸汽热场的响应主要是储集层对应的地震反射波的振幅、层速度、延迟时间的变化 ,这些参数发生差异的区域就是蒸汽热前缘推进到的范围 ,而没有产生变化的区域就是蒸汽热场未影响到的范围 ,即是剩余油分布区。克拉玛依油田九5 区 95 1 5 9井区存在 3个剩余油区域 :95 1 5 9井与 95 1 78井之间、95 1 40井以南和 95 1 97井以北。在剩余油分布规律研究的基础上 ,结合动态监测资料及生产动态数据等 ,对蒸汽驱实施分类调整、平面加密、封堵调剖等措施 ,取得了显著效果 ,使该区由 1 995年到 1 999年年产油量综合递减从5 .5 %降至 -6.7% ,油汽比由 0 .1 2提高到 0 .2 7。彩图 6表

关于汽轮机蒸汽功率测量的多传感器信息融合方法的研究

在功频调节系统中,利用电功率信号作为反馈信号会引起反调现象的产生。利用汽轮机中特殊位置处的蒸汽压力对蒸汽功率的变化响应快和电功率信号的稳态精度高的特性,将两者组成一个信息融合对,通过构造互补FRF(频率响应函数)对,在频域内进行信息融合,获取高性能的蒸汽功率信号。最后采用仿真试验表明,通过此法获取的蒸汽功率信号作为功频调节中的功率反馈信号可明显减小反调现象。

基于深度长短记忆网络的汽轮机数据清洗

汽轮机运行过程会产生多样且大量数据。为适应大数据驱动及仿真建模对高质量数据的要求,高效的数据清洗十分必要。利用长短记忆层对于时序数据出色的非线性拟合能力搭建了汽轮机半监督数据清洗模型。模型选取机组的3个边界条件作为输入,对待清洗数据进行预测,根据预测值与实际值的残差完成异常值剔除,之后选用模型的预测值进行数据填充,保证数据的完整性。利用模型对某电厂650 MW机组进行数据清洗,并且为克服样本失衡给清洗模型指标选取带来的问题,对准确率进行了改进并将其作为清洗效果的衡量指标。结果表明:深度长短记忆网络的数据清洗模型改进准确率高于其他3种常见清洗方法,可有效识别数据是否异常,且可利用预测值进行数据填充,保证清洗前后数据量一致。

基于中心环旋转木马的应用层组播模型

提出了一种基于中心环旋转木马的高效分布式应用层组播模型(CRCL)。CRCL采用层次环状结构,以中心环为基础,每个中心环节点组建自己的旋转木马,通过创建节点优先级,使高优先级节点位于上层环中。通过仿真实验对比表明:该模型在中小型流媒体应用中具有很高的数据传输率、较短的收敛时间,同时平均路径长度也较小。

基于支持向量机的回归预测和异常数据检测

针对电站实时数据中普遍存在异常数据的情况,提出一种基于支持向量回归的异常数据检测方法。该方法利用支持向量回归估计模型不倾向于消除个别大的回归误差,而是从整体上考虑回归曲线的平滑程度的特点,通过比较回归估计值与实测值之间的残差来识别测量数据中的异常数据。以某300MW机组的主蒸汽流量为具体对象,给出了该方法的算例和检测结果,计算结果表明该方法能有效地实现异常数据的定位与分离,为提高电站性能计算的精确性奠定基础。

数据驱动的汽轮机健康状态管理技术综述

汽轮机健康状态管理是数字发电厂的核心内容。通过阐述数据驱动汽轮机健康状态分析方法的分类和目前汽轮机健康状态管理技术的研究现状,提出了数据驱动汽轮机健康状态管理策略,分析国内主要制造企业关于汽轮机健康状态管理的工程应用现状以及智慧发电厂与汽轮机健康状态管理的关系,展望了汽轮机健康状态管理的未来发展方向。