前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的動(dòng)力工程影響因子主題范文,僅供參考,歡迎閱讀并收藏。
(沈陽(yáng)工程學(xué)院能源與動(dòng)力學(xué)院,沈陽(yáng) 110136)
(College of Energy and Power,Shenyang Institute of Engineering,Shenyang 110136,China)
摘要: 總結(jié)了汽輪機(jī)回?zé)嵯到y(tǒng)常見(jiàn)故障,建立了回?zé)嵯到y(tǒng)典型故障集。在利用模糊規(guī)則建立回?zé)嵯到y(tǒng)故障征兆知識(shí)庫(kù)基礎(chǔ)上,提出了一種基于支持向量機(jī)多分類算法的回?zé)嵯到y(tǒng)故障診斷方法。最后將該方法用于某汽輪機(jī)組回?zé)嵯到y(tǒng)故障診斷中,結(jié)果表明,該模型能有效的識(shí)別回?zé)嵯到y(tǒng)故障。
Abstract: The faults of regenerative heating system are briefly summarized, the typical fault set of regenerative heating system is built. A fault diagnosis model of regenerative heating system based on multi-class support vector machines algorithm is presented. Finally, the faults in a regenerative heating system of a turbine unit are diagnosed with the aid of the presented method, the result of diagnosis shows that it is simple and practical and it can effectively identify the regenerative heating system faults.
關(guān)鍵詞 : 熱能動(dòng)力工程;回?zé)嵯到y(tǒng);支持向量機(jī);故障診斷
Key words: thermal power engineering;regenerative heating system;support vector machines;fault diagnosis
中圖分類號(hào):TK264.1 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1006-4311(2015)18-0061-03
作者簡(jiǎn)介:張瑞青(1975-),女,山西大同人,碩士,講師,主要研究方向?yàn)殡姀S節(jié)能、性能監(jiān)測(cè)和故障診斷。
0 引言
在現(xiàn)代大型火電廠中,回?zé)嵯到y(tǒng)運(yùn)行情況的好壞,直接關(guān)系到汽輪機(jī)的安全經(jīng)濟(jì)運(yùn)行,隨著發(fā)電廠機(jī)組參數(shù)的提高,回?zé)嵯到y(tǒng)的運(yùn)行狀況對(duì)整個(gè)機(jī)組的安全性、經(jīng)濟(jì)性的影響更加顯著,因此,回?zé)嵯到y(tǒng)的故障診斷一直倍受關(guān)注。長(zhǎng)期以來(lái),回?zé)嵯到y(tǒng)的故障頻繁出現(xiàn),嚴(yán)重地影響了大機(jī)組高效率低能耗優(yōu)越性的正常發(fā)揮。因此,如何運(yùn)用計(jì)算機(jī)技術(shù),發(fā)現(xiàn)回?zé)嵯到y(tǒng)中出現(xiàn)的故障,并相應(yīng)采取及時(shí)措施,降低故障引起的損失,提高電廠的經(jīng)濟(jì)性,是當(dāng)前擺在我們面前的迫切任務(wù)之一。支持向量機(jī)(Support Vector Machine,SVM)是Vapnik[1]最早提出的一種統(tǒng)計(jì)學(xué)習(xí)方法,這種學(xué)習(xí)算法目前在大型火電廠熱力設(shè)備故障診斷中得到了成功的應(yīng)用[2-3]。本文將該方法用于熱力系統(tǒng)故障診斷中,通過(guò)建立回?zé)嵯到y(tǒng)典型故障征兆知識(shí)庫(kù)來(lái)準(zhǔn)確識(shí)別電站機(jī)組回?zé)嵯到y(tǒng)典型故障。
1 支持向量機(jī)多分類算法
支持向量機(jī)算法是為解決二值分類問(wèn)題而提出的一類算法,其計(jì)算原理為:假設(shè)一個(gè)兩分類樣本組(x1,y1),…,(xi,yi),xi∈Rd,yi∈{+1,1},支持向量機(jī)方法是尋找一個(gè)最優(yōu)超分類平面w·x+b=0將樣本合理歸類,使各分類與超分類平面之間距離最大(如圖1所示)。圖中實(shí)心點(diǎn)與空心點(diǎn)分別表示兩類樣本,H表示最優(yōu)分類線,直線H1、H2經(jīng)過(guò)平行于分類線且與之相距最近。試著在高維空間中應(yīng)用該結(jié)論進(jìn)行分類,則最優(yōu)分類線即為最優(yōu)分類面,直線H1、H2上的訓(xùn)練樣本點(diǎn)就是支持向量。將最優(yōu)超平面問(wèn)題轉(zhuǎn)化為式(1)所示的二次規(guī)劃問(wèn)題進(jìn)行運(yùn)算,就能解決該二分類問(wèn)題。
為了使分類面所覆蓋的范圍盡量大,還要使被錯(cuò)誤區(qū)分的樣本數(shù)量盡可能小,通常是通過(guò)增加一個(gè)松弛項(xiàng)ξi≥0,使式(1)中的目標(biāo)函數(shù)變?yōu)榍笙率街械摩眨╳,ξ)最小值:
