基于协同机器学习的电力系统可靠性预测模型

众所周知，电力系统运行过程中会出现需要显性只是预测困难等问题，构建了基于连续协同机器学习算法的电力系统运行可靠性预测模型。首先，构建连续协同机器学习算法机制实现电力系统运行可靠性精准预测；然后，构建时间正序下的电力系统运行可靠性核心要素样本精准预测机制；最后，借助电力系统运行可靠性预测函数输出最优预测结果。开展了模型工程应用实践验证，验证结果表明，模型满足电力系统运行可靠性预测智慧化改造需求，大幅度优化了电力系统运行可靠性预测智慧可控感知机制，电力系统运行可靠性预测模型核心参数符合工程实践要求。     

基于Fluent的小麦气力输送数值模拟研究

为研究小麦长距离气力输送，在欧拉-欧拉模型的基础上，结合颗粒动力学和Gidaspow曳力模型构建小麦直管输送气固两相流模型，用Fluent软件对小麦输送进行数值模拟。结果表明，小麦颗粒流化后进入直管，颗粒在流场中受到重力以及曳力的影响下，在管道下方堆积成高浓度区域，体积分数为37%，随着输送风速的增大体积分数减小；小麦颗粒在输送中受到压应力最大为305 Pa，颗粒剪切应力最大为523.4 Pa，理论上小麦颗粒在输送过程中不会发生破碎；在靠近管壁有较高的湍动能，随着风速增大而增大。研究为气力输送装备设计开发提供理论基础。     

基于滑槽试验的小麦粉静电积累特性研究

为研究小麦粉静电积累特性，利用法拉第筒搭建粉体滑槽静电试验平台，以小麦粉为试验材料，测试滑槽倾斜角度、滑槽材质、滑动长度和粉体含水量对粉体荷电影响。结果表明，在含水率为11.62%、滑度长度100 cm的条件下，小麦粉在倾斜角度为45°和60°的不锈钢滑槽滑行后，荷质比均值分别为9.09,14.34 nC/g；在含水率为11.62%、倾斜角度60°的条件下，小麦粉在不锈钢、铝合金、玻璃材质滑槽滑行70 cm后，荷质比均值分别为11.29,16.48,2.94 nC/g；小麦粉荷质比随着滑动长度增加而增加；含水率为11.62%和16.7%的小麦粉荷质比均值分别为13.88,8.41 n C/g。研究为食品粉体除静电技术提供理论基础。