基于BP神经网络和多因素权重法的风电机组载荷预测和分析

基于BP神经网络,建立了风电机组关键部位载荷的快速准确预测方法。以风电机组关键参数风速、空气密度、湍流强度、入流角、风切变、偏航误差角等为自变量,以机组关键部位载荷作为输出变量,建立用于快速预测机组关键部位载荷的BP神经网络模型;然后基于多因素权重法对风电机组不同参数的影响权重进行分析,获得影响风电机组载荷的关键变量。结果显示:基于叶素-动量理论模型计算得到不同风况下风电机组关键部位载荷,然后设置合理的神经网络结构以及合适的神经网络参数,可以实现对不同风况下风电机组关键部位载荷的预测;对于叶根和塔底的平均载荷和极限载荷4个不同的变量,风速、空气密度、湍流强度、入流角、风切变、偏航误差角等参数影响的权重各不相同。     

基于BP神经网络和多因素权重分析的气热除冰温度影响因素研究

对典型叶片的气热除冰系统,建立全尺寸三维换热模型,对流固耦合传热过程进行模拟观察,同时,简化并构建一维换热模型,探究了环境温度等关键参数对除冰气流温度的影响;基于BP神经网络,建立环境条件与最低除冰气流温度之间的对应关系。结果显示:在叶片铺层结构与叶片流道布置的综合影响下,叶片前缘中部处气热除冰难度最大;利用BP神经网络可实现不同条件下的最低除冰气流温度的快速计算和预测;多因素权重分析显示,环境温度、PVC材料导热系数是影响最低除冰气流温度的两大关键参数;对于0.2r~r范围内的除冰,叶片长度也是影响最低除冰气流温度的关键参数,其影响权重达到14.3%。     

为物探仪器改进的稳压电路

本文介绍了几种供物探仪器使用的、经过改进的稳压电路,其中包括小功率、中功率、大功率和具有自动恢复功能的过流保护电路.这些电路结构简单,无需辅助电源,可靠性高,稳压性能比一般的稳压电路要好.     

近海风力机在极限波浪作用下的初步计算分析

考虑风、浪的联合作用,建立了近海风力机组的系统载荷模型.根据基于流函数理论非线性规则波的仿真方法以及Morison方程,采用C 与Fortran语言混合编程开发了极限波浪力的仿真计算程序.应用该程序对一非线性规则波进行了仿真计算,其计算结果与国外文献的波浪仿真计算结果进行比较,取得了良好的一致性,从而验证了极限波浪力的仿真计算模型;最后应用开发的程序对在波浪作用下的塔架实例的极限波浪力进行了计算.     

基于风电场短期测风数据50年一遇最大风速的算法探讨

针对目前国内多数风电场建设中气象站统计资料短缺,而风电场实际测风时间较短的现状,基于传统极值理论,本文从本质上探讨风电场50年一遇最大风速的算法,用Gumbell分布的极值理论肯定了独立暴风法的样本筛取方法及应用。通过风电场短期测风数据计算50年一遇最大风速,为风机选型、极限载荷的计算提供参考依据。     

无触点覆盖开关

覆盖开关是地震勘探的重要设备,但是,目前国内外所用的覆盖开关全都是有触点的机械开关,由于它存在缺点甚多,就不大适应当前数字化的要求。 无触点覆盖开关是根据新设计的“场效应管矩阵网络”来实现的。由于它克服了机械开关的缺点,所以曾得到野外人员的欢迎。     

基于储能的大型风电机组极限载荷研究

基于修正的叶素动量理论，考虑叶尖/叶根损失修正、动态失速、动态入流、叶片截面扭转等影响，通过叶片与塔筒耦合结构动力学响应分析，以某4 MW机组为例，对极端工况下的大型风电机组极限载荷进行研究。结果表明，在极端阵风耦合脱网故障时，通过增加旁路负载或储能系统调节负载转矩，有助于抑制机组由于负载消失产生的明显结构变形和降低极限载荷。     

四重氢键基水性聚氨酯的制备与表征

以聚醚二元醇、异佛尔酮二异氰酸酯(IPDI)、二羟甲基丙酸(DMPA)、1,4-丁二醇(BDO)、5-(2-羟乙基)-6-甲基-2-氨基尿嘧啶(HMA)等为原料制备了四重氢键基水性聚氨酯(H-WPU)，考察了扩链剂BDO与HMA用量的比例对其性能的影响。研究结果表明：从H-WPU试样的红外曲线发现HMA的特征峰，说明聚氨酯主链中引入了四重氢键基元。通过粒径分析得出四种H-WPU乳液的粒径分布在26 nm左右，四种乳液都具有良好的稳定性，可以室温存储6个月。从薄膜动态力学性能分析可看出，四种H-WPU薄膜的存储模量在玻璃态向橡胶态转变时急速下降，四重氢键含量越高，内部氢键物理交联网络越强，初始存储模量越高。从薄膜热失重发现，HMA单体易于分解，添加量越多，第一段峰值温度(T_max1)越低，但是软段区域分解温度(T_max3)变化趋势相比硬段区域的分解温度(T_max2)幅度不大。拉伸性能测试表明，HMA单体添加量越多，薄膜的力学性能越好。