电力设备故障智能识别技术研究

电力设备良好的运行状态是电力系统安全、可靠、经济运行的前提。利用人工智能技术算法、算力的优势能够大幅提升电力设备的故障诊断水平。本文以电力设备故障智能识别技术为研究主题,首先总结了电力设备运行故障数据的特性,并针对该数据存在的多源异构、不均衡性等特性,介绍了几种应用于电力设备故障诊断的新型人工智能技术,总结了人工智能技术在故障识别业务场景中的典型应用,最后,探讨了现阶段人工智能技术在实际应用中面临的挑战,并对未来的研究方向进行了展望。

基于热力学理论的涡流管制冷特性研究

为探究热力学理论对应用于创造矿下人工环境的涡流管制冷特性的影响,基于涡流管的能量交换和分离的原理,利用热力学第一定律和热力学第二定律的理论,分析涡流管内部流体热力学特性,探求冷、热流体能量分离机理,获得其制冷特性;利用三维的流体域耦合方法,建立的连续-非连续模型,通过不同数学模型和不同计算方法的计算,与Aljuwayhel的实验结果进行对比,以制冷效应差异作为判定指标,确定了使用SIMPLEC算法实现压力和速度耦合变量的分离求解,采用各向异性的雷诺应力RSM湍流模型最为精准,计算得到制冷效应偏差在12%以内;涡流管内流场的分析可知,管内的流体速度、流体压力、温度流场分布与基于热力学设计的理论基本相符,模拟的管内内部流体温度分离引起的静温变化是由流体热量和功转换所引起的结论,验证了涡流管内部能量传递过程。