为提高太阳能利用效率,提出一种基于发电机组冷凝器余热利用的塔式太阳能热发电站太阳能热电联供系统。依据延庆太阳能热发电站的构成,搭建太阳能热电联供瞬态模型及仿真软件,并进行实验验证。利用仿真软件对延庆电站的热电联供系统进行模拟和系统性能研究。
考虑实际大型风力机的大转动惯量,在传统最优转矩控制方法的基础上,提出一种增大加速转矩(IAT)的改进方法,缩短系统的调节时间,以此提高风力机的性能。通过建立小信号分析方法,与最优转矩法相比,证明该方法具有更好的动态特性。最后,在风力机专业仿真软件FAST中进行对比仿真,在不同风况下验证所提出的改进方法具有更好的风能捕获效率。
以某5 MW大型风力机为对象,首先基于大涡模拟(LES)技术进行考虑不同叶片桨距角影响的大型风力机体系非定常流场和气动力模拟,并与规范及实测结果进行对比,验证大涡模拟的有效性。在此基础上,结合有限元方法系统分析不同叶片桨距角下风力机塔架-叶片耦合体系的动力特性、风振响应、屈曲稳定性能和极限承载能力。研究表明:0°叶片桨距角下塔架显著干扰区段迎风面0°处出现负压,叶片顺风向位移响应极值最大值为3.98 m。随着叶片桨距角的增大,塔顶径向位移、各叶片顺风向位移和叶根剪力的均值和均方差均呈逐渐减小的趋势,且叶片
研究基于零相位低通滤波器的混合储能平抑直驱风电机组功率波动控制策略。该控制策略控制全钒液流电池(VRB)补偿中频功率波动和超级电容(SC)快速地吸收高频功率波动,从而平滑风电功率和提高电能质量;同时实现直驱式风力发电系统根据电网调度指令在最大功率跟踪运行和限功率运行2种模式下运行及平滑切换。提出采用基于零相位低通滤波器风电功率分配算法,分析零相位低通滤波器参数对滤波效果的影响,并给出参数优化设计方法。零相位低通滤波器无相位滞后问题,可实时准确地检测风电功率中高、中和低频功率,减小各频段功率之间的偶合,从而
以HAU-M1光合菌群作为发酵细菌,以玉米秸秆为发酵底物,研究Fe
3O
4纳米颗粒对光发酵产氢过程的影响。结果表明:粒径60 nm的Fe
3O
4纳米颗粒浓度为100 mg/L时,比产氢量达到(46.68±1.00)mL/g VSS,与对照组的(35.07±0.56)mL/g VSS相比提升(33.11±0.01)%,此时的能量转化率也提高33.10%。产氢动力学分析结果也表明Fe
3O
4
通过融合稀疏自编码器和深度神经网络算法,提出一种基于SCADA数据的风电机组在线运行状态监测方法。首先,通过稀疏自编码器学习SCADA高维数据中复杂的内在特征,得到数据的降维表示;其次,基于降维后的数据利用深度神经网络预测风电机组的有功功率,通过对比分析预测功率与实际功率之间的残差判断风电机组的运行状态;最后,利用某风电机组近一年半的SCADA数据,对所提方法进行验证分析,结果表明,所提方法提早5天检测出风电机组发电机的异常情况,为有效避免故障恶化引发的突然停机、降低运维成本、提高风电能源的竞争力提供技术
以马格努斯翼型为研究对象,采用数值分析方法,研究低雷诺数条件下马格努斯效应关键参数(周速比、间隙、半径及位置)对翼型边界层流动及升阻性能的影响规律;基于拉丁超立方和Kriging模型,建立周速比、半径、间隙和位置多因素与翼型升阻特性的隐型非线性耦合响应关系模型,量化马格努斯效应影响;采用遗传算法全局寻优获得优化马格努斯翼型。结果表明,马格努斯效应对低雷诺数翼型升阻气动特性影响显著,半径对翼型升阻比影响最大,周速比影响稍弱,位置影响最小;升阻比与周速比正相关,与半径大小、间隙及位置负相关;周速比为1.33、
针对光热-光伏系统无功补偿现以光热电站与光伏电站独立控制为主,且光热、光伏电站之间缺乏无功协调机制的特点,提出一种适应于光热-光伏联合发电系统的无功分层协调优化控制策略。该控制策略分3层执行:系统层根据系统汇集母线电压确定整个系统所需无功;电站层利用无功分层优化控制模型和基于差分进化的粒子群算法(DE-PSO)对光热、光伏电站分配无功;设备层通过光热、光伏电站内无功源无功分配原则完成站内无功设备的无功分配。算例分析表明:该控制策略能够充分利用同步发电机、光伏逆变器以及无功补偿设备的无功调控能力,实现光热-
基于悬滴法原理,设计制造用于测量高温熔体表面张力的图像提取装置,其测量温度范围可达20~1000℃,并通过Matlab中的Canny算子及坐标轮换法对提取的图形进行处理和表面张力的拟合计算。通过对装置背景光、滤波、温度补偿校正、像素等方面的分析和调整来改善其高温工况下的测量精度,获得了理论误差为0.714%的表面张力测量系统。于高温工况下测量四元混合溴化熔盐表面张力随温度变化规律,与其他学者所测数
为了提高超短期风电功率的预测精度,提出一种包含多分解策略和误差校正的混合智能风电预测算法。多分解策略通过改进的经验模态分解对风电功率进行预处理并利用小波变换对预测误差大的序列再次分解,在降低风电功率序列非平稳性的同时大幅降低高频序列的预测误差;然后利用粒子群优化的自适应神经模糊推理系统对误差进行校正,可降低单一预测算法带来的最大误差,提高算法的鲁棒性。最后,基于辽宁某风电场实测数据的算例分析验证所提算法的可行性与精确性。