基于改进ARMA预测模型的电厂风机状态预测

随着1 000 MW超超临界燃煤发电机组的扩建应用,对锅炉的风烟系统提出了更高的要求。以某电厂的HU27046-221型引风机为例进行分析研究,提出了一种基于改进自回归滑动平均(ARMA)预测模型的电厂风机状态预测方法。首先,采用数据挖掘理论对引风机原始数据进行相关性分析;其次,采用改进ARM A方法对引风机相关状态参数进行预测;最后,与传统的ARM A预测方法进行对比分析,结果表明所提出的方法预测精度较高。     

基于自回归滑动平均模型的风电功率预测

针对风电功率的波动性及不可控性等问题,提出基于自回归滑动平均(ARMA)模型的风电预测方法。基于风速序列的时序性和相关性建立ARMA模型,利用该模型进行风电功率的预测。结合某风电厂的风电数据对该预测模型进行分析和验证,结果表明,提出的基于ARMA模型的风电预测方法能够有效地对风电功率进行预测。     

ARMA预测算法在汽车驱动桥齿轮故障诊断上的应用

基于齿轮啮合理论和试验数据,提出了汽车驱动桥早期故障诊断的分析方法。采用ARMA模型对齿轮振动及故障趋势进行了预测分析,设计了基于ARMA预测算法的汽车动力传动系统监测软件,并进行了试验验证。试验和分析结果表明,ARMA模型预测算法对于汽车驱动桥台架试验的早期失效诊断切实可行且应用效果良好。     

韶关电厂锅炉引风机变频调速改造前后节能效果对比

引风机是火力发电厂燃煤锅炉送引风系统的主要辅机设备.对韶关电厂引风机变频改造进行介绍,对比分析改造前后的节能效果.结果表明韶关电厂采用安全可靠性高、能稳定控制引风机电机转速的变频调速装置,维持炉膛负压在规定范围内,产生了巨大的经济效益.     

超临界机组引风机变频器的故障分析及处理策略

本文首先阐述了高压变频器在国电铜陵电厂2×600MW机组引风机中的改造方案,然后简述了相关运行方式、控制逻辑,最后针对改造后引风机变频器在运行中出现的异常情况进行分析,并且提出了具体的处理策略。     

基于MSET的电厂引风机故障预警

为提高电厂引风机故障预警的准确性,提出了一种基于多元状态估计技术(MSET)和偏离度函数法的引风机故障预警方法。通过引风机正常运行状态下的多变量数据,建立了MSET模型,得到了模型运算的最优估计值。利用偏离度函数判断出实际值与最优估计值之间的偏离度,较直观地反映出故障发展过程。应用该方法对华能浙江某热电厂引风机的故障问题进行了验证,结果表明,该方法能够及时发现引风机的异常,实现引风机的故障预警。     

基于小波变换的GASVM-ARMA模型在深基坑变形预测中的应用

为了提高深基坑施工过程中变形预测的准确度,提出一种基于小波变换分解与重构、采用遗传算法优化参数的支持向量机（GASVM）和自回归滑动平均（ARMA）模型相结合的组合模型预测方法。使用GASVM模型对小波分解后的趋势项进行一步预测和多步滚动预测,使用ARMA模型相应地对随机项进行预测,将预测值求和得到最终预测结果。以某地铁车站深基坑为案例,对3个监测点的支护桩深层水平位移进行预测分析,得到其一步预测的短期预测值和多步滚动预测的中长期预测值,并与单一采用GASVM模型得到的预测值进行对比。结果表明：组合模型有效减小了预测误差,在短期和中长期预测中均取得令人满意的结果。     

GEP算法在无线传感器网络数据预测中的仿真应用

数据预测是研究无线传感器网络数据融合的重要方法。利用因特尔伯克利实验室开源数据为样本,采用时序预测方法分析了数据的时间相关性,深入研究了基因表达式编程方法(GEP)在无线传感器网络预测应用的可能性。通过与同等条件下ARMA算法进行比较分析可知,GEP算法不依赖先验知识,并且预测精度高于ARMA算法,为GEP算法在无线传感器网络数据融合应用提供了研究依据。     

基于遗传算法的ARMA模型参数估算方法及应用

针对时间序列分析与预测中最为常见的ARMA模型的参数估测问题，在传统方法的基础上，提出了首先采用长自回归模型计算残差法拟和模型初值，然后通过分布确定参数的取值范围，最后采用遗传算法计算ARMA模型更为精确的参数值的方法．通过计算实例可以看出，采用遗传算法估测ARMA模型参数是有效可行的，同时也为ARMA模型的参数估测提供了新思路．     

