微机型综保典型整定计算

继电保护整定计算专业性较强,然而在实践工作中,又是每名电气相关专业必须掌握的专业知识.     

基于机器学习的柴油机纳米级微粒预测模型

预测柴油机燃烧产生的纳米级微粒是减少空气污染的有效方法之一,为车辆颗粒物(particulate matter, PM)的排放监管与控制提供支持,协助标定工程师制定严格的排放法规。采用气缸压力传感器测量柴油机在不同行驶工况下的气缸压力,利用主成分分析(principal component analysis, PCA)方法提取前4、7、10主成分作为神经网络的训练输入,粒径为7～990 nm的颗粒物浓度作为模型的输出,分析不同工况下气缸压力主成分贡献率对纳米颗粒的预测效果。结果表明:利用较少的主成分即可代表不同工况下的缸压燃烧特性;当主成分贡献率达到91.57%时,粒径为7～990 nm的颗粒物浓度试验数据与模型预测的平均绝对误差为90.74 cm~3,均方根误差为1.612×10~4 cm~3,回归系数R~2达到0.95,预测精度较高。因此,利用气缸压力预测柴油机PM的排放是一种可行方案。     

基于比功率与发动机功率的重型柴油车实际道路排特性研究

重型柴油车在实际道路上的污染物排放备受关注。利用便携式排放测试系统(PEMS)收集了重型柴油货车OBD数据和排放数据,引入重型车比功率(VSP)和发动机功率分别研究了其对柴油车排放的影响及二者间的关系。结果表明,96%以上行驶处于VSP区间[-10 10]kW.t-1,CO、NOx排放随VSP增大先升高后降低;CO2排放随VSP增大而增大。CO、NOx排放随发动机功率增大先升高后降低;CO2排放随发动机功率增大而增大。VSP大于0kW.t-1且发动机功率小于55kW时CO排放因子较高;VSP大于0kW.t-1且发动机功率小于55kW时NOx排放因子较高;随着VSP与发动机功率逐渐增大时CO2的排放因子逐渐增大。该研究成果为重型柴油汽车的排放控制提供了一定的技术参考。