溅射功率对 ZnO ∶Mn 薄膜结构、应力和光电性能的影响

利用直流磁控溅射法,在玻璃衬底上制备掺锰氧化锌（ZnO ∶Mn）透明导电薄膜．研究了溅射功率对薄膜结构、力学性能和光电性能的影响．功率对薄膜应力影响不是很大,且应力均为负值,表现为压应力．溅射功率通过改变晶粒尺寸和结晶程度而影响薄膜的导电性能：当溅射功率为135 W 时,薄膜的电阻率具有最小值为1．10×10－2Ω·cm．实验表明,功率是影响 ZnO ∶Mn 薄膜性能的一个重要参量．     

单相二极管箝位三电平级联整流器的研究

为了解决级联整流器的输出电压均压问题,改进了一种基于比例积分(Proportional Integral,PI)控制器的直流电压均衡方法,并将其应用于单相二极管箝位三电平级联整流器中.以三模块级联整流器为例,利用Matlab/Simulink进行了系统仿真,同时搭建了一套小功率实验平台并且实现了实验验证.仿真和实验结果表明:在采用改进的直流电压均衡控制算法下,可以有效地实现直流侧电压稳定,而且经改进的直流电压均衡控制算法更加简单,方便向更多级联模块扩展.     

宁德核电站1号机组堆芯吊篮梁型振动特性研究

核电站反应堆堆芯吊篮的振动在一定范围内是允许的;但其异常振动可能会导致故障甚至事故的发生。掌握核电站堆芯吊篮振动特性能够对核电站的安全运行提供保障。运用中子噪声分析技术,对宁德核电站1号机组多个燃料循环周期内的堆外中子噪声信号的自功率谱、互功率谱和相干、相位进行了分析,得到了吊篮梁型振动频率和中子噪声信号峰功率均方根值变化趋势。对核电站堆芯吊篮梁型振动特性的研究成果,为堆芯吊篮早期故障诊断奠定了基础。     

一种新型微电网谐波与正负序检测方法

电流谐波与电压不平衡是影响微电网电能质量的两个重要因素。针对目前谐波检测与电压正负序分离方法存在的问题,提出一种基于动态相量的谐波与正负序分量检测方法;该方法既可以用于电流谐波检测,也可用于电压畸变或不平衡条件下的正负序分量分离。采用动态相量法下的Park变换矩阵,简化控制;并且省去了传统检测方法的滤波器与陷波器装置。最后对该方法进行了对比分析,并在有源滤波器仿真中进行了验证分析,仿真结果显示了所提方法的正确性、可行性。     

分布式变压器直流偏磁多状态量检测技术研究

直流偏磁严重威胁着电力变压器的安全运行。为了确定直流偏磁的影响范围及程度,开发了分布式电力变压器直流偏磁中性点电流、噪声以及振动多状态量监测系统并投入实际应用。系统由分布式监测终端以及远程监测服务器构成。由霍尔传感器、传声器以及加速度传感器构成检测系统前端,对中性点电流、噪声以及振动信号进行了50 Hz及其谐频幅值分析。通过设计1/3倍频程滤波器计算噪声信号1/3倍频程以及等效A声级,检测结果由监测终端分析整理后通过GPRS网络远程传输至监测服务器并存储至数据库。利用监测服务器实现当前各变压器直流偏磁状况实时显示以及历史数据查询。现场应用结果表明,所设计的分布式变压器直流偏磁多状态量监测系统测量结果准确、信号传输稳定,有助于确定直流偏磁的影响范围及程度,为直流偏磁的针对性控制提供技术支持。     

输煤与输电环境效益比较分析

通过铁路、公路、海运运输和通过电力网络输电是煤炭转化为清洁电能的两种主要方式。输煤与输电两种不同能源运输方式对环境污染产生不同的影响。考虑量化输煤与输电的环境价值,首先对输煤与输电环境污染分析,建立了输煤方式和输电方式污染物排放量计量模型;然后根据防护费用等来间接评估污染物的环境价值,构建了较完整的输煤与输电环境效益模型;最后以某条特高压输电工程为例,对该工程环境效益进行评估,具体量化了输煤与输电环境效益模型之间的关系,为计算输煤与输电环境效益提供参考。     

自走式U型渠掘进机主要技术与试验研究

针对目前传统U型渠施工效率低,耗费大的问题,提出了一种自走式U型渠掘进机(以下简称掘进机)的设计方案。介绍了掘进叶片与切土刀片共同作业的U型渠成型方法,对掘进叶片的动力学进行了分析。基于经典切削理论,引入挤碎、输送土壤等因素后,推导出了掘进叶片施工过程的切削合力。确定了影响掘进叶片功率消耗的主要因素。利用滑切原理对切土刀片进行了设计。目前,掘进机已投入使用,承建U型渠道长度达320 km。试验表明掘进机成型的沟渠在顺直性、横断面尺寸标准性、填土密实度达标率等方面均优于传统施工方案。     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

用于短期风功率预测的历史数据深度迁移模型

随着全球化石燃料短缺日益严重,可再生能源的开发与利用愈发得到重视。风能是被广泛使用的清洁能源之一,在生产工作中,风力发电作为风能的主要利用形式,需要对其功率进行预测。依托风场日常记录的历史数据,传统学习模型可对风功率进行短期预测,但往往仅使用自己域内的历史数据作为分析对象,该类算法导致结果片面,局限性大,不能有效使用类数据中的隐含联系,抑制原始数据缺失或异常值引起的模型性能下降问题。笔者设计一种基于历史数据深度迁移的短期风功率预测模型。首先,使用带降噪处理的自动编码机构建深度神经网络模型。其次,应用深度迁移方法共享隐藏层,挖掘特征之间的隐含联系。最后,从具有相似特征和地理位置的风场数据中迁移重要知识,提高模型准确率和可靠性。实验结果表明,研究方法较之未使用迁移的方法更充分利用现有数据,预测准确率显著提高。     

含分布式光伏、储能的低压配电网电压 调节及储能SoC均衡方法

随着可再生能源渗透率的不断提高,配电网电压波动和越限问题日益严重。为解决这一问题,文中分析低压配电网中分布式光伏电源接入对电网电压的影响,进而将节点电压幅值与节点注入功率的关系线性化;提出基于功率里程数的低压配电网电压优化模型,通过求解优化目标,计算出分布式电池储能的输出;为提升分布式储能的利用效率,设计分布式储能的荷电状态(SoC)均衡控制策略;并根据重庆巫溪地区低压配电网0.4 kV线路数据,在MATLAB/Simulink上搭建配电网仿真模型,设计4种仿真案例对所提出的模型与方法进行有效性验证。仿真结果表明,文中提出的方法能够有效地调节低压配电网中的电压并能实现分布式储能的SoC均衡控制。