【摘 要】
：
燃煤电站是细颗粒物的重要排放源。涡聚并装置可以使小颗粒聚并为大颗粒,从而提高除尘设备对细颗粒物的捕集效率。颗粒物的碰撞聚并过程以及聚并机理是湍流涡聚并技术的关键。本文采用数值模拟的方法对颗粒物涡聚并碰撞过程与机理进行研究。基于CPFD理论的离散元分析EDEM耦合FLUENT,对聚并器内某一局部区域中细颗粒物在流场中的动态特性进行模拟,结果表明,扰流叶片可改变颗粒的运动轨迹,颗粒在经过聚并叶片后产生
论文部分内容阅读
燃煤电站是细颗粒物的重要排放源。涡聚并装置可以使小颗粒聚并为大颗粒,从而提高除尘设备对细颗粒物的捕集效率。颗粒物的碰撞聚并过程以及聚并机理是湍流涡聚并技术的关键。本文采用数值模拟的方法对颗粒物涡聚并碰撞过程与机理进行研究。基于CPFD理论的离散元分析EDEM耦合FLUENT,对聚并器内某一局部区域中细颗粒物在流场中的动态特性进行模拟,结果表明,扰流叶片可改变颗粒的运动轨迹,颗粒在经过聚并叶片后产生了一定富集效应;多级叶片可增加颗粒轨迹的紊乱程度;扰流叶片可改变颗粒间的相对速度大小。利用CPFD Ba
其他文献
随着我国能源结构不断调整,新能源正在逐步取代传统同步电源。高比例新能源接入降低了受端电网的等效惯量和调频能力;与此同时大规模交直流有功馈入使大功率扰动风险增加。高比例新能源接入使受端电网的频率响应特性发生了显著变化,给系统频率稳定性带来了巨大挑战。针对含高比例新能源受端电网的频率稳定问题,可以通过进一步挖掘同步机组的调频能力、新能源参与系统调频控制等手段解决。因此掌握含高比例新能源受端电网的频率响
近年来,随着信息化技术的不断成熟,电网也正逐步朝着智能化的方向发展,国家正式开始全面建设“三型两网”,网络空间安全形势变得越来越严峻。泛在电力物联网面临的恶意数据攻击,引起电力系统数据被恶意篡改,具有很强的隐蔽性。进行泛在电力物联网恶意攻击及防御研究,有助于确保电力系统数据的安全正常运行。论文以一种泛在电力物联网下的恶意数据攻击方式——负载重分配攻击为基础,研究分析了负载重分配恶意数据攻击的攻击原
近年来,电网规模日趋庞大,继电保护装置数量也发生了跨越式的增长。继电保护装置缺陷管理工作完成的好坏直接影响到继电保护系统能否维持电力系统的安全稳定运行。如何在现有人员配置的情况下,解决“设备多,人少”的矛盾,满足运维工作的及时高效,从而保障电网安全,成为困扰各大电力企业的难题。得益于智能化继电保护信息平台的建设,继电保护装置在日常运行中产生的数据可以被快速存储。其中,继电保护文本缺陷数据可以直接反
引风机是燃煤电站的重要辅机设备,引风机的作用是抽出动力煤在炉膛中燃烧生成的烟气并维持锅炉炉膛的负压在一定范围内,大功率燃煤电站常布置三台引风机,如果有引风机出现故障,机组的负荷也将降低,对经济性造成影响。在环保改造后,引风机通常布置在电除尘系统和脱硫系统中间,烟气中的含尘量降低,引风机的工作环境有了一定改善,但是复杂的烟气系统对引风机工作状态的稳定性有了更高的要求。因此,对燃煤电站引风机进行状态预
风能作为一种清洁、储备较多且自然资源丰富的可再生能源,在化石燃料能源日益匮乏、能源供给安全和环境保护等诸多影响因素的推动下,风电已经开始快速地发展起来了。但在风力发电技术得以迅猛发展的同时,针对风力发电机组的正常运行管理与维护,以及故障监控与诊断等各个方面的技术却没有得到快速地改进和提高,导致了风力发电机组故障发生的概率很高。而且发电机作为风力发电机组的核心发电设备,对于风力发电机组能够安全、稳定
为加快二氧化碳零排放的进程,作为清洁能源的风能被广泛利用,风电装机量在电力系统中的占比持续上升。然而,风电的随机性和风机的机电解耦特性给电网的频率、电压稳定带来挑战。因此,对并网风电机组提出了更严格的技术要求,使其具备频率调节和低电压穿越能力。本文针对上述问题,在附加超级电容储能基础上提出了改进控制策略来提高直驱机组的并网能力。主要研究内容如下:(1)建立了基于超级电容储能的直驱风机系统模型,给出
电力系统仿真计算是大电网控制运行策略制定的基础,而负荷模型的精度对仿真结果有重要影响。目前大电网负荷建模面临许多困难,整体模型的泛化能力不强,使部分地区仿真结果与实际情况有较大差距;并且特殊负荷的模型还不够成熟,例如我国在西部地区建设了大量电解铝厂,电解铝负荷在电网容量中所占比重不断增大,但是其模型还没有得到充分的分析研究。大电网建模时应将变电站进行聚类,同类别变电站使用同一种模型进行参数辨识,对
串联混合型直流输电系统采用电网换相换流器(Line Commutated Converter,LCC)串联模块化多电平换流器(Modular Multilevel Converter,MMC)的拓扑结构,其中高压端为LCC,低压端为MMC,能够综合二者的优势,降低制造成本和运行损耗,具有较高的工程应用价值。然而,该拓扑结构也存在一些问题,如LCC与MMC控制系统间的耦合作用尚未探明,以及受端交流系
由于长期处于恶劣的环境之中,风力发电机故障频发。然而在使用传统方法时,由于风电信号本身较强的噪声问题以及监测信号波动的局限性,故障诊断与预警的效果差强人意。因此,本文通过研究基于深度学习的风电机组故障诊断与预警方法,旨在将近年来发展迅速且成熟的深度学习应用于维持风电机组的安全稳定运行。首先,针对风机数据特点设计一种基于改进的密集连接网络(DenseNet)智能故障诊断方法。该方法针对风机数据开发一
随着智能电网的不断完善,物联网技术也逐步在智能电网运行的各个环节中进行应用。不过网络所表现出的开放性特征也让全业务泛在电力物联网中的保存和传递出现了极大的风险。而密码技术是现阶段比较科学的一个能确保信息安全的重要路径,所使用的终端分组密码算法是确保安全高效传递的主流密码算法,从而使信息安全得到良好的保障。此课题在深入地分析了 PRESENT算法之后,综合SPN结构,构建出一个新型的分组密码算法M-