然后引入Lagrange函數(shù)求解此優(yōu)化問(wèn)題。若要解決二分類問(wèn)題,則建立一個(gè)二維分類器。支持向量機(jī)構(gòu)造二維分類器的方法主要有兩種:一種是1998年Weston[4]提出的多類算法,另一種是通過(guò)組合多個(gè)二維分類器,構(gòu)造多類分類器,這類方法目前主要有Vapnik[1]提出的一對(duì)多算法和Kressel[5]提出的一對(duì)一算法以及由該算法衍生出的有向無(wú)環(huán)決策圖方法(Decision Directed Acyclic Graph,DDAG)[6-7]。
有向無(wú)環(huán)決策圖方法:針對(duì)N類分類問(wèn)題,首先建立N(N-1)/2個(gè)SVM二維分類器,然后將這些二維分類器組合成一個(gè)帶有根結(jié)點(diǎn)的N層DDAG,在DDAG中,每個(gè)二維分類器對(duì)應(yīng)兩類,分布N層結(jié)構(gòu)中,頂層僅僅分布一個(gè)根結(jié)點(diǎn),第二層分布著對(duì)應(yīng)兩個(gè)級(jí)別的兩個(gè)葉結(jié)點(diǎn)。以此類推,第N層有N個(gè)葉結(jié)點(diǎn),對(duì)應(yīng)N個(gè)類別。中間共有N(N-1)/2個(gè)結(jié)點(diǎn),每一個(gè)中間結(jié)點(diǎn)是N(N-1)/2個(gè)SVM二維分類器中的一個(gè),且每個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)決策函數(shù)。在分類環(huán)節(jié),先從根結(jié)點(diǎn)開(kāi)始按設(shè)計(jì)要求分別錄入分類對(duì)象,以該結(jié)點(diǎn)所對(duì)應(yīng)的分類函數(shù)為依據(jù)展開(kāi)運(yùn)算,根據(jù)運(yùn)算結(jié)果(0或1)確定下一步應(yīng)該按什么路徑進(jìn)行分類,然后通過(guò)(N-1)次的判別,最后一層結(jié)點(diǎn)處的輸出就是最終所屬的類別。圖2給出了一個(gè)包含四個(gè)類別的有向無(wú)環(huán)DDAG決策圖。
2 回?zé)嵯到y(tǒng)故障集合和征兆知識(shí)庫(kù)
2.1 回?zé)嵯到y(tǒng)故障集合
結(jié)合相關(guān)文獻(xiàn)[8-9]對(duì)回?zé)嵯到y(tǒng)典型故障的理論進(jìn)行分析,同時(shí)根據(jù)現(xiàn)場(chǎng)運(yùn)行經(jīng)驗(yàn),將抽汽管道逆止閥卡澀、排氣管道排氣不暢、排氣管道排氣量過(guò)大、加熱器管束污染(結(jié)垢)、加熱器內(nèi)部水側(cè)短路、加熱器內(nèi)部管系泄漏、疏水不暢、疏水器故障、加熱器旁路閥故障、加熱器滿水、除氧器排氣帶水、除氧器自身沸騰12個(gè)比較典型常見(jiàn)的回?zé)嵯到y(tǒng)故障作為故障集合,記為uj(j=1,2,…,12)。
根據(jù)現(xiàn)場(chǎng)運(yùn)行經(jīng)驗(yàn)可知,回?zé)嵯到y(tǒng)運(yùn)行參數(shù)的變化情況不合常規(guī),是典型的故障征兆。為了使診斷系統(tǒng)具有實(shí)用性和通用性,選取抽汽流量、加熱器抽汽壓力、加熱器進(jìn)口壓力、加熱器進(jìn)口水溫、加熱器出口水溫、加熱器混合點(diǎn)前出口水溫、加熱器出口端差、加熱器疏水水位、加熱器疏水溫度9個(gè)參數(shù)測(cè)點(diǎn)(記為xi,i=1,2,…,9)來(lái)反映回?zé)嵯到y(tǒng)的故障表現(xiàn),這些異常運(yùn)行參數(shù)有的必須通過(guò)運(yùn)算才可獲得,有的則直接從電廠的實(shí)時(shí)數(shù)據(jù)庫(kù)中獲得。
2.2 訓(xùn)練征兆知識(shí)庫(kù)
根據(jù)運(yùn)行系統(tǒng)和現(xiàn)場(chǎng)技術(shù)人員的經(jīng)驗(yàn)積累可知,運(yùn)行過(guò)程中回?zé)嵯到y(tǒng)發(fā)生的故障與參數(shù)征兆表現(xiàn)之間的關(guān)系并不十分明確,因此,在利用SVM進(jìn)行回?zé)嵯到y(tǒng)故障診斷時(shí),需對(duì)故障的征兆進(jìn)行模糊化處理,回?zé)嵯到y(tǒng)故障征兆集xi按下列規(guī)則取值[9]:
根據(jù)上式建立回?zé)嵯到y(tǒng)典型故障的訓(xùn)練樣本庫(kù),如表1所示。
2.3 基于DDAGSVM的回?zé)嵯到y(tǒng)多故障診斷模型
根據(jù)回?zé)嵯到y(tǒng)典型故障類型設(shè)計(jì)一個(gè)12類問(wèn)題的有向無(wú)環(huán)決策圖(DDAGSVM)模型,由12*(12-1)/2=132個(gè)二維分類器將其中任何兩類故障分開(kāi),每個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)二維分類器。將表1所示的典型故障作為訓(xùn)練樣本展開(kāi)分析,將徑向基函數(shù)視為核函數(shù)建立SVM,已“對(duì)訓(xùn)練樣本分類的錯(cuò)分率最小”為判斷依據(jù)進(jìn)行參數(shù)尋優(yōu),分別取徑向基核函數(shù)的寬度系數(shù)σ=0.1~10,懲罰因子C=10~10000,具體步驟如下。
①選擇寬度系數(shù)和懲罰因子(σ,C)建立模型,并對(duì)樣本進(jìn)行訓(xùn)練,得到最優(yōu)分類結(jié)果。
②在訓(xùn)練網(wǎng)絡(luò)中輸入典型故障樣本,比照樣本實(shí)際類別對(duì)輸出結(jié)果進(jìn)行歸類分析,建立有向無(wú)環(huán)決策圖(DDAGSVM)模型分類錯(cuò)分樣本統(tǒng)計(jì)矩陣D=[dij],其中di,j(i=j,i,j=1,2,…12)為正確分類數(shù),di,j(i≠j,1,2…,12)表示將第i類典型故障分到第j類的個(gè)數(shù),令E=∑di,j,(i≠j,i,j=1,2,…,12)為錯(cuò)分樣本總數(shù)。
