水轮发电机组闭环开机特性仿真及优化

针对水轮机转轮叶片裂纹现象,从水轮机调速器的开机规律对转轮的影响角度出发,建立计入非线性环节的电液随动系统模型和基于模型综合特性曲线的水轮机模型,分析按一段直线规律变化的闭环开机特性,提出了考虑水轮机工作水头偏差等因素的综合性能指标,并基于该指标对某水电站机组开机过程进行仿真优化。结果表明,按综合指标优化得到的闭环开机过程有优越的动态性能,减少了开机规律对转轮的影响。     

汽轮发电机组振动故障诊断的模糊输入方法

针对汽轮发电机组振动故障的特点,构造了一模糊神经网络（ＦＮＮ）诊断模型,讨论了网络的多种模糊化输入,输出方式,并对两种模糊输入方法进行了对比分析。最后运用该诊断方法与传统的ＢＰ网络诊断方法进行比较。结果表明：模糊神经网络诊断方法对汽轮发电机组振动故障的识别是有效的,且在分类模糊边界数据时优于ＢＰ网络诊断方法。     

汽轮发电机组轴系的现场整体平衡法评述

通过对大型汽轮发电机组轴系的现场整体动平衡特点及平衡方法的分析,结合现代科学技术,提出了以轴系现场动平衡一次开车成功为目标的新的研究方向。     

论励磁机对发电机安全运行的影响

<正>长运生化有限责任公司电站属于自备电站,共安装有两台汽轮机发电机组。一台为6000KW发电机组;另一台为 3000KW发电机组,合计额定功率为9000KW。与石河子地区电网并列运行,可以输送或吸收电能。     

基于深度学习的风力发电机组故障预警方法研究综述

风能作为重要的可再生能源,近几十年来,全球风能使用规模迅速增长,陆上和海上风力发电机组发电容量不断增加。由于风力发电机组故障维修成本巨大,因此必须开发有效且可靠的风力发电机组故障预警方法,在风电机组发生故障前进行提前预警,以便降低风电场的运营和维护成本。目前风电机组数据采集与监视控制系统(supervisory control and data acquisition, SCADA)已经在风电场有了广泛的应用,其中蕴含着大量的潜在数据信息,同时深度学习方法在海量数据挖掘方面有比较明显的优势,因此深度学习方法在风力发电机组故障预警领域的应用潜力巨大。综述了近年来相关深度学习方法在风力发电机组故障预警的研究进展,总结了风电机组故障预警的大体步骤,分析了各个步骤的具体处理方法,对每种技术方法的特点进行整理分析。最后阐述了深度学习在风电机组故障预警领域所面临的挑战,并对今后的研究重点进行了展望。     

某型40 kW发电机组冷却系统分析及阻力部件选型设计

为解决某40 kW发电机组冷却系统水温偏高的问题,通过采用计算流体力学方法开展了该发电机组整机流场分析及阻力部件选型设计。结果表明：测量点风速和温度仿真与实测值基本吻合,验证了机组流场计算结果的可靠性;依据部件阻力分析和机组布局确定了阻力部件结构及风阻大小,阻力部件风阻总和为530 Pa。阻力部件选型设计后整机流场校核及实验验证结果显示散热器风量为7.34 kg/s,水温约为93 ℃,低于水温报警温度95 ℃。可见经冷却系统分析及阻力部件选型设计后整机散热改善明显,满足冷却需求。     

水轮发电机组安装中的问题与措施

在水力发电站中,水轮发电机组所属核心设备,机组安装工作质量和发电站运行安全与稳定有重要影响。目前,水轮机安装阶段通常由于固定结构、轴线轴瓦间隙、镜板受力、高程控制等方面存在问题,致使安装质量受到影响,威胁机组的安全运行。该文对以上问题展开分析,重点论述机组安装问题的解决之策,期待通过详细分析,找到机组安装质量缺陷和应对策略,不断提高安装质量,促进水轮发电机安全运行,保证供电质量。     

兆瓦级风力发电机组塔架模态分析研究

为避免兆瓦级垂直轴风力发电机组的共振破坏,采用了流体控制方程建立兆瓦级垂直轴风力发电机组塔架流场模型,将计算得到的兆瓦级垂直轴风力发电机组塔架流场流速和压力再加载到塔架前后表面,对塔架进行流固耦合模态分析.结果表明,流固耦合场对兆瓦级垂直轴风力发电机组塔架模态振型的影响较小;流固耦合场对兆瓦级垂直轴风力发电机组塔架的固有频率和最大变形量的影响较大,且其影响程度随模态阶数的递增呈递减的规律;兆瓦级垂直轴风力发电机组塔架高度与风力机直径的比值越大,兆瓦级垂直轴风力发电机组塔架柔性越好,频率越低.     

平台应急配电系统的PLC改造

通过对平台供电电网以及应急发电机组自启动要求的分析,结合平台装备现状、配电系统的设计要求,运用时序图编程法,对现有设备进行了PLC改造.     

汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况.传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施.因此,将自组织特征映射(SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断.经实例分析证明,该方法可对多故障进行有效诊断.