【摘 要】
：
风机运行中的状态监测和故障判断是保障风电机组安全运行和获得长期稳定收益的重要因素。目前风电场对各设备状态监测存在盲区,由于风机简配及成本等因素,部分设备、系统的运行状态未得到有效监测,导致风电场无法实时获取各关键设备的状态数据信息,导致风电场评价设备状态用数据信息的不完整。因此,除对主轴承、齿轮箱、发电机进行在线监测外,还应对叶片、螺栓等重要部件进行监测。
【机 构】
：
中国电建集团江西省电力设计院有限公司
论文部分内容阅读
风机运行中的状态监测和故障判断是保障风电机组安全运行和获得长期稳定收益的重要因素。目前风电场对各设备状态监测存在盲区,由于风机简配及成本等因素,部分设备、系统的运行状态未得到有效监测,导致风电场无法实时获取各关键设备的状态数据信息,导致风电场评价设备状态用数据信息的不完整。因此,除对主轴承、齿轮箱、发电机进行在线监测外,还应对叶片、螺栓等重要部件进行监测。
其他文献
为实现“双碳”目标，必须大力发展风力发电技术。而随着电网规模越来越大，运行越来越复杂，对风机等电力设备的状态实时检测和精确评估也成为一个越来越重要的问题。近年来，大数据技术的发展以及电力设备数据监测技术的完善使电力设备状态监测使用机器学习等数据驱动技术成为了可能。与传统方法相比，上述方法不依赖于准确的经验阈值和定量模型，对数据海量化和复杂化的情况具有更强的适应能力。因此，本文分别基于无监督/有监督
目的 探讨血清单核细胞趋化蛋白-1、白细胞介素-6与脓毒性脑病患者脑损伤严重程度的关系。方法 将75例脓毒性脑病患者按照脑损伤程度分为轻度组、中度组、重度组，各25例，比较3组血清单核细胞趋化蛋白-1、白细胞介素-6水平，分析血清单核细胞趋化蛋白-1、白细胞介素-6水平与脓毒性脑病患者脑损伤程度的关系。结果 3组血清单核细胞趋化蛋白-1及白细胞介素-6水平比较差异均有统计学意义（P＜0.01）,中
＜正＞近年来，国家电网持续发展面临较大压力。一方面，国家“电改”的推进和电价的下降，使得企业收入压缩、利润减少；另一方面，此前高投入的发展模式也使得国家电网运行水平、资产运营效率下降。电力物联网将电力用户与设备、电网企业与设备、发电企业与设备、供应商与设备，以及人和物连接起来，产生共享数据，为用户、电网、供应商、政府及社会服务。同时，电力物联网以电网为枢纽，挖掘平台共享价值，为全行业和更多市场发展
当今世界正处于“百年未有之大变局”的深刻变化之中。新冠肺炎疫情对全球秩序的冲击仍在发酵，大国竞争呈现愈演愈烈之势。而对于国家发展这一政治经济学永恒主题的研究，迫切需要从全新的理论视角予以论述，国家发展动力这一概念由此应运而生。以这一概念为切入点，本文深入分析中国国家发展对于世界发展格局的推动与塑造作用。中国的发展不仅有利于在现有的全球发展理念内补充中国实践，更可以在此基础上为全球经济治理、全球经济
对中国产业结构变化给经济发展的实证研究证实,在经济新常态下应推动产业结构高级化发展,通过减少波动维持经济持久增长,达成高质量发展目标。
元宇宙的构建需要海量内容作为支撑，这将会改变知识生产与传播方式，并推动GLAM等公共文化服务机构的转型与变革。AIGC能够适应元宇宙场景下多样的内容生成需要，使其在GLAM领域具有广泛的应用前景。围绕元宇宙场景下的内容生产模式，本文梳理了AIGC发展阶段性特征、核心价值观、体系架构、内容输出，并提出了AIGC在GLAM领域的潜在应用场景。研究认为，AIGC可构建GLAM虚拟空间构建、再造内部组织架
电站设备是电力生产的核心,对火电厂正常安全运行具有重要意义。在实际生产中,电站设备运行环境恶劣,导致故障频发,给火电厂带来巨大的经济利益损失,甚至引发重大的生产安全事故。实时在线监测电站设备运行状态,捕捉故障早期发展过程,对火电厂电力生产的安全性与经济性具有重要意义。本文选择引风机为典型电站设备,建立基于多元状态估计技术的引风机状态预警模型,在设备劣化过程的早期,及时发现异常并预警,指导运维人员采
＜正＞泸溪县位于湖南省湘西土家族苗族自治州东南端、风光秀丽的沅江之畔，物华天宝、钟灵毓秀，东连吴越、西靠巴蜀、北通洞庭、南扼湘黔咽喉，素有“三楚雄关”之称，自古以来就是各民族交往交流交融之地。行走沅江之畔，历史久远的浦市古镇，美轮美奂的辰河高腔，动人的盘瓠辛女故事，被誉为“中国绿色氧吧”的白沙新城……这里是泸溪各族人民共同守护的美好家园。党的十八大以来，
在新的竞争态势下，运营商加速数字化转型，云网融合是电信运营商数字化转型的重要路径。5G作为下一代信息化的基础设施，基于云网融合方向下的演进策略包括：升级5G SA核心网，增强R16功能，支撑eMBB、mMTC、uRLLC网络能力；推动5G专网发展，提供定制化专网解决方案，赋能垂直行业；推进5GC云原生发展，加速网络虚拟化、服务化，提升网络敏捷的开发和部署。
为保障风机的安全可靠运行，提出一种融合分形特征的卷积神经网络风机运行状态辨识模型。首先将分形等统计特征分析结果建立为初始样本特征数据集；用噪声环境下基于密度的空间聚类方法对样本状态进行标记，用正则化特征选择方法确定最终的样本特征数据集；最后建立卷积神经网络状态辨识模型。结果表明，模型准确率达到98.925%,为实现风机“事前维修”模式提供科学参考和理论指导，可以有效地应用于复杂机电系统状态辨识领域