③假設(shè)錯(cuò)分樣本總數(shù)E未達(dá)到分類精度,就要按步驟1再進(jìn)行一輪分析,然后重新進(jìn)行樣本訓(xùn)練,直至模型符合分類精度或達(dá)到迭代次數(shù)才可認(rèn)定為合格。
在本文所述案例中,當(dāng)寬度系數(shù)和懲罰因子分別為σ=5,C=1000時(shí),將12類回?zé)嵯到y(tǒng)故障完全正確分類。
3 實(shí)例應(yīng)用
以某電站某300MW機(jī)組回?zé)嵯到y(tǒng)的某加熱器故障為例。該故障發(fā)生時(shí)的主要征兆為:高加出口端差變大,加熱器溫升(出口水溫)下降,加熱器疏水水位快速上升,加熱器疏水溫度下降。利用上述回?zé)嵯到y(tǒng)故障參數(shù)值進(jìn)行模糊化處理,得到實(shí)時(shí)征兆故障模式向量:V=[0.76,0.66,0.77,0.54,0.31,0.23,0.86,0.95,0.21],利用本文提出的故障模型進(jìn)行診斷,診斷結(jié)果為[-1,-1,-1,-1,-1,1,-1,-1,-1,-1,-1,-1],說(shuō)明是回?zé)嵯到y(tǒng)發(fā)生第6類故障,即加熱器管系泄漏,與實(shí)際情況相符。
4 結(jié)論
本文采用基于支持向量機(jī)多分類方法,建立了回?zé)嵯到y(tǒng)故障診斷多故障分類模型,在總結(jié)回?zé)嵯到y(tǒng)常見(jiàn)故障的基礎(chǔ)上,建立了回?zé)嵯到y(tǒng)典型故障集,通過(guò)模糊規(guī)則獲得凝汽器故障征兆知識(shí)庫(kù),用有向無(wú)環(huán)決策圖(DDAGSVM)算法對(duì)小樣本情況下回?zé)嵯到y(tǒng)典型故障診斷進(jìn)行了研究,實(shí)例計(jì)算表明,有向無(wú)環(huán)決策圖(DDAGSVM)算法具有較高的診斷準(zhǔn)確率。
參考文獻(xiàn):
[1]V.Vapnik. Statistical Learning Theory [M].Wiley,1998.
[2]王雷,張瑞青,盛偉,徐治皋.基于模糊規(guī)則和支持向量機(jī)的凝汽器故障診斷[J].熱能動(dòng)力工程,2009,24(4):479-480.
[3]翟永杰,王東風(fēng),韓璞.基于多類支持向量機(jī)的汽輪發(fā)電機(jī)組故障診斷[J].動(dòng)力工程,2005,23(5):2694-2698.
[4]J.Weston, C.Watkins. Multi-class support vector machines. Royal Holloway College [J]. Tech Rep: CSD-TR-98-04, 1998.
[5]U.Kressel. Pairwise classification and support vector machines. In B.Scholkopf et al (Eds.), Advances in kernel Methods-Support vector learning, Cambridge, MA, MIT Press, 1999:255-268.
[6]Hsu Chih-Wei, Lin Chih-Jen. A Comparison of Methods for Multiclass Support Vector Machines [J].IEEE Transactions on Neural Networks, 2002, 13(2):415-425.
[7]J.Platt, et al. Large Margin DAGs for Multiclass Classification, in Advances in Neural Information Processing Systems 12,The MIT Press,Cambridge,MA,2000.
自1977年恢復(fù)高考以來(lái),我國(guó)高校招生政策主要經(jīng)歷了四個(gè)發(fā)展歷程[1,2]。1977年至1985年我國(guó)實(shí)行的是在適當(dāng)?shù)攸c(diǎn)定期實(shí)行全部或局部高等學(xué)校聯(lián)合或統(tǒng)一招生。1986年至1992年國(guó)家采取計(jì)劃招生,實(shí)行單位委托培養(yǎng)和定向招生及招收部分自費(fèi)生的雙軌辦法,改變了高度集中的單一招生計(jì)劃體制。其后至2002年,國(guó)家實(shí)行了一系列的招生政策改革,使得我國(guó)高等教育實(shí)現(xiàn)了跨越式發(fā)展。2003年至今教育部實(shí)行了擴(kuò)大高校招生自主權(quán)的改革,自此大類招生開(kāi)始出現(xiàn)。大類招生政策自實(shí)施以來(lái),經(jīng)過(guò)近十年的發(fā)展和逐漸推廣,迄今100多所“211工程”院校中已有超過(guò)一半的高校實(shí)行了按大類招生的模式。大類招生是指將相同或相近學(xué)科門類的專業(yè)合并,按一個(gè)專業(yè)大類進(jìn)行招生。大類招生之所以能取得如此快速的發(fā)展是由其先進(jìn)性決定的——大類招生不僅有利于培養(yǎng)創(chuàng)新型人才和按需培養(yǎng)人才,而且還可以幫助高校整合內(nèi)部資源,提高辦學(xué)效益[3]。
由于大類招生屬于新生事物,部分高校實(shí)施不久,其潛在的弊端尚未顯露,而按大類招生政策錄取的學(xué)生的成績(jī)往往隱含著這些信息[4],因此,對(duì)這類學(xué)生的成績(jī)進(jìn)行統(tǒng)計(jì)分析,發(fā)現(xiàn)其潛在的問(wèn)題,從而提出相應(yīng)解決方案是尤為重要的。本文以較早實(shí)行大類招生的中南大學(xué)能源動(dòng)力類學(xué)生成績(jī)?yōu)檠芯繉?duì)象,通過(guò)建立Logit對(duì)數(shù)線性模型,探討生源地和入學(xué)年齡對(duì)學(xué)生成績(jī)的影響,進(jìn)而根據(jù)統(tǒng)計(jì)結(jié)果提出相關(guān)對(duì)策以進(jìn)一步完善大類招生模式。
