产品详细介绍

产品详细介绍

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

空冷技术是富煤缺水地区火力发电的关键技术，但气象、环境条件对空冷机组的性能存在显著的复杂影响；同时，空冷系统本身也具有典型的多尺度特征，探索空冷机组的安全高效运行和优化设计方法，实现火力发电的节能节水，是动力工程领域面临的前沿和挑战性课题。 从实验研究条件、多尺度数值计算模拟仿真和现场热力性能试验等不同角度，建立了迄今最为全面和完善的空冷系统性能研究环境，为开展适合我国北方自然环境条件的电站空冷技术研究提供了良好的支撑条件；完整揭示出大型火电空冷系统的性能特征和特性机理。开发了空冷单元空气流场的优化组织、空冷岛环境风场诱导强化技术和装置，提出风机群分区优化运行技术，解决了空冷技术受制于环境风场和极端气温不利影响带来的机组运行热效率偏低的核心难题。开发了空冷凝汽器用系列化新型高性能翅片管传热元件；提出具有自主知识产权、适合我国北方气象环境条件的新型间接空冷系统；结合我国国情，提出新的空冷凝汽器性能评价准则。显著提高了空冷选型和系统设计关键参数的优化水平，从源头上保障了空冷机组的优化设计和高效运行。 近5年来，实验室研究人员在该方向发表国内外学术期刊论文近50篇，被相关研究引用250余次，获授权发明专利5项。成果的主要技术内容通过了教育部科技成果鉴定，并先后获2009年教育部科技进步一等奖和2011年国家科技进步二等奖。项目成果在火电行业近百台大型空冷机组中得到应用，可使机组供电煤耗降低4.5-7g/kWh。项目成果的推广应用，可使火电行业形成年节约标准煤500万吨的能力，具有显著的经济、社会效益。

工业机器人定位精度是机器人技术研究的关键问题，直接影响到机器人的作业精度和应用水平。本项目瞄准机器人动态误差测量中的关键问题，原创性的将级联棱镜多模式跟踪方法引入机器人动态测量中，结合单站双视场三维重建方案，不仅可以实现粗精顺序跟踪、时变跟踪和连续跟踪等动态测量要求，而且能够产生直线形和圆弧形等多种跟踪样式，同时满足大视场、高分辨率成像和大范围、高精度定向的动态多自由度测量要求。研究内容包括：建立级联棱镜粗精耦合跟踪和双视场成像联控的测量方案和数学模型；研究粗精跟踪和双视场成像的参数匹配、模式转换、测量信息提取与图像处理方法；根据测量要求，建立机器人动态误差测量的理论模型、误差模型和实验方案，并实现测量系统的精确标定；通过机器人动态误差的测量实验，为机器人误差测量提供科学依据，同时对测量精度进行评定。本项目提出的单站多模式跟踪测量方法具有独创性和可行性，旨在攻克激光多模式跟踪机器人误差测量系统中的关键问题，开展测量系统的原理样机实验和应用示范研究，有望为机器人动态误差测量提供全新的解决途径，具有重要的应用价值和市场前景。 近二三十年来，激光跟踪技术发展迅速，在机器人测量领域得到广泛应用。据ElectroniCastConsultants发布的市场研究报告，对光电跟踪行业的全球消费量进行了调查分析。2010年，光电跟踪设备的全球消费价值为5.95亿美元，预计未来五年该行业的消费价值将以9.83％的平均年增长率在成长，2016年将达到9.51亿美元，约合人民币58.96亿元。本项目提出的测量系统以其结构紧凑、准确性高、速度快、偏转角度大、动态性能好、环境适应性好等优点，是一种颇具潜力的测量新技术，可以广泛用机器人动态误差测量领域，具有广阔的市场前景。 根据“中国制造2025”规划，我国需要努力提升高端装备的自主创新研发能力，而测量技术是高端装备制造的重要保证。目前，我国高端光学测量设备主要依赖进口，不仅价格昂贵，而且国外对其关键技术严密封锁。国外每台激光跟踪仪的售价高达百万元，严重制约一些我国中小心型企业的购买。因此本项目研发的产品不仅在国内存在巨大的市场空间和发展潜力，而可以推动先进装备制造的产业化进程，对促进我国自主创新具有重要的战略意义。项目研发中的创新技术处于国际先进水平，将极大提升机器人作业的技术含量。合作单位江阴纳尔捷机器人技术有限公司是专业从事机器人技术研发的高新技术企业，是机器人产业联盟第一届理事单位，具有雄厚的科研和技术开发实力。该项目在研究实验阶段，就可以将成果应用到现有产品的开发中；项目完成后除了该公司以外，研究成果还可以应用到其他自动化机器人装备企业的产品开发中。尤其通过产学研结合，将会极大的提升产品的科技含量并缩短产品开发周期，提前实现批量化市场销售，有望为企业带来良好的经济效益。

项目简介： 水安全是一个国家社会与经济发展的基本保障。水资源的管理和 使用需要精确和及时的监测。现有的水质检测技术需要不断提高其便 携性、降低成本、提高测量灵敏度，用来实现野外的实时水质监测。 本项目以 pH、pO2、温度等水质参数为出发点，通过小型化相关 传感器和检测设备，研发出可用于多参数水质检测的手持式设备。 项目特色： 用于水质多参数检测的手持式设备包括多个传感器、传感器信号 采集电路、低功耗蓝牙（BLE）和窄带物联网（NB-IoT）等通讯电路 以及多传感器融合算法等软硬件模块。 一般商用的 pH、pO2、温度等水质测量设备，需要使用市电供电， 只能在室内使用或者工作环境必须有市电的接入口。使得水质测量范 围受限。并且多数水质检测设备体积较大，难以携带。少数可手持的 设备，成本高昂，功能单一，难以适应室外多参数水质检测的需求。

本项目已建立目前国际领先 的生物养殖、环境污染治理的专 用优势菌群产品生产线，已开发 出拥有自主知识产权的 M D菌群 系列产品及其配套处理工艺与设 备。同时，进 一步DNA分子进化技术对适应性菌群功能优化，激活生物链的顶层输送，进行原生态平衡的自驱动治理和 重建良性的生态系统，促进生物量生产力的提高和水域活力的恢复。 该系列新型MD菌群生态活性剂产品普遍应用于经济动物养殖和水域环境治理等领域，包括水产养殖 的水质调控；高营养饲料添加剂；农业生产中的高效活性菌肥；土壤中毒性有机物及镉、铅重金属离子 污染物高浓度工农业有机废水的处理及资源清洁等。

本研究成果包括岩体初始地应力场计算仿真、岩体参数选取及反分析、岩体多场耦合机理及多场耦合数值模拟、复杂岩体开挖与锚固支护计算仿真、施工爆破效应计算仿真等诸多方面,形成了较为独特的岩体多场广义耦合分析的科学研究体系