航空电推进电机多层波浪形拓扑及散热设计方法

针对航空电推进电机的散热问题,提出一种基于多层波浪形散热拓扑的航空电推进电机高效散热设计方法。航空电推进电机采用多层波浪形散热拓扑,建立电机等效热网络模型,确定等效热阻、对流换热系数等重要参数,完成电机温度精确计算,并通过CFD仿真验证所建立电机等效热网络模型的准确性和有效性。以此为基础,对比分析传统散热翅和多层波浪形散热拓扑对电机功率密度的影响。基于多层波浪形散热拓扑的等效热网络模型,采用遗传学习粒子群优化(GL-PSO)算法,完成航空电推进电机高效散热优化设计。优化结果表明:相比于原始方案,优化方案的机壳质量减轻15.1%,整个电机的功率密度提升0.06 kW/kg。

牵引变流器功率器件结温在线监测方法综述

功率器件结温在线监测对牵引变流器安全可靠运行至关重要,准确的结温监测是牵引变流器失效分析、运行状态监测、健康管理和剩余服役寿命预测的基础。因此,面向功率器件结温在线监测开展了大量研究。在此基础上,概述了以热网络模型法和温敏参数法为主的功率器件结温在线监测方法,以此为分类基准梳理了现有功率器件的结温监测方法并讨论了在牵引变流器中在线实现的可能,详细介绍了功率器件结温监测方法针对在线应用及客观因素干扰的发展与改进。最后,总结并对比了现有功率器件结温在线监测方法的演变、联系与差异,在分析现有结温监测方法面临挑战的基础上,展望功率器件结温在线监测在人工智能技术辅助下的前景。

考虑热动态的综合能源系统碳排放流建模与分析

在电力系统低碳转型背景下,传统的源侧碳排放控制难以满足碳排放责任公平分摊需求,亟需对多能源网络进行碳排放流(即碳流)追踪,明确源网荷碳排放责任。基于此,提出了热网准动态碳流模型,并对综合能源系统碳流进行建模与分析。介绍了热网静态碳流的管道计算模型;从热损耗和热延时两方面对热网管道的动态特性进行描述;在此基础上,引入热网管道储能变量刻画2种情况下热动态特性对管道和节点碳流分布的影响;进一步地,提出了热电联产机组的碳势计算方法和储能设备各时刻平均碳势的计算方法,并总结了电、热网络碳流联合分析方法;通过算例分析了静态和准动态热网模型下综合能源系统的碳流分布结果,并考虑了负荷热惯性及机组碳势对碳流分布的影响。

储热-火电耦合系统孤网运行电热特性研究

高寒地区传统的热电联产机组存在“热电耦合”现象,电网故障时会造成停机且无法供热。电锅炉加入后与火电机组构成的耦合系统能在孤网运行时带电热负荷稳定运行。于是本文基于电锅炉与火电联合系统模型与耦合系统孤网运行策略,分析了在电热负荷大范围变化时,关键参数主汽压和转速的变化规律,并给出了联合系统可承受热、电负荷的范围及保证机组安全运行的电、热负荷最大变化速率。

基于神经网络的双面散热功率模块本构热阻建模与表征

双面散热(double-sided cooling,DSC)功率模块的结-壳热阻,是其电热设计、状态监测与失效分析的关键性能指标。然而,现有的结-壳热阻模型及其测试标准,仅针对单通道传热的功率模块,难以匹配多通道传热的DSC功率模块,无法识别DSC功率模块的本构热阻信息。首先提出DSC功率模块的本构热阻模型,阐释DSC功率模块本构热阻的物理意义,分析重构单通道传热本构热阻的可行性和唯一性;其次,评估所提本构热阻与传统测试热阻的本质差异。基于商业化DSC功率模块,采用多物理场分析方法,构建DSC功率模块的热阻数据库;然后,基于神经网络学习方法和所构建的数据库,建立DSC功率模块的本构热阻模型,并通过大量训练数据和测试数据的交叉验证及多款DSC功率模块的实测结果,验证神经网络重构本构热阻的泛化能力和兼容能力,为多通道散热功率模块的热阻建模与表征,提供新的研究思路和技术途径。

基于BP神经网络的动力电池热失控预警方法研究

提出一种基于BP神经网络的动力电池热失控快速预测方法,以解决当前无法有效对动力电池进行热失控预警的问题。通过测试发现,采用该方法对动力电池热失控进行预测,其准确度达到97%,可有效降低动力电池热失控发生的风险,提高车辆的安全性。