基于ARMA-ARCH模型的自备电厂煤气供入量变化趋势预测研究

为了掌握钢铁企业自备电厂煤气供入量的变化趋势,基于采样数据建立了自回归移动平均(ARMA)模型,利用拉格朗日乘数法(LM)检验出ARMA模型残差存在自回归条件异方差(ARCH)效应,建立ARMA-ARCH模型.分别使用ARMA模型和ARMA-ARCH模型进行短期预测,并比较两者的精度.最后基于概率分布对扰动项进行统计分析,得到生产中稳定性差是导致扰动项大的主要原因,与实际生产相吻合.研究表明,ARMA-ARCH模型的预测精度较高,预测误差为4.11%,能够较为准确地预测出钢铁企业自备电厂煤气供入量变化趋势,对实际生产中频繁调节锅炉开关和优化调度决策有着重要的作用.     

Autoregressive moving average model as a multi-agent routing protocol for wireless sensor networks

A prediction-aided routing algorithm based on ant colony optimization mode(PRACO)to achieve energy-aware data-gathering routing structure in wireless sensor networks(WSN)is presented.We adopt autoregressive moving average model(ARMA)to predict dynamic tendency in data traffic and deduce the construction of load factor,which can help to reveal the future energy status of sensor in WSN.By checking the load factor in heuristic factor and guided by novel pheromone updating rule,multi-agent,i.e.,artificial ants,can adaptively foresee the local energy state of networks and the corresponding actions could be taken to enhance the energy efficiency in routing construction.Compared with some classic energy-saving routing schemes,the simulation results show that the proposed routing building scheme can ① effectively reinforce the robustness of routing structure by mining the temporal associability and introducing multi-agent optimization to balance the total energy cost for data transmission,② minimize the total communication consumption,and ③ prolong the lifetime of networks.     

滑动平均-权马尔可夫链模型在降水预测中的应用

基于降水过程存在大量不确定性的特点,以徐州市53年的降水资料为实例,通过均值标准差分级法建立降水序列的分级标准,采用规范化的各阶自相关系数为权重,用滑动平均的权马尔可夫链模型,通过状态转移概率矩阵预测未来时段的降水状态,并应用级别特征值计算具体的降水量,结果表明该方法预测精度较高,结果与实际情况相吻合．     

国电重庆恒泰电厂引风机变频节能改造

锅炉引风机因其高压变频改造的节能潜力大,调速范围宽,技术性能和经济性能较好而成为目前火电厂中应用高压变频调速技术节能改造的首选和主要对象。国电重庆恒泰电厂为了节能降耗,对引风机进行了变频改造,降低了机组厂用电率,提高了机组调节性能。     

引风机动叶调整故障原因分析及优化方案研究

以某厂动调轴流引风机为研究对象,介绍了一起因液压缸故障引起机组跳闸的事故,并分析了故障原因,主要有两点:动叶指令函数死区过大;RB保护动作无法触发.针对以上原因,提出了一种对风机状态参数信号进行综合判断的优化方案,对引风机的故障进行融合处理,并触发引风机跳闸,再通过RB保护动作,从而有效避免了机组主燃料跳闸,提高了机组安全运行性能.     

高压变频技术在600MW超临界机组引风机中的应用

随着发电厂对节能降耗工作的不断深化,变频调速技术在发电厂的应用逐步增多。在火电企业厂用辅机中,普遍存在容量偏大、效率低、耗能大的问题。本文就某发电公司利用高压变频技术在600MW超临界机组引风机上的应用实例,对其节能效果进行了分析。     

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均-长短期记忆神经网络(ARIMA-LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIM A预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMASVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。     

基于S-ARIMA模型的无线通信网络业务量预测方法

针对当前业务量预测方法过于理想化、预测准确度不高等问题,根据现网业务量特征提出了一种基于乘积季节自回归求和移动平均(S-ARIMA)模型的业务量预测方法.依据现网业务量的特征,详细分析了基于S-ARIMA的业务量预测建模的数学过程,经过现网大量业务量数据验证,S-ARIMA模型相比其他模型方法在预测值和置信区间上均具有较好的结果,是一种合理有效的业务量预测方法.     

改造引风机叶轮 提高引风机出力

本文从对高原地区锅炉引风机的性能分析入手,阐述了锅炉引风机叶轮外径增大后风机全风压、风机效率的计算方法．风机叶轮外径增大后风机叶轮转于找平衡的方法。并将理论计算与工程实践结果进行了对比分析。本文所提出的方法可应用于工程实践。