汽轮机调节系统故障诊断探析

科技的进步使汽轮机的系统调节方式发生了巨大的转变,从原来的机械式液压调节转换为现在的数字化电液式的调节。目前,我国大部分的大功率汽轮机都在使用这种数字化的电液式调节系统,该调节系统可以让汽轮机的功率得到有效提升,并增强供电质量及安全。本文对汽轮机的调节系统进行简要概述,并对汽轮机的调节系统的故障诊断进行若干研究,以供参考和交流。     

汽轮机调节系统改造方案设计与实践

汽轮机调节系统存在自身的缺陷,如控制精度较低、操作烦琐、动态调节品质较差,尤其是维修保养难度较大。要想彻底解决上述问题,人们需釆用一种新型调控系统代替原有调节系统。本文阐述了汽轮机调节系统改造的必要性,对比了汽轮机改造方案的优缺点,最后分析了改造后系统的安全性,以期为汽轮机调节系统改造提供参考。     

浅谈基于气象因素的电网短期负荷预测系统

电网负荷预测是电网建设的基础,也是电网的建设和布局的依据,电网负荷预测结果的准确与否关系到电力投资的效益。短期负荷预测的时间较短,周期为一到五年,主要是为配电网规划服务的。本文介绍了气象因素对电网负荷预测的影响,阐述了基于气象因素的电网短期负荷预测系统功能的实现。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

神经网络式电力负荷预测的混合计算

针对BP算法存在的缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,利用遗传算法能够进行全局最优化搜索这一特点,提出了一种新的用于BP网络训练的混合算法,即遗传算法与改进的BP算法相结合的混合训练方法,将所提出的混合训练方法应用于神经网络式电力负荷预测中,结果表明：所提出的算法与单一的BP算法相比,不仅可避免陷入局部极小点,而且提高了网络的训练速度和负荷预测精度。     

城市电网规划与负荷预测方法探讨

随着城市建设的迅猛发展,电力设施的建设日新月异。在城市建设中非常重要的一项工作就是城市电网的规划。对城市电网现状进行了分析,阐述了电网规划的作用,对城市电网规划的关键技术进行了深入的探讨。电网规划的一项重要内容是负荷的预测,因此,对城市电网负荷预测方法进行了探讨。     

电力负荷预测的模糊时序模型

提出一种负荷预测的新方法，以负荷历史数据为依据建立模糊时序模型，考虑季节性演变和季节性变动因子，即可作年负荷和逐月负荷预测，引入标准拟合度和模糊度两个互不相容的参数分析负荷的增长趋势。这种带有可能范围的模糊时序模型不仅可以成功地预测负荷，且可以给出预测值的准确程序。     

关于母线负荷预测的实用算法

随着科学技术的不断发展,调度自动化系统和母线负荷预测装置也在不断的完善。作为制定电网运行方式的基础与前提,母线负荷在预测上的准确度对电网输送能力的计算运行方式的安排和后续安全校核的分析结果都产生着直接性的影响。     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

如何预测和调节杂交玉米制种的花期

如何预测和调节杂交玉米制种的花期田富强时国珍杂交玉米制种由于受栽培管理、年度间气候变化和灾害性天气等因素的影响，时常出现父母本抽雄吐丝不协调现象。因此，在整个生育过程中加强花期预测，以便随时采取调控措施，使父母本花期相遇良好、提高结实率是每个制种工作...     

一种对某地区电网短期负荷预测方法

短期负荷预测对电网运行意义重大,负荷预测的精确与否,对电力网络的控制、运行和计划有较大的影响。本文基于人工神经网络理论,通过建立网络模型,并编写相关程序,预测了未来一天24小时负荷值,并取得了较为理想的预测效果。     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

ARIMA模型在广西短期电力负荷预测中的应用

阐述了疏系数ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型的建立方法，提出了适用于广西区普通日电力负荷预测的数据预处理方法，利用建立的动态ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型顺利完成了对广西区普通日电力负荷（每日２４个点，正点采集）的预测，全年日预测精确度均在到９５％以上。     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

汽机油加水位调节系统改进

通过对改进汽机轴封加热器水位调节系统，使轴加水位自动调节，减少对凝汽器真空的影响，并能回收工质和热量，有很好的经济效益。     

固始县夏季用电负荷对气象因子的响应及预测

本文利用2015—2019年固始县夏季用电负荷数据及同期气象资料,在分离气象负荷的基础上,基于多元逐步回归算法,建立固始县夏季日最大用电负荷及出现时间的预测模型,并用2020年夏季日用电负荷数据进行拟合优度检验和显著性检验,以提高模型的预测精度,切实为县级电网调度安全运行提供精细的气象服务.     

基于DMD-NARX模型的短期电力负荷预测方法

提出了一种基于DMD-NARX模型的短期电力负荷预测方法,深入地探索了负荷变化趋势和历史数据之间的内在关联,同时在短期预测的精度上有所提高。首先通过自相关函数(Autocorrelation function, ACF)并结合短期负荷波动的时间规律特性,在已有历史相关数据的基础上推导出相应日期的输入特征集合;然后将输入特征集合归一化后通过Hankel矩阵完成由单变量输入特征序列向多维数据矩阵的转换,以动态模态分解(Dynamic mode decomposition, DMD)为手段完成对上一步所得多维数据矩阵的动态模态估计和特征分解,同时对电力负荷底层的多尺度动态情况有了更加深入的掌握;最后使用基于外部输入的非线性自回归(Nonlinear autoregressive with external inputs, NARX)神经网络模型,同时以上一步取得的动态模态估值作为计算相应预测日期内各时段负荷分布的基础,并推导出最终预测结果。最终的测试数据证明,此方法较好地改善了模型的预测精度。     

GM（1,1）改进模型在广西短期电力负荷预测中的应用

采用ＧＭ（１，１）改进模型与ＡＲＩＭＡ（ｐ，ｄ，ｑ）模型对广西自治区电网特殊日电力负荷进行组合预测，阐述了ＧＭ（１，１）改进模型的建立方法，提出了适用于广西纂驱电网特殊日电力负荷预测的预测数据处理方法，提高了预测的精确度，全年日镀优于９５％，解决了在日采样点为２４点（正点采样）情况下预测度较低的问题。