二、數(shù)據(jù)收集及處理
(一)對(duì)象
中南大學(xué)有工學(xué)、理學(xué)、醫(yī)學(xué)、文學(xué)、法學(xué)和經(jīng)濟(jì)學(xué)等十一大學(xué)科門類,有30個(gè)二級(jí)學(xué)院和83個(gè)本科專業(yè),是一所典型的綜合性大學(xué)。中南大學(xué)能源科學(xué)與工程學(xué)院自2008年開(kāi)始便實(shí)行了按能源動(dòng)力類大類招生,能源動(dòng)力類是培養(yǎng)從事動(dòng)力機(jī)械和動(dòng)力工程的設(shè)計(jì)、制造、運(yùn)行和管理等方面的高級(jí)工程技術(shù)人才的典型工科專業(yè)。因此,以中南大學(xué)能源動(dòng)力類學(xué)生成績(jī)?yōu)檠芯繉?duì)象建立Logit對(duì)數(shù)線性模型,分析得出的結(jié)論具有一般性,能夠指導(dǎo)綜合性大學(xué)工科專業(yè)大類招生下學(xué)生科學(xué)文化素質(zhì)的培養(yǎng)。本文統(tǒng)計(jì)了中南大學(xué)能源動(dòng)力類2009級(jí)185名和2010級(jí)166名本科生的成績(jī),涵蓋了他們自入學(xué)到2012年上學(xué)期所學(xué)習(xí)的所有18門和15門基礎(chǔ)課科目,包括工程制圖、大學(xué)計(jì)算機(jī)基礎(chǔ)、微積分、大學(xué)物理、基礎(chǔ)英語(yǔ)等。限于篇幅原因,學(xué)生的各科原始成績(jī)數(shù)據(jù)本文不予陳列。
(二)成績(jī)?cè)u(píng)價(jià)模型及等級(jí)劃分
學(xué)生成績(jī)綜合測(cè)評(píng)的方法主要有總分法、算術(shù)
[收稿日期] 2014-06-16;[修回日期] 2014-06-26
[基金項(xiàng)目] 中南大學(xué)開(kāi)放式精品示范課堂計(jì)劃項(xiàng)目“能源與動(dòng)力工程測(cè)試技術(shù)”(2014sfkt223)
[作者簡(jiǎn)介] 孫志強(qiáng)(1980-),男,河南武陟人,博士,中南大學(xué)教授,主要研究方向:節(jié)能與新能源.
平均值法、加權(quán)平均法、模糊綜合評(píng)判法、層次分析法、因子分析法和主成分分析法等[5,6]??偡址ê退阈g(shù)平均值法是對(duì)單個(gè)學(xué)生所有課程成績(jī)求出總和或平均數(shù),作為綜合考核結(jié)果來(lái)對(duì)學(xué)生進(jìn)行比較和評(píng)定。這兩種方法非常簡(jiǎn)單,但沒(méi)有考慮課程學(xué)分的影響。模糊綜合評(píng)判是對(duì)受多種因素影響的復(fù)雜的對(duì)象采用模糊數(shù)學(xué)的理論與技術(shù)進(jìn)行綜合評(píng)判而得到定量評(píng)價(jià)結(jié)果的方法[7]。層次分析法是一種將定性分析和定量分析相結(jié)合的系統(tǒng)分析方法,其首先需要將復(fù)雜的問(wèn)題層次化,然后根據(jù)系統(tǒng)的特點(diǎn)和基本原則對(duì)各層的因素進(jìn)行對(duì)比分析,最后以計(jì)算出的最低層相對(duì)于最高層的相對(duì)重要性次序的組合權(quán)值作為評(píng)價(jià)的依據(jù)[8]。主成分分析法是將原來(lái)的多個(gè)變量適當(dāng)?shù)慕M合成一些數(shù)量較少的綜合指標(biāo)來(lái)近似代替原來(lái)的多個(gè)變量[9]。因子分析法是將具有錯(cuò)綜復(fù)雜關(guān)系的變量綜合為數(shù)量較少的幾個(gè)因子以再現(xiàn)原始變量和因子之間的相互關(guān)系,在某種程度上可看成是主成分分析的推廣和拓展[10]。這四種方法較為復(fù)雜,面對(duì)本研究龐大的數(shù)據(jù)需要花費(fèi)較長(zhǎng)的時(shí)間,不便使用。
加權(quán)平均法不僅涵蓋了課程的學(xué)分信息,而且其計(jì)算方法還簡(jiǎn)單,故本研究最終選取該方法進(jìn)行綜合成績(jī)的分析。加權(quán)平均法一種考慮了課程所占權(quán)重的學(xué)生成績(jī)綜合評(píng)價(jià)方法,科目的學(xué)分越高,該科成績(jī)?cè)谶M(jìn)行綜合評(píng)測(cè)時(shí)所占的比重越大,其具體計(jì)算方法為:
通過(guò)計(jì)算發(fā)現(xiàn),所取樣本中學(xué)生加權(quán)平均成績(jī)的最大值和最小值分別為90.66和60.77??紤]到這兩數(shù)值的大小,本文最終利用成績(jī)績(jī)點(diǎn)的分界值將學(xué)生的成績(jī)劃分成優(yōu)、良、中和及格四個(gè)等級(jí):當(dāng)加權(quán)平均成績(jī)≥85時(shí),成績(jī)?yōu)閮?yōu);當(dāng)85>加權(quán)平均成績(jī)≥78時(shí),成績(jī)?yōu)榱?;?dāng)78>加權(quán)平均成績(jī)≥71時(shí),成績(jī)?yōu)橹?;?dāng)71>加權(quán)平均成績(jī)≥60時(shí),成績(jī)?yōu)榧案瘛?/p>
三、Logit對(duì)數(shù)線性模型