基于无线传感网络的火电厂发电机组继电保护状态自动监测方法

为了增强继电保护状态监测效果,提出基于无线传感网络的火电厂发电机组继电保护状态自动监测方法的研究。首先利用LoRa传感器作为目标数据的采集装置,以LoRa无线信号的形式,借助LoRa网关将数据发送至监测管理中心,然后利用继电保护不同数据之间的连锁关系,构造了针对火电厂发电机组继电保护的异或逻辑,将继电保护布尔量参数不一致时的非线性参数作为异常监测输出结果。结果表明,该设计方法误差较小且稳定性较高,应用效果较好。

基于控制器局域网络技术的火电厂电气监控系统设计

随着电力行业的快速发展,电气设备在火电厂中发挥着越来越重要的作用,火电厂电气设备的安全稳定运行对保障电力供应具有重要的意义。文章基于控制器局域网络(Controller Area Network,CAN)技术,设计了一种适用于火电厂电气监控系统的解决方案。该设计利用CAN实现气设备之间的高效通信和数据传输。CAN作为通信媒介,连接各个电气设备,包括发电机、变压器、开关设备等。通过这些设备可以实时传输监测数据和控制命令,从而实现对电气设备的实时监控和控制,提高火电厂电气监控的可靠性、实时性以及安全性。

定日镜积尘因素分析及反射率变化预测模型

为减少自然积尘引起的发电效率损失,光热电站需要定期清洗定日镜,如何选取合适的清洗节点,是提高经济效益的关键。针对于此,提出了一种基于气象预报数据的定日镜反射率变化预测模型,以供光热电站根据反射率的变化趋势,灵活安排人工清洗。对影响定日镜积尘的因素进行了分析;在研制人工积尘室并进行相关的定性实验基础上,构建了基于神经网络的反射率预测模型;通过室外积尘实验,对模型的效果进行了初步评估。实验结果表明,该模型能有效预测反射率的变化趋势,与实测数据的平均相对误差为1.28%,均方根误差为1.34%,对光热电站清洗计划的制定具有借鉴意义。

基于SDN技术的火电厂DCS后台控制系统优化研究

为解决传统分散控制系统(Distributed Control System,DCS)存在的响应延迟、故障恢复慢以及安全防护能力不足等问题,文章基于软件定义网络(Software Defined Networking,SDN)技术设计并实现了火电厂DCS后台控制系统。通过介绍SDN技术与火电厂DCS系统,设计基于SDN技术的DCS系统架构,重点阐述实时控制反馈模块、故障检测恢复模块以及网络安全防护模块的具体设计与功能实现。通过实验分析,验证了基于SDN技术的优化方案在提高系统响应速度、增强故障恢复能力以及提升网络安全性方面的显著效果。

适用于S-NUCA异构处理器的任务调度与热管理系统

异构多核处理器凭借其高性能、低功耗和广泛的应用场景而成为当前计算机平台的主流方案,且大容量的非均匀缓存架构(S-NUCA)具有较低的平均访问时间。然而,不断上升的晶体管规模给异构多核处理器的资源调度和功耗控制带来挑战,传统的调度算法在面对基于S-NUCA的多核处理器时忽略了核心之间的缓存访问延迟,且传统热管理方案只提供芯片级功率约束,容易使得系统因核心使用率降低而造成性能下降。为此,提出一种适用于S-NUCA异构多核系统、满足热安全约束的动态线程调度机制TSCDM。利用基于动态每周期指令(IPC)值的阶段检测技术,并基于人工神经网络预测线程的IPC值,以获取线程与核心类型的最佳绑定关系,依据S-NUCA缓存特性获得最优映射和基于任务分类的任务迁移策略。在此基础上,TSCDM基于片上热模型为每个核心实时分配功率预算。在HotSniper上运行SPLASH-2性能测试套件进行实验,结果表明,相较于传统调度方案与基于机器学习的调度方案,TSCDM在加速比和资源利用率上均表现出优势,TSCDM中使用的基于瞬态温度的安全功率算法相比传统热安全功率算法能够降低核心热余量,同时处理器的全频段均有更高的能效比。

基于LSTM的煤场热值损失多因素线性回归预测

针对火力发电厂煤场热值损失问题,提出了一种基于长短期记忆(LSTM)的多因素线性回归综合热值损失预测模型。使用LSTM神经网络预测煤场所在地的环境因素,建立煤堆热值变化与时间累积下各因素总值之间的回归方程,代入预测因素的影响值以计算未来的热值损失。在煤场进行实地数据采样,对高位热值进行同值灰分处理,利用所记录的环境因素数据对因变量热值进行多因素回归分析,建立热值损失数学模型。通过构建LSTM神经网络预测多因素变化,将预测数据导入回归模型进行热值变化的预测。仿真结果表明:多因素LSTM神经网络对环境因素的预测精度要高于单因素及传统差分自回归移动平均(ARIMA)模型,并且具有较强的稳定性。

