返回

(定稿)精益高效新能源制冷设备研发及产业化立项申报材料0(喜欢就下吧) (定稿)精益高效新能源制冷设备研发及产业化立项申报材料0(喜欢就下吧)

格式:word 上传:2026-11-16 21:39:41
温馨提示:手指轻点页面,可唤醒全屏阅读模式,左右滑动可以翻页。
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(1)
第 1 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(2)
第 2 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(3)
第 3 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(4)
第 4 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(5)
第 5 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(6)
第 6 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(7)
第 7 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(8)
第 8 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(9)
第 9 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(10)
第 10 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(11)
第 11 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(12)
第 12 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(13)
第 13 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(14)
第 14 页 / 共 51 页
精益高效新能源制冷设备研发及产业化立项申报材料.doc预览图(15)
第 15 页 / 共 51 页
预览结束,还剩 36 页未读
阅读全文需用电脑访问
温馨提示 电脑下载 投诉举报

1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。

小行范围更大。


但实际工作时的输入信号很难事先给定,因为控制目标是使系统输出具有期望的运动,对于未知控制系统期望输入不可能给出。


另方面,在系统预报中,为保证参数估计算法的致收敛,必须使用定的持续激励的输入信号。


对于神经网络,这是个仍有待于进步研究的问题。


电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。


电力系统负荷变化受多方面的影响,方面,负荷变化存在着由未知不确定的因素引起的随机的波动另方面,又具有周期变化的规律性,这也使得负荷曲线具有相似性。


同时,由于受天气节假日等特殊情况的影响,又使负荷变化出现差异。


由于神经网络所具有的较强的非线性映射等特性,它常被用于负荷预测。


本文采用软件编程仿真,具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。


众所周知,负荷曲线是很多因素相关的个非线性函数。


对于抽样和逼近这种非线性函数,神经网络是种合适的方法。


神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。


它不依靠专家经验,只利用观察到的数据,可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。


近年来的研究表明,相对于前两种方法,利用神经网络技术进行电力系统短期负荷预报可获得更高的精度。


在对短期负荷进行预报前,个特别重要的问题是如何划分负荷类型或日期类型。


纵观已经发表的文献资料,大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。


将周的天每天都看做种类型,共有种类型。


本文采用第种负荷划分模式,将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。


输入输出向量设计在预测日的前天中,每个小时对电力负荷进行次测量,这样来,天共测得组负荷数据。


由于负荷值曲线相邻的点之间不会发生突变,因此后时刻的值必然和前时刻的值有关,除非出现重大事故等特殊情况。


所以这里将前天的实时负荷数据作为网络的样本数据。


此外,由于电力负荷还与环境因素有关,如最高和最低温度等。


因此,还需要通过天气预报等手段获得预测日的最高和最低温度。


这里将电力负荷预测日当日的气象特征数据作为网络的输入变量。


因此,输入变量就是个维的向量。


显而易见,目标向量就是预测日当天的个负荷值,即天中每个整点的电力负荷。


这样来,输出变量就成为个维的向量。


获得输入和输出变量后,要对其进行归化处理,将数据处理为区间,之间的数据。


归化方法有许多种形式,这里采用如下公式在样本中,输入向量为预测日前天的电力实际负荷数据,目标向量是预测日当天的电力负荷。


由于这都是实际的测量值,因此,这些数据可以对网络进行有效的训练。


如果从提高网络精度的角度出发,方面可以增加网络训练样本的数目,另方面还可以增加输入向量的维数。


即,或者增加每日的测量点,或者把预测日前几天的负荷数据作为输入向量。


目前,训练样本数目的确定没有通用的方法,般认为样本过少可能使得网络的表达不够充分,从而导致网络外推能力不够而样本过多可能会出现样本冗长现象,既增加了网络的训练负担,也可能出现信息量过剩使得网络出现过拟合现象。


总之,样本的选取过程需要注意代表性均衡性和用电负荷的自身特点,从而选择合理的训练样本。


网络的设计本文依据人工神经网络来建模,根据网络来预测点负荷。


如图预测点负荷的网络。


图预测点负荷的网络网络是系统预测中应用特别广泛的种网络形式,因此,本文采用网络对负荷值进行预报。


根据网络来设计网络,般的预测问题都可以通过单隐层的网络实现。


本文由于输入向量有个元素,所以网络输入层的神经元有个,经过多次训练网络中间层的神经元可以取个。


而输出向量有个,所以输出层中的神经元应该有个。


网络中间层的神经元传输函数采用型正切函数,输出层神经元传递函数采用型对数函数。


这是因为函数的输出位于区间,中,正好满足网络输出的要求。


利用以下代码创建个满足上述要求的网络其中,变量用于规定输入向量的最大值最小值,规定了网络输入输出层隐层输入层向量的最大值为,最小值为。


表示设定网络的训练函数为,它采用算法进行网络学习。


网络训练计算出预测日点的归化系数网络经过训练后才可以用于电力负荷预测的实际应用。


考虑到网络的结构比较复杂,神经元个数比较多,需要适当增大训练次数和学习速率。


训练参数的设定如表所示。


表训练参数训练次数训练目标学习速率训练代码如下为输入向量,为目标向量休息日训练结果为,,,工作日训练结果为,,,可见,经过次训练后,网络误差达到要求,结果如图休息日训练结果所示,图工作日训练结果所示。


