一种电-热-气-肥联产系统及其协调控制方法

    公开(公告)号:CN114033638A

    公开(公告)日:2022-02-11

    申请号:CN202111442060.5

    申请日:2021-11-30

    Abstract: 一种电‑热‑气‑肥联产系统,包括能源发生端、能源过渡端以及协调控制器;所述能源发生端与能源过渡端均由协调控制器控制;所述能源发生端包括非燃气发电机、发酵装置及燃气发电机;所述能源过渡端包括燃气净化装置、储热器及生物燃气储气罐;所述非燃气发电机以及燃气发电机均电连接至供电线;所述供电线电连接储热器,所述生物燃气储气罐连接储热器,所述储热器为发酵装置供热;所述发酵装置经燃气净化装置连接到生物燃气储气罐;所述生物燃气储气罐连接到燃气发电机。一种电‑热‑气‑肥联产系统的协调控制方法,根据负载功率调度需求以及非燃气发电机的实际功率计算得到系统功率差余值;设置阈值;根据阈值与系统功率差余值进行控制。

    一种基于长短时记忆神经网络的混合风功率预测方法

    公开(公告)号:CN110826791A

    公开(公告)日:2020-02-21

    申请号:CN201911050486.9

    申请日:2019-10-31

    Abstract: 本发明公开一种基于长短时记忆神经网络的混合风功率预测方法,属于风力发电功率预测技术领域,该预测方法将长短时记忆神经网络引入风功率预测中,首先采用决策树方法对风机系统数据进行特征选取,对备选输入变量进行重要性排序,剔除重要程度较低的特征属性,得到重要程度较高的特征属性,提高后期预测的精确度;对选取后的特征属性值进行小波阈值降噪,从混杂着较强噪声的信号中获取原始信号;采用LSTM方法对混合风功率预测模型进行训练,通过增加迭代次数,更新该预测模型的权重矩阵,提高了预测精度;最后利用最小二乘法对LSTM模型的预测误差进行修正,进一步提高了LSTM混合风功率预测方法的预测精度。

    基于特征自适应选择和WDNN的风电爬坡事件预测方法

    公开(公告)号:CN110766215A

    公开(公告)日:2020-02-07

    申请号:CN201910986952.8

    申请日:2019-10-17

    Abstract: 本发明涉及风电爬坡事件预测技术领域,提供一种基于特征自适应选择和WDNN的风电爬坡事件预测方法。首先采集风机运行原始数据集并对其进行归一化;然后构建风电爬坡事件样本集PTr;接着基于特征自适应选择方法,从样本集PTr中选出相关样本集,并对每个相关样本中有功功率构成的信号进行小波分解,将分解得到的信号与温度及类别标签数据进行组合,得到分解后的样本集;再以分解后的样本集中除类别标签之外的变量为输入、类别标签为输出,构建并训练基于DNN的风电爬坡事件预测模型;最后实时采集并处理风机运行原始数据,利用训练后的预测模型输出对应的类别标签。本发明能够优化风电爬坡事件预测模型的输入变量,提高预测的精度。

    一种燃煤锅炉燃烧效率在线测量方法

    公开(公告)号:CN108182553A

    公开(公告)日:2018-06-19

    申请号:CN201810107733.3

    申请日:2018-02-02

    Abstract: 本发明提出一种燃煤锅炉燃烧效率在线测量方法,获取锅炉生产过程的过程参数,计算相应时刻锅炉燃烧效率;采用Boosted tree方法确定特征提取后的标准化过程参数集合;采用K-邻近值分类器对特征提取后的标准化过程参数集合进行工况分类;针对各类工况数据集:建立各类工况的LS-SVM测量模型,采用差分进化算法对各类工况的LS-SVM测量模型进行优化,得到最终优化后的各类工况的锅炉燃烧效率的LS-SVM测量模型;采用各类工况的锅炉燃烧效率的LS-SVM测量模型对燃煤锅炉燃烧效率进行测量;该方法能够根据相关变量实现高精度数据驱动建模得到实时锅炉燃烧效率,能够满足生产要求。