基于模糊神经网络的火电厂热控系统故障诊断方法

火电厂热控系统运行是由众多组件配合实现的,故障诊断难度较大,为此提出基于模糊神经网络的火电厂热控系统故障诊断方法。从火电厂热控系统自身构成和运行属性的角度出发,结合模糊控制与5层等价型BP神经网,构建了火电厂热控系统模糊神经网络模型。在模型内进行火电厂热控系统运行状态变量的前向传播和误差的反向传播,实现对火电厂热控系统的故障诊断。测试结果表明,该设计方法对设置的7种不同类型火电厂热控系统故障状态均实现了准确诊断。

IGBT器件参数的自适应热网络模型分析

阐述功率器件参数自适应热网络模型的理论基础。分析功率器件的热特性和参数,介绍热网络模型的基本原理,通过建立功率器件的热传导路径来描述其热行为。提出一种自适应热网络模型的建立方法,根据实际的功率器件参数来调整模型的参数。该自适应模型可以提高功率器件的热管理效果。

基于深度学习的火力发电厂锅炉故障诊断方法

针对当前火电厂锅炉故障诊断准确度不足的问题,提出一种基于深度学习的火电厂锅炉故障诊断方法。在系统分析锅炉运行特征的基础上,选取重要参数作为锅炉故障特征量。设计基于深度卷积神经网络的作为基础的故障特征分类模型,用以对故障特征信息进行深度学习与分类识别,并针对DCNN参数寻优效率低和稳定性低的问题,采用引入避险原则改进的缎蓝园丁鸟优化算法实现DCNN参数的自适应寻优,从而建立基于ISBO-DCNN的火电厂锅炉故障诊断模型。实验结果表明:提出的ISBO-DCNN模型相比于其他计算模型具有更高的诊断准确性,能够较为准确地实现对火电厂锅炉的故障诊断,在火电厂运检工作方面具有良好的工程实际应用能力。

基于云计算的热电厂智能供热控制系统设计

本文设计一种基于云计算的热电厂智能供热控制系统,以提高热电厂供热效率和降低能源浪费。首先,讨论热电厂供热控制系统存在的问题,包括能耗较高、效率较低、运行不稳定等方面的挑战。其次,建立了基于云计算平台的数据采集模型,实现了对热电厂供热系统各参数的实时监测和数据采集。然后,利用机器学习算法对大量数据进行训练和优化,建立了智能供热控制模型,实现了对供热系统的智能化调控。最后,通过与传统供热控制系统进行对比试验,结果表明,基于云计算的智能供热控制系统在热电厂供热效率和能源利用率方面均取得了显著的提升。

基于数据驱动的管道流致振动计算方法

高速流体在流经管路系统中的弯头、阀门、三通、孔板等节流组件时,流体冲击载荷容易诱发管道的振动,甚至导致管道及其附件的损坏。常规的管道流致振动分析需要开展流体在管内流场以及流体与管道流固耦合计算,耗费计算工时较长不具备通用性。通过基于数据驱动的神经网络方法分析,建立典型流体元件的流动特性数据库,采用神经网络分析,可以在较短时间内完成流致振动的计算。该方法可以在设计阶段对可能发生振动的管道进行分析和计算,并通过改变管道设计来避免或减轻管道的振动,该方法也可适用于其他行业管道系统的流致振动分析。

可控储热负荷参与电网调峰的系统特性与经济性研究

为解决当前可再生能源装机量大但出力相对较小及电力系统调峰能力低下的问题,通过新兴的固态电制热储热技术,充分挖掘电力系统用户侧的潜力。以系统消纳的风电量最多及用户侧运行的经济性最优为目标,建立了含电力需求侧响应的用户侧配置固态电制热储热设备的系统模型。采用改进多目标粒子群算法对模型进行优化求解,针对电力系统的源侧、网侧、荷侧,对比不同运行方式下的风电消纳能力、负荷曲线峰谷差及经济成本。仿真结果表明,在电力需求侧响应的基础上用户侧配置固态电制热储热设备,可以大大提高系统的风电消纳能力及调峰水平,并具有一定的经济价值。

节能发电调度模式下火力发电单元的月度电能计划编制方法

编制月度电能计划的传统方法主要基于平均分配发电量及利用小时数的方式,相对简单和粗略,与新形势下实施节能减排发电调度不相适应。提出了一种节能发电调度模式下制定火力发电单元月度电能计划的方法。该方法在给出节能发电调度序位表和组合优先级方案的同时,即可直接获得发电单元月度电能子空间。计划制定过程除考虑机组装机容量、检修、负荷系数等基本信息外,还侧重计及了火电机组的能耗、排放指标信息。算例表明,由新方法制定的月度电能计划,具有节约燃煤、减少污染物和CO2排放的效益,但也可能会引起电网公司购电成本的上升。