风力发电相关问题研究

指出了随着我国风力发电市场快速发展,迫切要求风力发电技术的同步发展,对世界风力发电技术的特点及我国风力发电技术存在的问题作了简单阐述,从提高控制系统效率和稳定性方面,探讨了风力发电技术的发展趋势。     

便携式电网谐波检测装置在电力系统中的应用

电能质量的好坏严重影响电力系统的稳定运行,测量和分析电能质量的装置运行可靠性对检测电网谐波的检测具有至关重要的作用。采用小波变换分析理论作为电网谐波检测和分析的方法,基于嵌入式linux操作系统和GUI图形界面,以S3C2410为核心,研究设计电网谐波检测装置,用以对谐波进行检测。     

一种基于GIS平台的配电网潮流计算方法

以实例的方法,探讨基于配电GIS平台实现潮流计算的方案。利用GIS平台中的全局唯一编码（GUID）描述配电网络拓扑模型,取代传统前推回代方法中的节点、支路编码方式,为潮流计算提供更完整、精确、更新及时的参数。在Matlab环境下设计配网潮流计算模块,在GIS平台上集成该模块,实现可视化的潮流计算,将结果直观的显示在配电网地图上。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

电量系统的数据拟合与计量方法

在电量信息采集、传输、存储的过程中,常出现丢失数据或数据突变的情况。介绍一种离散数据曲线拟合和计量方法,鉴别数据采集过程中丢失的少量数据信息,并根据采集数据值判断、自动拟合丢失的数据,进而根据这些基本量计算电量信息。     

基于不变矩和神经网络的泵机组轴心轨迹自动识别

基于泵机组故障信号处理的需要,介绍了不变矩原理,同时对神经网络建模,包括其样本获取进行了详细讨论;由于泵机组的多种故障与表征其运行状态的轴心轨迹形状有关,根据不变矩的平移、伸缩和旋转不变性特征,对实时检测的轴心摆度信号进行不变矩处理,利用BP型神经网络对其进行模式识别,进而判断出轴心轨迹的形状．为了弥补泵机组用于神经网络训练样本的不足,采用数值模拟与现场测试相结合的方法,将获取的所有样本进行求不变矩处理,并连同样本对应的实际形状作为神经网络的训练样本．网络训练完成后,将其输出结果与轴心轨迹图形进行比较验证．以山西大禹渡泵站水泵机组故障检测及诊断为例,在样本中选取其中的10组数据,比较的结果表明神经网络自动识别的结果准确．该方法为泵机组轴心轨迹自动识别和实现泵机组故障诊断智能化提供了依据．     

水工泄水建筑物高性能抗冲磨混凝土试验研究

针对水工泄水建筑物高性能混凝土高抗裂性和高抗冲磨性的要求,通过掺用具有梳型结构的聚羧酸减水剂实现水工泄水建筑物高性能混凝土,同时研究了聚丙烯纤维、粉煤灰和硅粉等因素对混凝土抗冲磨性能的影响。研究表明：聚羧酸减水剂掺量为1.0%,粉煤灰掺量为15%,硅粉掺量为10%,聚丙烯纤维掺量0.9 kg/m3时,混凝土的抗裂性和抗冲磨性能满足水工泄水建筑物高性能混凝土工程的使用要求。     

基于DRNN网络的风力辅助提水机自整定PID控制

基于风力机和离心水泵的特点,提出了一种风力辅助提水机结构及该机的控制系统。该机是一个耦合的两输入两输出时变系统,系统存在的响应较慢,负荷的随机变化及参数快时变的特性。固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络（DRNN）的两输入两输出PID控制器结构,给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法。使该系统能在自然界的风速随机变化的情况下使风力机最大可能利用风能,同时与离心水泵输出功率匹配.计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。     

Egg production forecasting: Determining efficient modeling approaches

Several mathematical or statistical and artificial intelligence models were developed to compare egg production forecasts in commercial layers. Initial data for these models were collected from a comparative layer trial on commercial strains conducted at the Poultry Research Farms, Auburn University. Simulated data were produced to represent new scenarios by using means and SD of egg production of the 22 commercial strains. From the simulated data, random examples were generated for neural network training and testing for the weekly egg production prediction from wk 22 to 36. Three neural network architectures-back-propagation-3, Ward-5, and the general regression neural network-were compared for their efficiency to forecast egg production, along with other traditional models. The general regression neural network gave the best-fitting line, which almost overlapped with the commercial egg production data, with an R(2) of 0.71. The general regression neural network-predicted curve was compared with original egg production data, the average curves of white-shelled and brown-shelled strains, linear regression predictions, and the Gompertz nonlinear model. The general regression neural network was superior in all these comparisons and may be the model of choice if the initial overprediction is managed efficiently. In general, neural network models are efficient, are easy to use, require fewer data, and are practical under farm management conditions to forecast egg production.     

利用胰酶粉提取胰激肽释放酶静态条件的初探

研究利用胰酶粉提取胰激肽释放酶的静态提取工艺.分别考察了浸提pH值、平衡液pH值、吸附过程中的NaCl添加量、洗脱过程中pH值、NaCl添加量以及醋酸钠正交试验对利用胰酶粉静态提取胰激肽释放酶的影响.利用胰酶粉静态提取胰激肽释放酶的最佳条件为:浸提pH值为6.0,平衡液pH值为6.5,吸附过程中添加0.02mol/L NaCl,洗脱优化条件控制在pH值为6.5,NaCl0.35 mol/L以及不添加醋酸钠,提取率达到76%以上,该静态条件的考察为胰激肽释放酶的进一步分离纯化提供了理论依据.