謝稼澍

（單洛陽(yáng)萬(wàn)眾吉利熱電有限公司，河南 洛陽(yáng) 471000）

一、提升燃?xì)廨啓C(jī)效率的具體方法

燃?xì)廨啓C(jī)的運(yùn)行原理主要是使用一種熱循環(huán)開(kāi)式的模式，其動(dòng)力源泉是大氣，同時(shí)大氣溫度還會(huì)隨著季節(jié)的改變而出現(xiàn)一定的變化，從而對(duì)燃?xì)廨啓C(jī)的運(yùn)行效率產(chǎn)生極大的影響。夏季的氣溫較高，天氣炎熱，日常運(yùn)行中的生產(chǎn)設(shè)備、生活設(shè)備等在運(yùn)行中對(duì)于電量擁有較大的需求，需要保證設(shè)備在極端天氣狀態(tài)下依然能夠保持良好的運(yùn)行能力。但因?yàn)樵O(shè)備固定運(yùn)行模式等因素的影響，在天氣氣溫不斷上漲的條件下，燃?xì)廨啓C(jī)的運(yùn)行效率也會(huì)相繼降低，同時(shí)在某種程度上還加重了燃?xì)廨啓C(jī)運(yùn)行的熱損耗。為此導(dǎo)致其在夏季供電過(guò)程中容易發(fā)生各種效能下降的問(wèn)題。

結(jié)合具體的實(shí)驗(yàn)研究發(fā)現(xiàn)，燃?xì)廨啓C(jī)運(yùn)行中的環(huán)境溫度從原本的十五攝氏度上升至二十五攝氏度時(shí)，其輸出功率便會(huì)降低百分之七左右，而在整個(gè)的氣溫狀態(tài)提高到三十六攝氏度時(shí)，其輸出功率便會(huì)出現(xiàn)較為明顯的下降趨勢(shì)，降低幅度大概能夠達(dá)到百分之十五左右，嚴(yán)重的情況下，還會(huì)降低更多。在對(duì)燃?xì)廨啓C(jī)運(yùn)行中的各種影響元素和基礎(chǔ)原理進(jìn)行深入的調(diào)查研究基礎(chǔ)上，相關(guān)技術(shù)人員最終發(fā)現(xiàn)了一種有效的解決方法，便是通過(guò)進(jìn)氣冷卻裝置系統(tǒng)幫助燃?xì)廨啓C(jī)運(yùn)行中降低溫度，能夠有效提升燃?xì)廨啓C(jī)的運(yùn)行效率。燃?xì)廨啓C(jī)效率提升和燃?xì)廨啓C(jī)運(yùn)行流程改進(jìn)之間具有密切的聯(lián)系，包括先進(jìn)的防腐技術(shù)、高溫部件冷卻技術(shù)、優(yōu)質(zhì)的高溫材料和有效的循環(huán)方式等，此外還有先進(jìn)的機(jī)械裝備技術(shù)和機(jī)械加工技術(shù)也能夠?qū)θ細(xì)廨啓C(jī)的運(yùn)行效率產(chǎn)生積極影響。

二、數(shù)據(jù)預(yù)處理方案

(1)通過(guò)原始信號(hào)的EMD分解獲得每個(gè)IMF組件。(2)為所有IMF組件選擇閾值確定標(biāo)準(zhǔn)，并執(zhí)行單個(gè)組件閾值估計(jì)。(3)選擇在降噪后將單個(gè)IMF組件與每個(gè)組件的閾值估計(jì)值一起用于計(jì)算降噪的閾值函數(shù)。(4)將信號(hào)重建為IMF組件，即原始信號(hào)降噪后的信號(hào)。基于EMD分解方法和小波閾值探測(cè)方法的單個(gè)IMF組件的閾值處理是可選的，如表達(dá)式(1)所示：

式中：x（ji）—處理前的第j層小波分解分量中對(duì)應(yīng)第i系數(shù)；x′j—降噪后的第j層小波分解分量中對(duì)應(yīng)的第i系數(shù)；λj—第j層的閾值大小。

三、基于數(shù)據(jù)的人工智能技術(shù)

隨著人工智能系的發(fā)展，人類(lèi)在許多行業(yè)中廣泛應(yīng)用了使用計(jì)算機(jī)識(shí)別、建模和預(yù)測(cè)系統(tǒng)的數(shù)據(jù)方法。通過(guò)機(jī)器學(xué)習(xí)，人工智能是基于數(shù)據(jù)的對(duì)象建模和控制的基本概念，即通過(guò)學(xué)習(xí)數(shù)據(jù)中的系統(tǒng)特性來(lái)實(shí)現(xiàn)建模對(duì)象的輸出預(yù)測(cè)，并提供控制信號(hào)。這個(gè)想法避免了用顯式數(shù)學(xué)關(guān)系表示參數(shù)關(guān)系的傳統(tǒng)數(shù)學(xué)模型的限制，并使用隱式關(guān)系表示系統(tǒng)輸入和輸出屬性。由于模型和控制器是基于數(shù)據(jù)實(shí)現(xiàn)的，因此只需更新學(xué)習(xí)數(shù)據(jù)即可更新參數(shù)關(guān)系，從而避免在現(xiàn)有模型和控制器更新中重新計(jì)算數(shù)學(xué)關(guān)系的問(wèn)題。