本文主要探討生源地及入學(xué)年齡對(duì)學(xué)生成績(jī)的影響,所研究問(wèn)題的變量均為稱名變量,有自變量和因變量的區(qū)別,而且還有兩個(gè)自變量,因此,多變量分析方法中的Logit對(duì)數(shù)線性模型特別適合于分析此類問(wèn)題。Logit對(duì)數(shù)線性模型主要用來(lái)探討與解釋因變量與自變量間的關(guān)系,通常以最大似然法進(jìn)行模型估計(jì)與檢驗(yàn)[11]。
(一)建模與自由度計(jì)算
考慮到生源地種類有31種,而2009級(jí)與2010級(jí)能源動(dòng)力類學(xué)生總?cè)藬?shù)僅為351人,所以,為了滿足Logit對(duì)數(shù)線性模型的使用前提必須對(duì)生源地進(jìn)行分類[11]。根據(jù)表1所示的2010年高考985高校各省錄取率將生源地歸為三類:① 0<錄取率≤1.5;② 1.5<錄取率≤3;③ 3<錄取率。由于大部分學(xué)生入學(xué)年齡為18或19歲,因此,將學(xué)生入學(xué)年齡分為兩類:① 18歲及以下;② 19歲及以上。按前述分類后,中南大學(xué)2009級(jí)與2010級(jí)能源動(dòng)力類學(xué)生成績(jī)的統(tǒng)計(jì)結(jié)果如表2所示。
表1 2010年高考全國(guó)各省級(jí)行政區(qū)的985高校錄取率
序號(hào) 生源地 985高校
錄取率(%) 類別 序號(hào) 生源地 985高校
錄取率(%) 類別 序號(hào) 生源地 985高校
錄取率(%) 類別
1 上海 5.129 3 12 四川 2.417 2 23 云南 1.418 1
2 天津 4.378 3 13 福建 2.290 2 24 貴州 1.380 1
3 北京 4.069 3 14 寧夏 2.231 2 25 廣西 1.259 1
4 吉林 3.814 3 15 黑龍江 2.216 2 26 河北 1.191 1
5 重慶 3.690 3 16 湖南 2.122 2 27 內(nèi)蒙古 1.177 1
6 遼寧 3.527 3 17 江蘇 1.933 2 28 山西 1.168 1
7 青海 3.458 3 18 山東 1.801 2 29 安徽 1.035 1
8 湖北 3.201 3 19 新疆 1.700 2 30 河南 0.987 1
9 海南 3.074 3 20 陜西 1. 687 2 31 西藏 0.979 1
10 浙江 2.790 2 21 甘肅 1.646 2
11 廣東 2.742 2 22 江西 1.437 1
表2 2009級(jí)與2010級(jí)能源動(dòng)力類學(xué)生成績(jī)統(tǒng)計(jì)結(jié)果
類別 18歲及以下 19歲及以上
優(yōu) 良 中 及格 優(yōu) 良 中 及格
1類生源地 4 16 20 4 7 32 26 7
2類生源地 10 31 26 4 13 42 48 14
3類生源地 2 5 7 3 1 9 17 3
A代表生源地,B代表入學(xué)年齡,C代表成績(jī)等級(jí),則變量A、B、C分別有3、2和4個(gè)類別。根據(jù)對(duì)數(shù)線性模型的階層特性(C為因變量,A與B為自變量),則可能建立的五個(gè)模型如表3所示。其中,模型1代表三個(gè)變量彼此獨(dú)立,生源地和入學(xué)年齡均與成績(jī)等級(jí)無(wú)因果關(guān)系存在;模型2-1只有生源地與成績(jī)等級(jí)的交互作用,代表只有生源地與成績(jī)等級(jí)間有關(guān)系存在;模型2-2表示只有入學(xué)年齡與成績(jī)等級(jí)有關(guān)系存在;模型3表示生源地和入學(xué)年齡都與成績(jī)等級(jí)有關(guān)系存在;模型4表示生源地和入學(xué)年齡以及這兩者的交互作用都與成績(jī)等級(jí)有關(guān)系存在。
(二)模型擬合優(yōu)度檢驗(yàn)結(jié)果與分析
在建立三維度列聯(lián)表的可能模型后,計(jì)算每一個(gè)模型的似然比,并進(jìn)行擬合優(yōu)度檢驗(yàn),其結(jié)果如表3所示。其中,似然比計(jì)算公式為:
式中,eijk為各細(xì)格的期望次數(shù);fijk為各細(xì)格的實(shí)際次數(shù);i為變量A的類別;j為變量B的類別;k為變量C的類別。
由表3可知,模型1的似然比值為10.831,在自由度為15時(shí),顯著水平p值為0.764,并未達(dá)到0.05顯著水平,因此該模型已經(jīng)可以擬合表2中的實(shí)際數(shù)據(jù)。同時(shí)還可以發(fā)現(xiàn),在加入了生源地與成績(jī)等級(jí)的交互作用和入學(xué)年齡與成績(jī)等級(jí)的交互作用后,擬合結(jié)果的顯著水平分別下降至0.698和0.645,其擬合精度有所下降,故模型1是最佳擬合模型。該結(jié)果表明,學(xué)生成績(jī)基本與生源地和入學(xué)年齡無(wú)關(guān)。
現(xiàn)實(shí)生活中普遍認(rèn)為學(xué)生成績(jī)與班級(jí)學(xué)風(fēng)密切相關(guān),為了確定此種觀點(diǎn)是否正確,本文對(duì)能源動(dòng)力類2010級(jí)5個(gè)班的成績(jī)情況進(jìn)行了統(tǒng)計(jì),其結(jié)果如表4所示。從表中可以看出,2010級(jí)整體成績(jī)最好和最差的班級(jí)是能動(dòng)1002班和能動(dòng)1001,其成績(jī)?yōu)榱家陨系谋壤謩e為70%和25.71%,相差44.29%。這與現(xiàn)實(shí)生活中兩個(gè)班級(jí)的整體表現(xiàn)相吻合,據(jù)觀察,能動(dòng)1002班的學(xué)生普遍學(xué)習(xí)用功,到課率高,而且該班會(huì)經(jīng)常組織同學(xué)集體上早自習(xí)和晚自習(xí),學(xué)風(fēng)好;而能動(dòng)1001班相對(duì)來(lái)說(shuō)學(xué)風(fēng)稍差,學(xué)生學(xué)習(xí)不夠積極主動(dòng),缺課率相比其他班級(jí)也要高一些。由此表明,學(xué)生成績(jī)與班級(jí)學(xué)風(fēng)密切相關(guān)的觀點(diǎn)是正確的。由于學(xué)生成績(jī)能反映學(xué)生掌握知識(shí)和各種能力的程度,是評(píng)價(jià)大類招生政策下大學(xué)生培養(yǎng)方案實(shí)施效果如何最有力的標(biāo)志之一,因此,為了提高大學(xué)生的成績(jī),幫助他們更好的成長(zhǎng)成才,學(xué)校需要將班級(jí)學(xué)風(fēng)的建設(shè)擺在首位,加強(qiáng)對(duì)其的建設(shè)以完善大類招生政策下的大學(xué)生培養(yǎng)計(jì)劃。