图休息日训练结果图工作日训练结果训练好的网络还需要进行测试才可以判定是否可以投入实际应用。


休息日测试代码如下工作日测试代码如下有赵老师的悉心指导,本论文也不可能完成得如此顺利。


在为期几个月的设计中,同学们的团结互助,无私帮助让我十分的感动,如果在这几个月中,我单凭己之力要完成本设计是十分困难的,因为本设计的知识和内容大部分是以前未曾接触的,有许多新的东西要求我在短短几个月内消化吸收。


但我们小组做为个团队,大家相互帮助,相互鼓励,互相监督,共同讨论和解决问题,使论文能高质高效的完成。


此外,我还要感谢我所列参考文献的作者,正是他们的许多研究成果给了我很大的帮助,在此表示诚挚的谢意这里利用仿真函数来计算网络的输出。


预报误差曲线如图休息日预报误差曲线所示,图工作日预报误差曲线所示。


图休息日预报误差图工作日预报误差结论分析电力负荷预测是电力调度用电计划规划等部门的重要工作,国内外关于短期负荷预测的文献很多,但是由于电力负荷受诸多因素的影响和负荷本身的不确定性,使得迄今还没有种十分满意的方法。


本文介绍的基于神经网络的预测方法,在综合考虑天气情况历史负荷和日类型等对未来负荷影响的因素后,使用了神经网络的非线性拟合等功能,取得了较好的负荷预测效果。


如表休息日预测结果对照所示,如表工作日预测结果对照所示。


表休息日预测结果对照预测时段实际值预测值误差从表可见,个点的误差的绝对百分误差于,有可能产生协同或抵消作用,因而配伍实验主要考察缓蚀剂与杀菌剂之间的配伍性。


配伍性实验研究对象为筛选出的杀菌剂,杀菌剂和缓蚀剂,缓蚀剂。


缓蚀剂对杀菌效果的影响实验步骤取待测油田采出水样品加入已灭菌的试瓶内,按浓度依次加入待测化学药剂顺序为缓蚀剂,杀菌剂,每加种药剂充分振荡,放入恒温水浴内,恒温小时后取出,按标准要求进行杀菌性能检测。


实验结果按照单剂筛选结果,对所选缓蚀剂与杀菌剂进行配伍性实验。


表缓蚀剂与杀菌剂配伍性实验序号缓蚀剂名称缓蚀剂浓度杀菌剂名称杀菌剂浓度杀菌效果最低致死浓度备注表示有细菌生长,表示无细菌生长。


结果表明,杀菌剂单独使用时最低致死浓度为,与缓蚀剂配合使用时,在缓蚀剂浓度为未见影响。


缓蚀剂单独使用在未见杀菌效果。


表缓蚀剂与杀菌剂配伍性实验序号缓蚀剂名称缓蚀剂浓度杀菌剂名称杀菌剂浓度杀菌效果最低致死浓度备注表示有细菌生长,表示无细菌生长。


结果表明,杀菌剂单独使用时最低致死浓度为,与缓蚀剂配合使用时,在缓蚀剂浓度为未见影响。


缓蚀剂单独使用在未见杀菌效果。


杀菌剂对缓蚀效果的影响表杀菌剂对缓蚀剂的影响缓蚀剂浓度杀菌剂浓度缓蚀率说明水清,片光滑水清,片光滑无缓蚀率水清,片光滑水清,片光滑水清,片光滑水清,片光滑水清,片光滑由试验结果可以看出在加入杀菌剂后,会严重影响缓蚀剂的缓蚀效果,所以现场投加时,两种药剂的加药点要隔开,避免两者之间的负面影响。


表杀菌剂对缓蚀剂的影响缓蚀剂浓度杀菌剂浓度缓蚀率说明水清,片光滑水清,片光滑水清,片光滑水清,片光滑水清,片光滑水清,片光滑水清,片光滑由试验结果可以看出当杀菌剂在其使用浓度时,杀菌剂对缓蚀剂没有明显的影响。


