首页期刊导航|热能动力工程
期刊信息/Journal information
热能动力工程
热能动力工程

邹积国

双月刊

1001-2060

rndlgch703@163.com

0451-55654932、56637728

150036

哈尔滨市香坊区公滨路452号

热能动力工程/Journal Journal of Engineering for Thermal Energy and PowerCSCD北大核心CSTPCD
查看更多>>本杂志是七0三研究所主办的学术与技术相结合的期刊、主要是以军转民，军民结合为报导方针，大力报导热能动力工程领域的科研成果，将科学技术转化为生产为，为科学技术的发展起到推动作用。热能动力工程杂志为双月刊，每期112面，主要读者对象为热能动力工程领域的工程技术人员，大专院校的师生。
正式出版
收录年代

    考虑调频可靠性的风储系统多目标优化策略

    葛丽超张怡
    154-161页
    查看更多>>摘要：针对风电强不确定性导致的电力系统频率不稳定问题,提出了考虑调频可靠性的风储系统多 目标优化策略,以风电功率预测数据为基础,利用风储系统对电力系统提供频率支撑,保证电力系统频率稳定.该策略包含补偿和调频两个步骤,首先提出基于储能系统的风电预测误差补偿策略,并将风电预测误差补偿至10％以内,同时为风电场预留20％的调频容量.其次,考虑系统调频经济性,提出基于模型预测控制的风储系统参与电力系统频率控制策略,采用风电备用和储能系统进行调频.最后,将上述策略作为约束条件,采用多 目标哈里斯鹰算法求解满足上述双目标的储能容量用以验证策略的有效性.仿真结果表明:本文所提调频策略能够在保障调频可靠性的基础上,降低电网频率波动,满足风电系统和电网的高效、安全运行.

    风储系统频率控制储能预测误差多目标算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的翼型气动弹片流场参数预测

    张强李春缪维跑岳敏楠...
    162-168页
    查看更多>>摘要：弹片是解决翼型流动分离的重要技术手段,合理的弹片参数对翼型表面压力分布尤为重要.基于数据驱动的深度学习方法与计算流体力学(Computational Fluid Dynamics,CFD)相结合,可快速有效地完成对复杂流场特征的识别与提取.本文提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的翼型表面压力分布预测方法,通过提取流场的尾流速度、压力等流动特征构建翼型表面压力分布的预测模型.首先,通过数值模拟计算了8种不同抬起角度的NACA 0012弹片翼型的流场;其次,采用提取的流场数据建立CNN预测模型;最后,将预测值和CFD计算值进行对比.结果表明:基于CNN的预测模型对翼型表面压力系数分布有较高的预测精度,其中尾流速度模型在弹片抬起角度为15°时的预测均方根误差仅为0.1,说明尾流速度中包含丰富的流场信息.

    深度学习卷积神经网络弹片翼型流场识别非定常

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DsRNN和多源气象数据的光伏发电功率短期预测

    朱一昕管梦瑶董金华许德智...
    169-174页
    查看更多>>摘要：针对传统循环神经网络(RNN)长时间使用会存在梯度爆炸以及在处理长时间序列时容易忽略重要时序信息的不足,本文提出一种结合注意力机制(Attention)的双重选择循环神经网络(Double selection Recurrent Neural Network,DsRNN),面向短期光伏发电功率预测的模型.首先,引入气象影响因子数据并根据相关性大小进行修正处理,改变原有单一输入源建立新的数据集;然后,融合注意力机制,提取光伏发电功率的时序特征,挖掘数据之间的深层联系;最终,实现对分布式光伏发电进行较有效、精准的短期功率预测.仿真结果表明:气象数据的输入以及DsRNN光伏发电功率预测模型的使用能完成较高精度的预测任务,误差更小.