表3 可能的Logit對(duì)數(shù)線性模型及其擬合優(yōu)度檢驗(yàn)結(jié)果
模型階層 模型 表示法 似然比 自由度 顯著水平
1 lneijk=μ+αA+βB+γC {A} {B} {C} 10.831 15 0.764
2-1 lneijk=μ+αA+βB+γC +αγAC {AC} {B} 6.415 9 0.698
2-2 lneijk=μ+αA+βB+γC +βγBC {BC} {A} 9.668 12 0.645
3 lneijk=μ+αA+βB+γC+αγAC+βγBC {AC} {BC} 5.280 6 0.508
4 lneijk=μ+αA+βB+γC+αγAC+βγBC +αβγABC {ABC} 0 0 1
注:αA,生源地的主效應(yīng);βB,入學(xué)年齡的主效應(yīng);γC,成績(jī)等級(jí)的主效應(yīng);αγAC,生源地與成績(jī)等級(jí)的交互作用效果;βγBC,入學(xué)年齡與成績(jī)等級(jí)的交互作用效果;αβγABC,生源地、入學(xué)年齡與成績(jī)等級(jí)的交互作用效果。
表4 能源動(dòng)力類2010級(jí)各班成績(jī)統(tǒng)計(jì)結(jié)果
成績(jī)等級(jí)
班級(jí) 優(yōu) 良 中 及格
人數(shù) 所占比例(%) 人數(shù) 所占比例(%) 人數(shù) 所占比例(%) 人數(shù) 所占比例(%)
能動(dòng)1001 2 5.71 7 20.00 20 57.15 6 17.14
能動(dòng)1002 3 15.00 11 55.00 6 30.00 0 0.00
能動(dòng)1003 2 8.70 12 52.17 9 39.13 0 0.00
能動(dòng)1004 0 0.00 11 37.93 17 58.62 1 3.45
能動(dòng)1005 1 3.45 12 41.38 15 51.72 1 3.45
注:所占比例是指各成績(jī)等級(jí)的人數(shù)占班級(jí)總?cè)藬?shù)的比例。
四、結(jié)論與建議
本文通過(guò)對(duì)建立的以成績(jī)等級(jí)為因變量、生源地與入學(xué)年齡為自變量的Logit對(duì)數(shù)線性模型進(jìn)行分析發(fā)現(xiàn),學(xué)生成績(jī)與生源地及入學(xué)年齡基本無(wú)關(guān),而與班級(jí)學(xué)風(fēng)密切相關(guān)。學(xué)風(fēng)好,班級(jí)學(xué)習(xí)氛圍好,努力學(xué)習(xí)的人數(shù)也就多,成績(jī)優(yōu)秀的人數(shù)也越多。所以,加強(qiáng)班級(jí)學(xué)風(fēng)建設(shè)尤為重要,是提高學(xué)生成績(jī)最有效的途徑之一。
針對(duì)目前逐漸推廣并流行的高校大類招生,筆者認(rèn)為可以通過(guò)以下兩方面的措施來(lái)加強(qiáng)學(xué)風(fēng)的建設(shè)。
(1)重視入學(xué)教育。綜合高校工科專業(yè)的學(xué)生來(lái)自全國(guó)各地,他們的學(xué)習(xí)基礎(chǔ)自然各不相同,在付諸相同努力后,其取得的成效也是各有差異的。有些學(xué)生在階段性成績(jī)出來(lái)后,他們會(huì)因?yàn)橛X(jué)得自己已經(jīng)很努力了但依然趕不上別人而把原因歸結(jié)于自己高中的學(xué)習(xí)基礎(chǔ)差。當(dāng)他們產(chǎn)生這樣的想法后,他們便會(huì)失去學(xué)習(xí)的沖勁,從而造成成績(jī)的下滑。因此有必要在本科生的入學(xué)教育中強(qiáng)調(diào)高中的學(xué)習(xí)基礎(chǔ)(與生源地相關(guān))和入學(xué)年齡基本與他們大學(xué)里所取得的成績(jī)無(wú)關(guān),而是取決于他們?cè)诖髮W(xué)里的學(xué)習(xí)努力程度。
(2)設(shè)立基于班級(jí)整體成績(jī)的獎(jiǎng)學(xué)金名額分配機(jī)制。校級(jí)獎(jiǎng)學(xué)金的班級(jí)名額分配不再以班級(jí)學(xué)生名額為依據(jù),而是調(diào)整為以班級(jí)整體成績(jī)(班級(jí)加權(quán)平均分)為基準(zhǔn),根據(jù)班級(jí)整體成績(jī)排名而分配獎(jiǎng)學(xué)金的名額。班級(jí)整體成績(jī)能夠很好的反映各班級(jí)學(xué)風(fēng)的好壞,將獎(jiǎng)學(xué)金的名額與班級(jí)整體成績(jī)掛鉤后,每一位同學(xué)的成績(jī)都會(huì)影響集體的榮譽(yù)與利益。在這種情況下,各班級(jí)都會(huì)積極主動(dòng)地制定措施來(lái)加強(qiáng)自身班級(jí)學(xué)風(fēng)的建設(shè),學(xué)生的自我管理往往能取得更好的效果。
參考文獻(xiàn):
[1] 孫華.我國(guó)高校招生政策100年述評(píng)[J].復(fù)旦教育論壇,2007,5(1):59-64.
