首页期刊导航|沈阳工程学院学报（自然科学版）
期刊信息/Journal information
沈阳工程学院学报（自然科学版）
沈阳工程学院学报（自然科学版）

王喜魁

季刊

1673-1603

xyxuebao@126.com

024-31975983

110136

沈阳市沈北背后区蒲昌路18号

沈阳工程学院学报（自然科学版）/Journal Journal of Shenyang Institute of Engineering(Natural Science)
查看更多>>《沈阳工程学院学报》（自然科学版）是以能源电力研究为特色，连续三届荣获教育部“中国高校特色科技期刊”奖，《美国剑桥科学文摘》核心库（CSA）全文检索,《中国核心期刊（遴选）数据库》收录期刊，其“分布式能源”栏目以全国唯一而著称，在全国颇具影响。 主要栏目：热能与动力、电气与电子、热工控制与自动化、信息与计算机科学、机械工程与材料科学等。每期专题栏目“分布式能源”聚集了国内众多知名能源专家和学者的研究成果。该刊是国内仅有的专门以能源为主学术期刊之一，在国内能源学术界具有较好的影响力。
正式出版
收录年代

    基于CNN-GRU-Attention的多步超短期风电功率预测

    孙圣博高阳谷彩连许傲然...
    1-6页
    查看更多>>摘要：针对当前预测模型在预测过程中信息缺失与准确性不高的问题,提出了一种以GRU网络为基础的预测模型.首先,建立了CNN-GRU-Attention预测模型结构,该模型具有预测精度高的优势,解决了在预测过程中大量序列信息损失的问题;其次,采用擅长处理时间序列数据并且能解决简单神经网络长期依赖问题的GRU模型,提出了利用CNN网络和Attention层分别对输入数据和模型网络中间数据进行深度挖掘和处理;再次,为了提高预测模型在训练时的稳定性与精确性,利用Adam优化器优化模型参数;最后,通过某风电场的历史运行数据进行预测.预测结果表明:基于CNN-GRU-Attention的风电功率预测模型进一步提高了预测精度,验证了此模型的适用性.

    风电功率预测深度学习门控循环单元网络注意力机制

      原文链接:
    • 维普
    • 万方数据

    基于MWKCNN与迁移学习融合的风机轴承故障诊断方法

    宁兆秋张东方文墨孙志强...
    7-14页
    查看更多>>摘要：针对实际风电场的风机运行工况多变、数据完备性缺失导致的风机轴承故障诊断精度降低的问题,提出一种基于多重宽核卷积神经网络(multiple wide kernel convolutional neural networks,MWKCNN)与迁移学习融合的风机轴承故障诊断方法.首先,在源域训练MWKCNN风机轴承故障诊断模型;其次,根据3个目标域与源域的相似度,利用基于模型微调的迁移学习方法对源域的MWKCNN模型结构进行调整,并且用实际的轴承数据集进行验证;最后,通过仿真实验进行验证.结果表明:MWKCNN模型对源域的风机轴承故障诊断的精度达到了99.48%;在3种数据完备性缺失的目标域,对风机轴承故障诊断的精度均达到了94%以上;相比于其他模型的迁移效果,MWKCNN模型对轴承振动信号故障特征的挖掘能力更强.

    多重宽核卷积神经网络风机轴承故障诊断迁移学习变工况数据量缺失下采样损失

      原文链接:
    • 维普
    • 万方数据

    生物质燃烧对锅炉结渣影响的实验研究

    白宏磊傅玉栋曹福毅
    15-20页
    查看更多>>摘要：为了解决生物质燃烧所产生的积灰和结渣对锅炉的影响,利用一维炉试验台,以稻壳和秸秆为试验原料,探究了稻壳与秸秆燃烧时产生的积灰和结渣的特性并据此进行分析,结果表明:从灰样中发现了稻壳与秸秆燃烧后所产生的灰共有5种形态;通过XRD物相分析可知球状颗粒是影响积灰和结渣特性的主要因素;中温区(750℃～850℃)的碱金属含量高,在中温区取样更合适.

    生物质一维炉积灰结渣碱金属

      原文链接:
    • 维普
    • 万方数据

    基于氢能催化生物质富氧气化预条件研究

    师文尚曹福毅
    21-26页
    查看更多>>摘要：探究催化剂和气化剂的使用条件,有利于生物质气化生成高品质燃气,这对生物质气化技术的进一步发展具有推动作用.因此,通过分析生物质气化研究的现状,对比空气当量比、燃气组分、燃气热值、气化效率和燃气焦油含量等参数,了解布朗气(HHO)催化对相应反应的影响规律,最后确定了采用下吸式固定床对生物质进行富氧气化的预条件:布朗气的流量为气化剂流量的1%,富氧浓度为90%±5%,炉内温度为1 100℃.

    生物质气化下吸式气化炉HHO气化特性富氧空气

      原文链接:
    • 维普
    • 万方数据

    不同负荷下汽轮机末级叶片疲劳寿命研究

    赵帅潘宏刚张野杨嘉森...
    27-31页
    查看更多>>摘要：新能源发电技术受气候影响,导致其发电量不稳定,需要火电厂配合调整发电量,造成火电机组时常深度调峰运行.深度调峰运行方式对机组有很大影响,使末级叶片的运行环境变得更加复杂,尤其是末级流场情况的改变对叶片寿命的影响非常大.因此,为了研究在深度调峰运行方式下末级流场情况的改变对末级叶片疲劳寿命的影响,以某火电机组低压缸50%叶高处的末级叶片为研究对象,采用数值模拟的方法,对比了汽轮机分别在100%THA、50%THA、20%THA工况下运行时低压缸末级叶片的疲劳寿命.结果表明:随着汽轮机组负荷降低,叶片的疲劳寿命也随之减小.