    光伏发电功率多源气象改进循环神经网络短期预测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于SFFS-RBPCA的高维复杂工业过程故障诊断方法研究

    金寅峰翁琪航任少君司风琪...
    175-183页
    查看更多>>摘要：基于重构的故障分离方法能够抑制残差污染影响,有效降低误诊率,但该类方法计算量会随系统维度和故障变量数量呈指数级上升,难以直接应用于高维复杂工业过程的在线故障诊断.因此,提出的主成分分析法是一种基于序列特征选择算法的重构主成分分析故障诊断方法,该方法基于历史数据建立主成分分析监测模型,利用综合指标对实时数据进行故障检测,在故障分离过程中引入序列特征选择方法来定位故障变量,并采用数学仿真算例和实际工程算例对该方法的诊断性能进行验证.结果表明:所提方法可以在较小计算量的情况下保证高诊出率和低误诊率,在诊断精度和诊断效率之间达到良好平衡,能够有效处理高维系统复杂故障,满足了在线诊断需求.

    故障诊断主成分分析复杂工业过程特征选择

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于卷积神经网络的火焰图像识别技术的研究

    周榕王博强王锴
    184-193页
    查看更多>>摘要：为提高卷积神经网络在火焰图像识别中的正确率、响应速度和抗误报警能力,实现对极早期火焰的有效探测和保证探测器的可靠性,针对卷积神经网络火焰识别算法进行改进,提出了一种采用双尺度去噪的深度可分离卷积火焰图像识别算法.通过对移植该算法的火焰图像探测器进行响应速度和抗误报警实验和在与某型采用神经网络算法的火焰图像探测器的对比实验中分别发现:探测器对放置在距其15 m处的5 cmx5 cm的火盘响应速度为2.8 s;探测器对强光干扰源和高热干扰源有较强的抗干扰能力;采用改进算法的探测器在灵敏度、响应速度和抗干扰能力上均优于原始算法的探测器,说明采用双尺度去噪的深度可分离卷积火焰图像识别算法的火焰图像探测器对火焰具有更高的灵敏度、响应速度和较强抗干扰能力.

    卷积神经网络火焰识别图像处理智能算法模型训练

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于自适应变分模态分解的滚动轴承故障特征提取方法研究

    俎海东李晓波张万福杨建刚...
    194-204页
    查看更多>>摘要：针对滚动轴承微弱故障特征易被噪声和强故障成分淹没导致漏诊或误诊问题,基于互信息与信息熵构建多目标适应度函数,形成面向故障诊断的自适应变分模态分解算法(Diagnosis Oriented Adaptive Variational Mode Decomposition,DOA-VMD),有效提取信息以传达故障特征且不产生异常模态干扰;并采用NSGA-Ⅱ算法对多 目标适应度函数搜寻最优Pareto解集;然后考虑峭度是反应冲突的有效指标,以最大峭度值为目标,筛选解集中最优结果实现DOA-VMD参数的确定和特征提取;基于齿轮箱轴承内圈损伤数据验证提出方法的可靠性.结果表明:DOA-VMD可剔除含噪分量并保留具有最显著冲击信号的特征,且该特征较传统VMD方法更能凸显故障特征频率.

    滚动轴承互信息信息熵变分模态分解

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    弯扭耦合作用下变频风机叶片断裂分析与治理技术研究

    许旭东沈德明杨建刚
    205-210页
    查看更多>>摘要：针对某变频运行风机发生的叶片断裂故障,采用无线应变测试技术获取了不同工况下转轴扭矩脉动特性.建立叶轮叶片有限元模型,获取风机各阶模态特性;将实测脉动扭矩作为激励,计算扭矩脉动下叶片所承受的应力特性.结果表明:电机输出谐波可能激发叶片轮盘弯扭耦合共振,导致叶片局部应力增大,进而疲劳断裂;叶片顶部加之字形加强筋可以有效减小叶片振动,预防断裂.

    变频风机叶片扭矩测试谐波共振有限元仿真

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    Laser-Optical Thrust and Emissions Measurement for Gas Turbines

    朱盛榕
    前插1页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《热能动力工程》投稿须知

    前插2页
      原文链接:
    • NETL
    • NSTL
    • 万方数据