论文部分内容阅读
首先简要介绍LNG罐箱在储备调峰方面的应用及BOG的产生和处理现状,接着分析LNG罐箱储备调峰过程中,小型撬装式BOG再液化装置的应用和经济性。从设备投资、运营成本、投资回收周期等方面综合分析比较,为降低LNG罐箱储备调峰综合运营成本提供一种有效措施。
LNG罐箱储备调峰BOG回收经济性分析
【摘 要】
：
首先简要介绍LNG罐箱在储备调峰方面的应用及BOG的产生和处理现状,接着分析LNG罐箱储备调峰过程中,小型撬装式BOG再液化装置的应用和经济性。从设备投资、运营成本、投资回收周期等方面综合分析比较,为降低LNG罐箱储备调峰综合运营成本提供一种有效措施。
【机 构】
：
南通中集能源装备有限公司
【出 处】
：
低温与特气
【发表日期】
：
2021年3期
【基金项目】
：
江苏省自然科学基金项目(BK20171260)。
其他文献
为规范环网柜基础部分概预算的编制,合理确定工程造价。以国网配电网典设HA-1方案环网柜基础施工图和另一种非典设环网柜基础施工图为例,在分别对其进行详细分解的基础上,确定每部分所采用的施工工艺,按照施工顺序模拟施工过程,并根据工作内容规范选用定额,以合理确定工程造价。
电力系统建设是当前我国电力资源合理使用建设的重要模块,对于我国电能资源生产、电能资源传输以及合理用电都有一定的影响,而在现代化电力系统建设中,为了提升电力系统的核心控制能力,实现电力系统的自动化运行需要应用到电气工程及其自动化技术,通过其自动化技术的提升电力系统的建设效果。本文笔者针对电力系统自动化发展进行分析研究,文章中简要阐述了电气工程及其自动化技术,并对其技术发展现状进行分析,同时也总结了电力系统自动化发展中电气工程及其自动化技术的具体应用。
为优化电气自动化设备故障检测的效率与质量,提出基于信号奇异性分析的故障检测法。首先,对电气自动化设备的特征进行分析,并对故障信号信噪分离方法、小波变换变换分析法进行阐述。其次,基于小波变换分析,获取奇异性信号及其特征信息,通过构建奇异性特征分析函数,判断故障点位置。最后,对该故障检测方法进行实证分析,结果显示,该故障检测法的精准度更高。未来发展中,电气自动化设备故障检测方法将会向智能化控制、模块化方向发展。
针对风电叶片生产中人工铺设主梁玻纤布的效率低、质量稳定性差、工人劳动强度大等问题,设计了一种基于PLC和触摸屏控制的叶片主梁玻纤布自动铺放控制系统。该设备可以满足叶片主梁玻纤布按设计速度、张力铺放,并能适应模具型面形状的变化。铺放装置可通过手动、自动方式来实现玻纤布的铺放要求,并实现玻纤布铺放的长度控制和自动切割,以及铺放过程的自动赶压功能。
本文设计的进出线套管,使用在海拔4500m、IV级污秽等级、35kV充气柜中。目前市场上,还没有发现满足此设计要求的套管,主要由于该套管的绝缘性能要求非常高,套管的设计难度比较大。本文主要根据进出线套管的使用条件,对其绝缘结构进行设计,同时对屏蔽网的屏蔽效果进行研究,对相应的结构设计进行电场仿真分析,通过对上述设计的套管,进行工频耐压试验和雷电冲击试验,最终对其设计进行相应的验证,通过试验验证,套管的所有技术参数都符合设计要求,为类似的35kV套管的结构设计与仿真分析提供参考。
低压小型断路器主要采用热脱扣原理跳闸,当环境温度偏高时,容易发生误跳闸,对于重要二次控制保护设备而言,误跳闸可能带来较大的事故和风险。针对这些问题,分析了低压小型断路器高温环境误跳闸的原因,提出了一种利用温度开关设计的具备温度补偿与跳闸预警的新型断路器。对新型断路器与现有断路器在不同温度及不同额定电流下的跳闸时间进行了比较,结果证明新型断路器可有效降低误跳闸概率,具备比较好的实用价值。
随着大数据的普及应用,以增强设备可靠性,提前预警为目的的大数据应用研究也在逐渐向风电领域靠拢。大数据技术的合理应用,可以实现对于风力发电设备的健康水平以及设备故障的远程诊断,及时发现设备中隐含或者已经存在的故障,为故障的高效处理提供可靠支撑,保障风力发电设备运行的稳定性。本文从数据挖掘技术在风电设备故障诊断领域的研究背景出发,提出了一种基于数据挖掘技术的风力发电设备故障远程诊断系统,希望为相关人员的研究提供参考和借鉴。
以上海白玉兰广场办公塔楼的建筑特点为例,着重分析超高层办公塔楼火灾特点及消防安全管理难点,有针对性地提出落实消防责任、加强微型消防站建设、加强日常防范等措施。
目前,对于电力用户异常用电的问题为研究,提出基于深度学习用户异常用电模式检测相关模型,同时借助Tensorflow框架,进一步构建多层特征匹配网络以及特征提取网络。长短期记忆特征提取网络,能够从大量时间序列中获取不同序列特征,对于全连接网络多层特征匹配网络,研究学者提出,利用所提取特征数据,以完成异常用电数据的相关检测。通过实际研究发现,相比非深度学习检测模型来说,研究基于深度Tensorflow学习框架模型,能够有效完成异常用电模式的检测工作,除此之外,相比多层长短期记忆特征提取,目前来说,所提取的模型