排序方式: 共有45条查询结果,搜索用时 15 毫秒
1.
局部电网故障、自然灾害或人为操作失误等偶然事故导致电网分列成孤网运行,电网频率产生大幅度波动.本文根据怒江电网的实际运行情况,通过采用夏大、夏小两个典型运行方式的高频切机方案进行分析,首先对孤网系统存在的安全稳定问题进行详细分析,按照电力系统安全稳定导则的要求采取必要的控制措施,尽可能地保证孤立电网由紧急状态恢复为运行状态.方案按照有效性的排序原则切除机组来解决功率过剩的问题,按照先投入无功补偿装置,然后使发电机迟相或进相运行改变发电机端电压,最后调节变压器分接头的控制顺序解决无功不平衡的问题.从而保障电网分列运行后,孤网稳定运行. 相似文献
2.
射孔完井是油气田勘探开发过程中不可缺少的环节,对油气井产能影响很大。目前现场使用的射孔弹主要有深穿透(DP)和大口径(BH)两种。深穿透和大口径的设计为了根据油田现场不同的地层渗透率而研制。为了更好地发挥射孔弹的效果,要根据现场油层的渗透率来选择不同的射孔弹类型,更好地发挥射孔弹的功效。 相似文献
3.
4.
刘晓欣 《重庆理工大学学报(自然科学版)》2009,23(12):84-88
早期自由主义者的市民社会理想是对一定社会现实及其发展规律的反应,具有一定的历史进步性。同时,社会现实也决定了这种合理性与进步性,必然具有它自身的限度。早期自由主义者所描绘的市民社会图景充满了文明道德进步的色彩,然而,现实的残酷性却将这种美好的愿景撕扯得支离破碎。在早期自由主义者市民社会理想的背后,始终潜伏着伦理生活的危机。随着市民社会理想的逐步实现,这种伦理危机与困境也日益显现。 相似文献
5.
电动汽车将电能转化为驱动汽车的动能,绿色、环保且无污染。政府积极提倡发展电动汽车,电动汽车的数量得到了一定的发展。当电动汽车的电量不能够满足用户的需求时,要对其进行电量的补充。如何合理有效地选择充电站进行充电是一个非常值得研究的问题。针对区域内电动汽车用户如何选择充电站提出一种经济的选择方法。通过搭建电动汽车用户与各个充电站的信息交互平台,引入排队论数学模型,计算电动汽车到达充电站时间成本的同时,进一步计算里程成本。基于前期研究成果,在区域内电动汽车的充电站布局合理的情况下,确定单目标函数选择充电站,从而确定最经济的途径,电动汽车用户以经济成本最低来选择充电站进行充电。 相似文献
6.
云南部分地区水电资源丰富,但电网中负荷一般相对较轻,电力能源以外送为主.然而,电网建设的速度往往滞后于电源建设,电力外送受阻严重.充分挖掘现有电网输送能力的潜力,是增强此类电网外送能力的有效方法.首先提出了水电站联合优化的调度思想,考虑外送通道极限对水电站发电量的限制,对地区电网水电站进行联合调度;其次建立了水电站联合优化调度模型,考虑外送通道极限不等式约束条件以及水库水量等式约束条件建立了以地区电网水电站发电量最大的目标函数,然后运用SOA人群搜索算法对水电站联合优化调度模型进行优化计算,SOA算法优化多峰函数收敛速度快;最后以典型的水电送出型怒江电网作为实例进行仿真.仿真效果表明在水电站联合优化调度的策略下,考虑怒江水电外送通道极限约束,怒江电网水电站发电量得到提升,增强了怒江水电外送能力,验证了SOA优化算法的有效性. 相似文献
7.
8.
利用规模2 kt/a的近/超临界甲醇醇解制生物柴油(SRCA)工艺中试装置,以菜籽油、棉籽油、餐饮废油和棕榈酸化油为原料进行醇解中试。中试重复了小试结果,说明反应器的放大不影响反应效果;通过选择性提高物料在加热器中的流速,优化换热流程,解决了加热器失效不能长期运转的问题。原料中的杂质对反应的影响小,但影响加热器的运行和粗甘油的分相操作;原料中的水和游离脂肪酸影响产品的酸值,原料酸值越高产品酸值也越高。分析了中试装置产品收率偏低、产品酸值和氧化安定性不合格、有废水排放的原因,提出了改进方向。中试结果进一步验证了SRCA工艺原料适应范围广、流程短、生产过程清洁的特点,具有较好的工业开发前景。 相似文献
9.
针对冲击式水电站机组甩负荷时所引起压力管道压力值增大和机组转速升高值过大的问题,利用装设在集流管末端的折向器、喷嘴与喷针控制射流量,通过改变针阀开度和折向器位置调节机组流量和转速等参数。当依据出力求解转速变化时需要引入折向器方程即射到水斗上的流量和折向器开度间的关系函数。本文对折向器的动作过程进行分析推导出方程的系数。当机组全甩负荷时可以计算出在折向器动作时间范围内某时刻的转速,可以通过对转速的数值分析来设定折向器动作的整定时间和针阀关闭的整定时间使水轮机的转速控制在合适的范围内,减少喷嘴的流量对水轮机所带来的摩擦损耗,为冲击式水轮机的机组设计提供了参考依据。 相似文献
10.
针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.
相似文献