在燃?xì)廨啓C(jī)領(lǐng)域，目前研究中使用的機(jī)械學(xué)習(xí)工具人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等已經(jīng)存在。人工神經(jīng)網(wǎng)絡(luò)是模仿人的腦神經(jīng)結(jié)構(gòu)和行為的技術(shù)，具有并行信息處理、模式分類(lèi)、記憶等功能。使用神經(jīng)元之間的連接和權(quán)重值分配來(lái)表示特定信息，不斷修改連接權(quán)重值，從而進(jìn)行與理論上任何復(fù)雜的非線性系統(tǒng)完全接近的自學(xué)教育。人工神經(jīng)網(wǎng)絡(luò)模型是非線性時(shí)變系統(tǒng)的有效識(shí)別工具。神經(jīng)網(wǎng)絡(luò)根據(jù)結(jié)構(gòu)和原理有所不同，燃?xì)廨啓C(jī)領(lǐng)域使用的主要類(lèi)型來(lái)自逆向傳播神經(jīng)網(wǎng)絡(luò)、徑向基礎(chǔ)神經(jīng)網(wǎng)絡(luò)和非線性回歸神經(jīng)網(wǎng)絡(luò)。

四、燃?xì)廨啓C(jī)建模與仿真研究

隨著人類(lèi)社會(huì)對(duì)能源的需求越來(lái)越高，傳統(tǒng)能源逐漸枯竭，環(huán)境污染問(wèn)題日益嚴(yán)重，社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展目標(biāo)受到了嚴(yán)峻挑戰(zhàn)。為了解決當(dāng)前的能源危機(jī)，須要不斷發(fā)展新型、高效、清潔的能源技術(shù)，智能電網(wǎng)、分布式能源的概念應(yīng)運(yùn)而生。微型燃?xì)廨啓C(jī)作為新能源技術(shù)的核心設(shè)備，其技術(shù)的成熟對(duì)推動(dòng)智能電網(wǎng)、分布式能源的發(fā)展起著至關(guān)重要的作用。除此之外，由于微型燃?xì)廨啓C(jī)具備高效、安全、靈活、環(huán)保等優(yōu)點(diǎn)，在交通以及國(guó)防建設(shè)等方面均具有很好的發(fā)展前景和應(yīng)用價(jià)值。微型燃?xì)廨啓C(jī)的工作條件具有地域性差異，建立環(huán)境溫度、海拔高度可變的總體仿真模型，對(duì)研制新型實(shí)用微型燃?xì)廨啓C(jī)具有重要意義。

通過(guò)將仿真結(jié)果與C30微型燃?xì)廨啓C(jī)標(biāo)準(zhǔn)性能參數(shù)進(jìn)行對(duì)比得到：（1）在不同環(huán)境溫度下，該模型計(jì)算的發(fā)電量、效率與標(biāo)準(zhǔn)值的相對(duì)誤差低于0.7%；（2）不同海拔高度下，該模型計(jì)算的發(fā)電量比與標(biāo)準(zhǔn)值的相對(duì)誤差低于3%，驗(yàn)證了模型的準(zhǔn)確性。從換算值與標(biāo)準(zhǔn)值繪制成的轉(zhuǎn)速特性曲線中可以得到，在高轉(zhuǎn)速條件下?lián)Q算值與標(biāo)準(zhǔn)值的相對(duì)誤差低于8%，在低轉(zhuǎn)速條件下?lián)Q算值與標(biāo)準(zhǔn)值的相對(duì)誤差大于60%，說(shuō)明試驗(yàn)的微型燃?xì)廨啓C(jī)還需要進(jìn)一步優(yōu)化。在不同環(huán)境溫度與海拔高度下，使用該仿真模型計(jì)算得到的發(fā)電量、發(fā)電效率等參數(shù)，可以用來(lái)分析外界因素對(duì)微型燃?xì)廨啓C(jī)性能影響的程度。通過(guò)換算模塊計(jì)算得到的發(fā)電量、扭矩等與標(biāo)準(zhǔn)參數(shù)之間的比較，可以反映燃?xì)廨啓C(jī)性能的優(yōu)劣，也可以為部件優(yōu)化指明方向。

結(jié)束語(yǔ)

燃?xì)鉁u輪機(jī)是我們生活中常見(jiàn)的一種機(jī)械裝置，本質(zhì)上屬于熱機(jī)器。燃?xì)鉁u輪機(jī)內(nèi)容多種多樣，類(lèi)型豐富，但不管種類(lèi)如何變化，其工作原理幾乎沒(méi)有變化。燃?xì)廨啓C(jī)發(fā)動(dòng)機(jī)主要是軍用船舶、大型車(chē)輛、發(fā)電機(jī)組等設(shè)備，是日常生活中常見(jiàn)的一種燃?xì)廨啓C(jī)。