    汽轮机末级叶片深度调峰

      原文链接:
    • 维普
    • 万方数据

    基于三菱燃机机组满负荷状态下NOx排放量的计算方法研究

    黄思佳徐有宁谢智远范宏涛...
    32-38页
    查看更多>>摘要：为了准确、快速地预测燃气轮机燃烧室稳定运行时污染物的排放情况,提出了一个采用数值模拟的计算方法预估NOx排放的设计流程.首先,根据燃气轮机燃烧室的类型和控制部件确定相关设计参数;其次,采取拉丁超立方方法优化燃烧室进口压力P、燃烧室出口温度T、主空气质量流量q和当量比φ的取值,形成主要参数样本空间;再次,根据计算流体力学的数值模拟结果为燃烧室化学分区提供依据,并通过化学反应器网络方法计算污染物的排放值;最后,在影响污染物排放的参数中选择主要参数,拟合出多参数影响的NOx预估公式并分析4个显著参数对NOx排放的影响关系.结果表明:在满负荷状态时,燃烧室压力增大,NOx排放量增多;燃烧室温度上升,NOx排放量增多;当主空气质量流量变大时,NOx排放量呈减小的趋势;当量比增加时,NOx排放量减少;模拟情况和经典模型在所研究的范围内的相关关系一致,说明了预估公式的适用性.

    燃气轮机燃烧室NOx化学网络模型

      原文链接:
    • 万方数据

    基于改进的EWT+小波阈值的齿轮振动信号去噪研究

    张鹏镇王琳刘雨轩徐鑫...
    39-44页
    查看更多>>摘要：针对采集到的齿轮振动信号含有较多噪声,严重影响后续齿轮故障诊断准确性的问题,提出一种改进的经验小波变换(EWT)结合小波阈值的去噪方法.该方法对传统的EWT频谱分割方法进行了改进,首先使用寻峰算法对频谱寻峰,然后采用平滑算法对峰值曲线进行平滑处理,取平滑曲线的极小值点作为频谱分割边界,使得划分出的滤波器组更精确.模拟信号和实验信号的去噪结果表明:本文使用的方法的信噪比达到16.27,均方根误差达到7.54e-07,相较于小波阈值、经验模态分解和传统EWT具有更好的去噪效果和更高的鲁棒性.

    改进的EWT小波阈值EMD齿轮振动信号去噪

      原文链接:
    • 维普
    • 万方数据

    基于小波包能量熵-BP神经网络的核电站阀门远传机构故障诊断研究

    邓家利刘劲涛王永超
    45-56,72页
    查看更多>>摘要：核电站阀门远传机构长期运行在恶劣工况下,当出现故障时会使核电站中关键阀门无法正常开闭,严重时导致设备停机检修,从而造成经济损失.针对这一问题,本文提出一种小波包能量熵-BP神经网络的阀门远传机构故障诊断方法.阀门远传机构样机搭建LabWin-dows/CVI振动信号采集试验平台,使用小波包算法对故障信号进行分解与重构,并提取小波包能量熵来构造故障特征向量,输入到BP神经网络训练后,经MATLAB仿真运行,验证了该方法的可行性和有效性.

    阀门远传机构小波包能量熵BP神经网络MATLAB故障诊断

      原文链接:
    • 维普
    • 万方数据

    不平衡电网下Vienna整流器电流畸变抑制方法

    史兆成武轶文张弛刘宁昕...
    57-65页
    查看更多>>摘要：Vienna整流器结构简单、功率密度高,被广泛应用于航空电源、电动汽车充电系统等工业中.当Vienna整流器在不平衡电网下运行时,采用传统的控制策略会导致输入电流过零畸变,影响电能质量.为解决这一问题,通过分析Vienna整流器输入电流畸变机理,提出一种调制波区间钳位控制策略.所提方法通过在钳位区间内叠加零序分量将参考电压钳位至零,避免输出错误的桥臂电压信号,从而抑制输入电流畸变,提高电能质量.最后通过实验验证了所提策略的有效性.

    Vienna整流器不平衡电网输入电流过零畸变负序电流调节

      原文链接:
    • 维普
    • 万方数据

    考虑误差修正的MC-BP短期电力负荷预测方法

    安天瑜刘思铭刘艳张连超...
    66-72页
    查看更多>>摘要：准确的短期负荷预测是电网日常调度的重要依据.针对目前短期电力负荷预测精度问题,提出了一种考虑误差滚动修正的MC-BP短期电力负荷预测方法.首先,建立了基于逐步试错法的BP负荷预测模型,分析了预测误差的概率密度分布,构建了基于蒙特卡洛(Monte Carlo,MC)的日负荷误差滚动修正策略;其次,选用了某地区2015-2019年的负荷数据进行预测,比较了CNN-BiLSTM、LSTM和BP模型的预测结果,3种预测模型的测试集NRMSE分别为5.97%、6.49%和5.5%;最后,对比了BP和LSTM预测方法修正误差、线性回归方法修正误差和误差滚动修正方法的误差修正策略的修正效果,对后一天的误差修正NRMSE的相对变化率分别为-26.68%、-28.81%、-43.90%、-88.64%.预测结果表明:所提出的考虑误差滚动修正的MC-BP短期电力负荷预测方法具有良好的预测效果.

    BP神经网络蒙特卡洛电力负荷预测误差修正滚动修正

      原文链接:
    • 维普
    • 万方数据