[2] 高桂芬.教育公平背景下的高校招生政策研究[D].北京:首都師范大學(xué),2008.
[3] 唐蘇瓊.高校實(shí)施大類招生的利弊分析[J].中國(guó)高教研究,2009,24(1):88-89.
[4] 吳兆奇,關(guān)蓬萊,吳曉明.考試成績(jī)的Logistic回歸模型研究[J].統(tǒng) 計(jì)與決策,2007,23(3):21-23.
[5] 徐則中.基于變權(quán)的學(xué)生成績(jī)綜合評(píng)價(jià)[J].中國(guó)電力教育,2010,26(19):50-52.
[6] 黃修芝.統(tǒng)計(jì)分析方法在成績(jī)分析中的應(yīng)用[J].統(tǒng)計(jì)與決策,2002,18(3):48.
[7] 孫艷,蔡志丹.模糊綜合評(píng)判法在學(xué)生考試成績(jī)?cè)u(píng)價(jià)中的應(yīng)用[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,34(4):178-179.
[8] 李瑞蘭.層次分析法在畢業(yè)設(shè)計(jì)(論文)成績(jī)?cè)u(píng)定中的應(yīng)用[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版),2011,12(4):156-158,176.
[9] 張磊.基于主成分分析法的學(xué)生綜合成績(jī)分析[J].科技信息,2012,29(4):113.
【關(guān)鍵詞】鋯合金;碘致應(yīng)力腐蝕開(kāi)裂;應(yīng)力強(qiáng)度因子閾值;開(kāi)裂速率;模型
0 引言
鋯合金在拉應(yīng)力和碘腐蝕介質(zhì)共同作用下所引起的脆性斷裂稱為碘致應(yīng)力腐蝕開(kāi)裂,簡(jiǎn)稱ISCC。ISCC與單純的拉伸破壞不同,當(dāng)有碘存在時(shí),鋯合金在低于它的屈服強(qiáng)度下即可發(fā)生破壞;它與單純的腐蝕也不同,當(dāng)有拉應(yīng)力時(shí),即使碘濃度很小,腐蝕速率也會(huì)很快[1]。
ISCC的發(fā)生過(guò)程一般分三個(gè)階段,即孵化期(I)、初始裂紋的形成(II)、裂紋的擴(kuò)展(III),韌性破裂(IV)。孵化期是ISCC的準(zhǔn)備階段,與鋯表面保護(hù)性氧化層的弱化所需要的時(shí)間有關(guān)。在第二階段,裂紋的形成以晶間脆性斷裂為主,開(kāi)裂速率一般為10-10m/s左右。之后當(dāng)應(yīng)力強(qiáng)度因子K超過(guò)KISCC,晶粒發(fā)生穿晶斷裂,其速率在10-7~10-6m/s之間。K繼續(xù)增大,開(kāi)裂速率保持在一定值之后,當(dāng)裂紋尖端真應(yīng)力超過(guò)鋯合金屈服強(qiáng)度,則發(fā)生韌性破裂,破裂速率進(jìn)一步上升。鋯合金開(kāi)裂速率隨應(yīng)力強(qiáng)度因子K的變化關(guān)系如圖1所示。
其中,Y是與試件幾何形狀、載荷條件、裂紋位置有關(guān)的形狀系數(shù),σ是試件所受真應(yīng)力,a是裂紋深度。對(duì)于特定裂紋深a的試件,存在某真應(yīng)力σC,使得超過(guò)它時(shí),ISCC進(jìn)入第(III)階段,穿晶斷裂發(fā)生,對(duì)應(yīng)的K稱為碘致應(yīng)力腐蝕開(kāi)裂的應(yīng)力強(qiáng)度因子閾值,簡(jiǎn)稱KISCC,代表材料抵抗裂紋失穩(wěn)擴(kuò)展的能力[2]。一旦K超過(guò)KISCC,裂紋以穿晶斷裂的擴(kuò)展方式發(fā)展,開(kāi)裂速率急速上升[3](圖1)。
反應(yīng)堆中,當(dāng)芯包閉合發(fā)生PCI作用,包殼周向產(chǎn)生拉應(yīng)力。若鋯合金應(yīng)力強(qiáng)度超過(guò)KISCC,裂紋開(kāi)裂速率加快,燃料棒則有破裂的危險(xiǎn),因此,研究和建立的計(jì)算模型在實(shí)際工程應(yīng)用和燃料包殼破裂失效的判斷中有著重要的意義。
1 KISCC模型的建立
ISCC 的發(fā)生是多因素共同作用的結(jié)果,可能涉及到的因素有碘濃度、氧分壓、溫度、局部塑性應(yīng)變、應(yīng)力強(qiáng)度因子、應(yīng)變率、應(yīng)力水平和方向、晶向、織構(gòu)。其中,影響KISCC最為重要的因素有以下四個(gè):
(1)織構(gòu)
(2)包殼溫度
(3)快中子注量(E>0.1MeV)
(4)碘濃度
本節(jié)就以上四個(gè)重要因素展開(kāi)討論,通過(guò)數(shù)據(jù)擬合得到KISCC的四影響因子模型,并在此基礎(chǔ)上建立計(jì)算KISCC的模型公式。
1.1 定量的選取
KISCC模型的建立主要是通過(guò)控制變量的方法,即先確定某條件下的KISCC為定量值,然后固定三個(gè)影響因素,擬合KISCC隨另一影響因素的變化趨勢(shì)。若數(shù)據(jù)不適合進(jìn)行這樣的處理時(shí),則該定量做為歸一化因子。本文中,取垂直于開(kāi)裂面方向的織構(gòu)為0.33,包殼溫度350℃,未接受輻照,碘分壓100Pa時(shí)鋯合金的應(yīng)力強(qiáng)度因子閾值13.06MPa m0.5做為定量[4-5]。