    基于分段式电预处理装置的玉米秸秆电酶解液产氢方法

    公开(公告)号:CN119265016A

    公开(公告)日:2025-01-07

    申请号:CN202411547507.9

    申请日:2024-11-01

    Abstract: 本发明涉及生物质暗发酵产氢技术领域,公开了基于分段式电预处理装置的玉米秸秆电酶解液产氢方法,包括预处理装置外壳,预处理装置外壳内设置有预处理腔体;预处理腔体内存储有秸秆电酶解液;预处理电极,设置在预处理腔体内,通过调节预处理电极对秸秆电酶解液进行强电场电预处理和弱电场电预处理;包括以下步骤:将玉米秸秆与柠檬酸‑柠檬酸钠缓冲液混合,放入到预处理腔体内进行强电预处理;强电预处理完成后,向预处理腔体内投加纤维素酶,进行弱电强化纤维素酶解;分段式电预处理结束后,经过滤取电酶解液与产氢菌进行混合发酵制氢。本发明解决传统玉米秸秆发酵过程中,结壳、结焦、pH难控制、秸秆残渣难回收等难题。

    SCR系统出口NOx排放浓度动态软测量方法

    公开(公告)号:CN115575580A

    公开(公告)日:2023-01-06

    申请号:CN202211282141.8

    申请日:2022-10-19

    Inventor: 唐振浩 李悦

    Abstract: 本发明提供一种SCR系统出口NOx排放浓度动态软测量方法,通过机理分析选择出影响SCR系统出口NOx排放浓度变化的实际运行数据;采用极值梯度提升方法进行重要性排序,选择出后续预测模型的候选输入变量;根据互信息系数法、随机森林算法、皮尔逊算法,估算各相关变量相对NOx排放浓度的延迟时间,进行建模数据重构;然后利用集合经验模态分解对输入时间序列进行分解,挖掘输入时间序列中的深层频域信息;再次通过lasso算法对集合经验模态分解得到的数据信息进行特征选择,筛选相关性较大的变量作为预测模型的样本数据,利用深度神经网络模型预测SCR系统出口NOx排放浓度。

    一种四阶段混合短时风向预测方法

    公开(公告)号:CN111523728B

    公开(公告)日:2022-05-10

    申请号:CN202010325683.3

    申请日:2020-04-23

    Abstract: 本发明公开一种四阶段混合短时风向预测方法,属于风向预测领域,该方法首先设定采样时间,采集风向原始数据建立风向输入输出数据矩阵;采用互信息法对输入序列进行特征选取,剔除相关度低的特征向量,保留相关度高的特征向量,确定输入矩阵的维度L;采用变分模态分解VMD方法对L维特征序列进行K阶分解,挖掘风向输入的特征信息;利用DBN网络构建风向深度学习预测模型,输入分解后的K×L维风向输入子序列得到风向预测值;通过BP神经网络对DBN风向预测模型的预测误差进行修正,提高风向预测精度;最后对修正后的风向预测模型精度进行了验证。本发明对高精度、复杂地区的风向预测具有重要意义。

    基于特征自适应选择和WDNN的风电爬坡事件预测方法

    公开(公告)号:CN110766215B

    公开(公告)日:2022-04-01

    申请号:CN201910986952.8

    申请日:2019-10-17

    Abstract: 本发明涉及风电爬坡事件预测技术领域,提供一种基于特征自适应选择和WDNN的风电爬坡事件预测方法。首先采集风机运行原始数据集并对其进行归一化;然后构建风电爬坡事件样本集PTr;接着基于特征自适应选择方法,从样本集PTr中选出相关样本集,并对每个相关样本中有功功率构成的信号进行小波分解,将分解得到的信号与温度及类别标签数据进行组合,得到分解后的样本集;再以分解后的样本集中除类别标签之外的变量为输入、类别标签为输出,构建并训练基于DNN的风电爬坡事件预测模型;最后实时采集并处理风机运行原始数据,利用训练后的预测模型输出对应的类别标签。本发明能够优化风电爬坡事件预测模型的输入变量,提高预测的精度。

    一种四阶段混合短时风向预测方法

    公开(公告)号:CN111523728A

    公开(公告)日:2020-08-11

    申请号:CN202010325683.3

    申请日:2020-04-23

    Abstract: 本发明公开一种四阶段混合短时风向预测方法,属于风向预测领域,该方法首先设定采样时间,采集风向原始数据建立风向输入输出数据矩阵;采用互信息法对输入序列进行特征选取,剔除相关度低的特征向量,保留相关度高的特征向量,确定输入矩阵的维度L;采用变分模态分解VMD方法对L维特征序列进行K阶分解,挖掘风向输入的特征信息;利用DBN网络构建风向深度学习预测模型,输入分解后的K×L维风向输入子序列得到风向预测值;通过BP神经网络对DBN风向预测模型的预测误差进行修正,提高风向预测精度;最后对修正后的风向预测模型精度进行了验证。本发明对高精度、复杂地区的风向预测具有重要意义。

Patent Agency Ranking