基于群智能的集中供暖系统水力管网控制策略优化

针对集中供暖系统管网水力失衡、流量供需失衡问题提出一种基于群智能的新型分布式优化算法.首先以系统输配送能耗最小为优化目标,将其分解为管网调节阀开度优化和换热站并联水泵运行优化两个子问题求解;其次建立调节阀模型和管网水力模型,在此基础上进行调节阀开度的优化,从而计算出系统最小供回水压差;然后基于改进的交替方向乘子法完成并联水泵的优化运行;最后以集中供暖系统实例验证算法性能.实验结果表明:相比传统集中式求解算法,该算法不受水利管网规模限制,利于实现工程中即插即用;相比其他分布式算法,该算法不仅求解速度快,而且可以得到较优的管网运行策略,节能效果较为显著.     

无线传感器网络中的定位算法研究

无线传感器网络对特定环境数据的监测效果,很大程度依赖于各信息采集点位置信息的准确性.基于QUAD算法,提出并实现其改进的IQUAD算法,借助重定位机制,以节点更新率为参考指标,分两种情况着重解决网络拓扑结构发生变化时的节点位置进行重定位.仿真结果表明,在网络拓扑变化时,IQUAD算法的定位精度比QUAD算法提高了10%左右.     

混合热工和水力特性的风机盘管系统建模

针对风机盘管系统建模研究中大多数未考虑水力学特性对其的影响, 本文提出混合热工和水力特性的风 机盘管系统建模方法, 以满足实际工程中对于风机盘管系统控制的数学模型需要. 在水力学模型中考虑风机盘管电 动水阀, 基于基尔霍夫定律建立水力平衡方程, 通过遗传–粒子群相结合的优化算法(GA-PSO)求解各个盘管的水流 量及对应的阀门开度; 以水流量为输入, 考虑风机盘管风量, 采用非线性最小二乘法辨识求解其总传热系数, 建立基 于牛顿冷却定律的风机盘管热力学模型. 实验结果表明: 混合热工和水力特性的建模方法能够更好的反应风机盘 管的物理过程; GA-PSO算法具有很好的稳定性和收敛性, 能够更准确的求解水流量及对应的阀门开度, 与实际运 行数据的相对误差不超过1%; 热力学模型在各种实际工况下的模型误差都低于4%, 能够精确反映风机盘管的传热 过程.     

二连盆地第一口煤成气井压裂技术研究

煤成气是一种非常规天然气资源,在我国分布十分广泛,以山西为主。内蒙二连盆地的煤成气资源一直没有开发利用,主要原因是自然产能低和没有完善的且针对性强的压裂技术作指导。针对二连盆地吉尔嘎朗图凹陷第一口煤层气井Y井的地质特点,在分析煤岩的物性特征与岩石力学特征的基础上,对压裂液及支撑剂筛选、工艺施工参数系统进行了优化,应用于现场压裂施工并取得一定效果。     

工业建筑混凝土结构大数据平台系统设计

工业建筑混凝土结构的设计、建造、监测和维护是相互影响的,但实际中这四个层面往往是比较独立的,数据很难共享。针对以上问题,提出一种面向工业建筑混凝土结构的大数据云平台系统。通过该平台收集工业建筑混凝土结构的设计数据、建造数据、监测数据和维护数据,解决建筑生命中各个阶段相互独立的状况。用大数据的思维研究建筑整个生命周期,为结构耐久性研究提供数据支撑,改进工业建筑混凝土结构的设计和建造,并为结构维护提供科学性指导,形成工业建筑混凝土结构在设计、建造和维护的闭环。     

基于随机森林的大型公共建筑能耗混合预测模型北大核心CSCD

针对公共建筑能耗预测模型中影响变量相关性低、冗余性高的问题,提出了基于二氧化碳浓度的公共建筑人员流动率间接测量方法,以提高模型的预测精度,并提出了一种大型公共建筑能耗混合预测模型。首先利用LASSO变量选择算法筛选出与公共建筑能耗相关性高的影响因素,再引入改进的并行排序蚁群优化算法对随机森林预测模型的参数进行优化,进一步提高预测性能。最后,以西安某公共建筑监测数据为例进行预测分析。结果表明,人员流动率对公共建筑能耗预测有着重要的影响,所提模型的泛化能力强、预测精度高,可以为公共建筑节能优化提供有效的数据支撑。     

LYNES裸眼膨胀跨隔测试工具在二连探区的应用

LYNES裸眼膨胀跨隔测试工具,改变了常规压缩式封隔器坐封方式,依靠钻机转盘旋转,带动井下膨胀泵工作使封隔器膨胀坐封。针对目的层进行跨隔测试,有利于及时搞清液性和产能,首次在二连探区阿尔52井砂砾岩地层应用成功。     

二连盆地致密油藏低伤害改造技术

针对二连盆地储层渗透率超低,孔隙喉道细小,黏土含量高、膨胀性大,储层敏感性强,储层改造伤害性大、压裂后效果差的突出难题,开展低伤害改造技术攻关。对低伤害机理、低浓度压裂液体系筛选、新型低伤害材料、低伤害工艺优化与压裂全程精细管理上进行了研究。通过7a的不断探索与实践,研制出1套适合超低渗透致密储层的新型综合低伤害压裂技术,将储层综合伤害程度降低了10%～20%,作业成本降低20%以上,现场应用效果显著,为国内同类超低渗透致密油藏的经济开发提供了重要借鉴与指导。     

基于改进PSO-BP神经网络的冰蓄冷空调冷负荷动态预测模型

当前多数冰蓄冷空调冷负荷动态预测方法中,由于模型输入变量与输出结果相关性差、信息冗余度高等原因,导致多数预测模型在预测精度和收敛速度方面都未达到理想的预测效果,因此,提出一种改进的PSO-BP神经网络算法预测大型公共建筑的冷负荷。对于输入变量与输出结果采用灰色关联度分析,消除样本输入变量对数的耦合性,确定影响冰蓄冷空调系统冷负荷的关键性因素,将其作为输入变量,预测冰蓄冷空调系统动态冷负荷。结果表明：T时刻室外空气温度、T-1 h时刻室外空气温度、T时刻室外空气湿度、T时刻太阳辐射强度、T-1 h时刻太阳辐射强度、T-1 h时刻空调冷负荷是影响T时刻冰蓄冷空调系统冷负荷的关键因素,并以此作为预测模型的输入变量。相对于传统PSO-BP神经网络全输入变量预测算法,该模型预测结果精确度更高、收敛速度更快。