浅谈同煤塔山电厂2×600MW空冷机组工程施工经验与效果

论述了同煤塔山电厂2×600 MW空冷机组工程的施工经验与施工效果:重视工程前期策划,认真编制施工组织总设计,严格评审;实现了北方地区同类型机组的施工工期最短纪录,安全文明施工始终处于较高水平;建成空冷柱、烟囱、保温、锅炉钢架等一批亮点工程项目;锅炉实现等离子无油点火。     

静压式井下增压器的动力分析

本文分析了静压式井下增压器的动力传递方式与要求,提出了深井钻井中地面钻井泵应以小排量高泵压的方式供给井下增压器的动力为宜。     

凸极永磁同步发电机内阻抗特性对电压调整率的影响分析

通过相量法建立起永磁同步发电机的内阻抗数学模型,研究了内阻抗特性及其对电压调整率的影响,研究结果表明,发电机内阻抗具有电流和功率因数角负反馈特性,使得电压调整率在一定程度上得到改善,感性负载下的改善更多受益于发电机内阻抗的功率因数角负反馈,且中、低功率因数下电压调整率的改善效果主要取决于直轴反应电抗,阻性和近阻性负载下取决于交轴反应电抗,根据数值计算和分析确定出了获得最佳电压调整率时电枢反应电抗的变化范围。实验测量表明,电枢反应电抗处于最佳区域内可使电压调整率得到明显改善。     

FSD-40DME电源模块故障导致监控失效的分析

测距仪是国际民航组织规定的近程导航设备,它提供航空器相对于地面测距仪台的斜距。当测距仪与仪表着陆系统配合使用时,测距仪可以替代指点信标,以提供飞机进近和着陆的距离信息。本文在此介绍FSD-40型号测距仪电源模块故障导致监控失效的实例,讲解TPS模块与各板件之间的相互关系,为该型号设备的维护维修人员提供一些借鉴。     

沪深300股指期货跨期套利价差的R／S分析

基于R/S分析应用Hurst指数和V统计量对于沪深300股指期货合约跨期套利价差的1分钟数据进行实证研究,得出其Hurst值在(0.4,0.5),平均循环周期在(8,20)分钟。这显示跨期价差具有较低程度反持续性的分形市场特征,由于套利行为的影响,过去趋势对于未来有相反作用,与股票现货市场的长期记忆性不同。     

工厂变电站后备电源在线监测系统的设计

介绍了一种利用nRF24L01无线射频收发芯片将蓄电池的电压、温度、电流、ID编号、环境温度等信息发送到采集主机,采集主机接收到数据后既可以在当地LCD上显示也可以通过DM9000A以太网控制芯片将数据发送到远程监控终端的方法。该监测系统不仅可以减少现场的施工量,还可以对蓄电池的性能进行实时的在线监测。当蓄电池出现异常情况时及时的发出报警信息,主机并能根据采集到的线路电流和电池温度等参数估算出电池的SOC值,从而更加准确的描述出蓄电池的性能变化趋势。     

气缸功率变化对发动机振动的影响

分析了多缸发动机正常振动时激振源的平衡性,以及发动机在车架上的振动形式。试验结果表明,个别气缸功率变化时可能发生变化的激振源主要是反倒力矩;由于功率不平衡,各缸本应相互抵消的各非主谐次的反倒力矩,很多谐次都出现且互相助长,导致总的反倒力矩平衡性恶化,致使发动机振动加剧。     

基于共空间模式和功率谱密度的脑电信号分类

由于单一域缺少其他相关信息而导致运动想象分类准确率不高和泛用性差,本文研究设计了基于空间域和频域的运动想象分类方法。根据运动想象执行时的对侧映射机制以及事件相关同步和事件相关去同步的现象,对C3和C4通道数据进行共空间模式和功率谱密度特征提取和融合,然后使用网格搜索参数优化的支持向量机对运动想象的脑电信号进行分类。结果表明共空间模式和功率谱密度的融合特征,解决了共空间模式对噪声敏感以及缺少频率特征信息的缺点,实现了更高的分类结果和泛化性,分类准确率达91.3%,验证了该方法的有效性。     

基于功率谱密度与随机配置网络的低压串联电弧故障检测

低压串联电弧电流为非平稳信号,故障特征区分度低且具有随机性,给电弧故障特征提取和准确检测带来困难,提出了基于功率谱密度与随机配置网络的低压串联电弧故障检测方法。首先,搭建了串联电弧故障发生平台,采集不同负载类型的电流数据,构建数据集。其次,采用功率谱密度对电流信号执行随机信号分析,实现对电流信号的定量化频域特征描述,增强故障电流与正常电流特征的区分度。然后,采用随机配置网络构建串联电弧故障检测模型,将功率谱密度特征用于随机配置网络的自适应训练学习,提升网络训练效率和模型故障检测能力。在本文构建的电流数据集上,串联电弧故障检测的平均准确率达到96.156 7%,证明了方法的有效性。     

基于加权余弦相似度与极限学习机的电力负荷短期预测

为提高电力系统管理的效率,提出一种基于加权余弦相似度与极限学习机(extreme tearning machine, ELM)的电力负荷短期预测设计。通过熵权法对电力负荷相关物理信息进行权重分配,获得的权重赋予到余弦相似度中,利用加权余弦相似度对历史日与待测日的电负荷数据进行相似度选取,筛选数据作为极限学习机的输入,提高极限学习机回归模型的精度,最终获取电力负荷预测。实验分析与反向传播BP(back propagation)神经网络、支持向量机(spupport vector machine, SVM)预测算法对比,该方法能有效提高预测模型的精度,同时简化计算量。