配伍性实验结果缓蚀剂,缓蚀剂在其使用浓度对杀菌剂无影响。


而杀菌剂在其使用浓度时,对其配合的缓蚀剂的缓蚀效果有影响,尤其是杀菌剂严重影响缓蚀剂的缓蚀效果。


缓蚀剂和杀菌剂配伍性较好,建议现场使用。


药剂筛选配方鉴于该站水中溶解氧含量较高,建议投加除氧剂,般为亚硫酸钠除氧剂,根据现场氧含量计算,建议投加量为。


根据以上单剂筛选结果及配伍试验结果,得到坨三污水处理化学药剂配方及投加方案。


表坨三污水处理化学药剂配方及投加方案药剂项目净化剂缓蚀剂杀菌剂除氧剂型号亚硫酸钠加药点次沉降后二次沉降后滤前来水加药量投加方式连续连续连续连续药剂单价元吨药剂成本元水合计元水备注为保证水质净化剂的效果,建议混凝剂先于絮凝剂投加,如采用管道混凝,两个加药点距离大于米。


第章水质改性技术研究仪器设备酸度计型絮凝搅拌仪分光光度计电子天平悬浮固体测定仪参照标准检测方法依据碎屑岩油藏注水水质指标及分析方法方法原理水质改性是往含油污水中加入以为主要成分的调整剂,提供足够多的,调整水中阴阳离子的分布与成分,使原水由弱酸性或中性变为碱性,般值控制在。


调整剂在水中发生化学反应,使污水中的化学平衡得到破坏,不断离解为和,大量的与生成碳酸钙氢氧化铁和氢氧化镁等盐垢沉淀,再利用絮凝剂的网捕作用,与系统中的悬浮固体等同快速沉降,从系统中排出,从而达到净化水小行范围更大。


但实际工作时的输入信号很难事先给定,因为控制目标是使系统输出具有期望的运动,对于未知控制系统期望输入不可能给出。


另方面,在系统预报中,为保证参数估计算法的致收敛,必须使用定的持续激励的输入信号。


对于神经网络,这是个仍有待于进步研究的问题。


电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。


电力系统负荷变化受多方面的影响,方面,负荷变化存在着由未知不确定的因素引起的随机的波动另方面,又具有周期变化的规律性,这也使得负荷曲线具有相似性。


同时,由于受天气节假日等特殊情况的影响,又使负荷变化出现差异。


由于神经网络所具有的较强的非线性映射等特性,它常被用于负荷预测。


本文采用软件编程仿真,具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。


众所周知,负荷曲线是很多因素相关的个非线性函数。


对于抽样和逼近这种非线性函数,神经网络是种合适的方法。


神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。


它不依靠专家经验,只利用观察到的数据,可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。


近年来的研究表明,相对于前两种方法,利用神经网络技术进行电力系统短期负荷预报可获得更高的精度。


在对短期负荷进行预报前,个特别重要的问题是如何划分负荷类型或日期类型。


纵观已经发表的文献资料,大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。


将周的天每天都看做种类型,共有种类型。


本文采用第种负荷划分模式,将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。


输入输出向量设计在预测日的前天中,每个小时对电力负荷进行次测量,这样来,天共测得组负荷数据。


由于负荷值曲线相邻的点之间不会发生突变,因此后时刻的值必然和前时刻的值有关,除非出现重大事故等特殊情况。


所以这里将前天的实时负荷数据作为网络的样本数据。


此外,由于电力负荷还与环境因素有关,如最高和最低温度等。


因此,还需要通过天气预报等手段获得预测日的最高和最低温度。


这里将电力负荷预测日当日的气象特征数据作为网络的输入变量。


因此,输入变量就是个维的向量。


显而易见,目标向量就是预测日当天的个负荷值,即天中每个整点的电力负荷。


这样来,输出变量就成为个维的向量。


获得输入和输出变量后,要对其进行归化处理,将数据处理为区间,之间的数据。


归化方法有许多种形式,这里采用如下公式在样本中,输入向量为预测日前天的电力实际负荷数据,目标向量是预测日当天的电力负荷。


由于这都是实际的测量值,因此,这些数据可以对网络进行有效的训练。


如果从提高网络精度的角度出发,方面可以增加网络训练样本的数目,另方面还可以增加输入向量的维数。


即,或者增加每日的测量点,或者把预测日前几天的负荷数据作为输入向量。


目前,训练样本数目的确定没有通用的方法,般认为样本过少可

下一篇
  • Hi,我是你的文档小助手!
    你可以按格式查找相似内容哟
DOC PPT RAR 精品 全部
小贴士:
  • 🔯 当前文档为word文档,建议你点击DOC查看当前文档的相似文档。
  • ⭐ 查询的内容是以当前文档的标题进行精准匹配找到的结果,如果你对结果不满意,可以在顶部的搜索输入框输入关健词进行。
帮帮文库-精品文档 帮帮文库-免费阅读 帮帮文库-海量资源
换一批

搜索

客服

足迹

下载文档