1.2 織構(gòu)
800℃以下時(shí),鋯單晶是密排六方晶體,由它組成的晶粒在某些方向上的聚集排列叫做織構(gòu)。圖2是ISCC發(fā)生穿晶斷裂的斷面圖[6],準(zhǔn)解理區(qū)由基平面組成,屬于脆性斷裂,而溝槽壁位于棱柱面上,屬于韌性斷裂。碘吸附在基平面上可使表面自由能大大降低, ISCC裂紋在基平面上的擴(kuò)展加速[7]。準(zhǔn)解理面與溝槽壁垂直,塑性變形不對(duì)基平面上的張應(yīng)力起作用,所以基平面與作用力的相對(duì)取向是一個(gè)關(guān)鍵參數(shù),而且織構(gòu)的影響最為顯著。
恒應(yīng)力和斷裂力學(xué)試驗(yàn)確證了當(dāng)基平面與宏觀斷裂表面趨向一致時(shí),ISCC的敏感性增加[8]。對(duì)于鋯包殼管,由于芯塊膨脹引起的張應(yīng)力就是周向應(yīng)力,最佳的織構(gòu)是基軸與包殼徑向平行。
織構(gòu)對(duì)鋯合金的KISCC有著重要的影響[9]。當(dāng)基平面平行于開(kāi)裂面的晶粒份額增加,即該方向上織構(gòu)因子f增加時(shí),穿晶斷裂的可能性增加,KISCC值減小。
圖3 是去應(yīng)力態(tài)和再結(jié)晶態(tài)鋯合金KISCC隨織構(gòu)因子的變化趨勢(shì)[9]。使用13.06MPa?m1/2對(duì)KISCC進(jìn)行歸一化,并利用最小二乘法擬合得到兩種不同退火狀態(tài)下KISCC的織構(gòu)影響因子:
1.3 包殼溫度
溫度對(duì)KISCC的影響比較復(fù)雜。溫度升高,加快裂變氣體釋放,腐蝕環(huán)境惡化[4],加快碘在鋯合金中擴(kuò)散速度,影響晶粒內(nèi)部雜質(zhì)的含量,殘余應(yīng)力的分布,合金的周向受力狀態(tài)等。但從作用效果上,可將溫度的影響集中在兩個(gè)方面研究[4]:
1)降低材料強(qiáng)度而增加材料韌性,促進(jìn)裂紋尖端的應(yīng)力釋放;
2)加快腐蝕介質(zhì)碘對(duì)鋯合金的腐蝕作用;
這兩個(gè)方面對(duì)碘致應(yīng)力腐蝕開(kāi)裂的敏感性產(chǎn)生的影響是截然相反的。當(dāng)溫度升高時(shí),一方面,由快中子和點(diǎn)陣原子碰撞所產(chǎn)生的損傷逐漸被驅(qū)除,減輕了中子輻照的硬化效應(yīng),使得裂紋尖端的應(yīng)力更容易因局部塑性變形而釋放,有利于緩解ISCC,提高KISCC。另一方面,環(huán)境中的碘向裂縫的傳質(zhì)速率加快,使裂紋尖端碘濃度增加。碘濃度增加增大碘濃度梯度,促進(jìn)碘的晶界擴(kuò)散,碘對(duì)晶界的弱化作用加強(qiáng),裂紋在晶界上的擴(kuò)展更容易。
溫度升高帶來(lái)的韌性增加可用力學(xué)性能回復(fù)系數(shù)[11]表示:
而碘在包殼中的擴(kuò)散系數(shù)用Einstein- stokes公式[12]表示形如:
(4)式若用taylor公式展開(kāi),其二次函數(shù)就有很好的精度,而(5)為正比例函數(shù)。兩種函數(shù)之間的位置關(guān)系可概括為相離,一個(gè)交點(diǎn)、兩個(gè)交點(diǎn)(圖4)。它們之間的位置關(guān)系反應(yīng)了不同溫度范圍內(nèi)兩種作用效果的主導(dǎo)優(yōu)勢(shì)轉(zhuǎn)化。當(dāng)韌性增加占優(yōu)勢(shì)時(shí),KISCC增加;當(dāng)擴(kuò)散占優(yōu)勢(shì)時(shí),KISCC減小。這樣,在整個(gè)溫度范圍內(nèi)適合用三次多項(xiàng)式擬合KISCC的溫度影響因子。
但是,表1中數(shù)據(jù)集中在300~400℃之間,并不在整個(gè)溫度范圍內(nèi),為了提高精度和公式的光滑度,采用二次多項(xiàng)式形式的e指數(shù)擬合溫度影響因子:
材料受輻照后,微結(jié)構(gòu)改變(沉淀相的定型化或再溶解,合金元素析出到晶界),大團(tuán)點(diǎn)缺陷的產(chǎn)生使塑性變形更加困難,內(nèi)層包殼還會(huì)受到反沖核的直接損傷[13]。隨著中子注量增加,ISCC破裂應(yīng)力逐漸提高,當(dāng)中子通量在1019-1020n/cm2時(shí),該應(yīng)力達(dá)到最大值,隨后則隨中子通量的增加而降低[14]。
表2給出了各種不同中子注量條件下,鋯合金KISCC值,單從快中子注量來(lái)比較KISCC,這兩者之間并不存在直接的關(guān)系,但是從它們接受輻照后KISCC的下降幅度,即Kir/K0的比值來(lái)看,該比值隨著劑量的升高而增大(表3)。
因此,考慮快中子注量影響因子形如:
由公式(8)的預(yù)測(cè)知道,當(dāng)材料所接受的快中子注量為3.0068×1019n/cm2時(shí),與未輻照時(shí)的應(yīng)力強(qiáng)度因子閾值相等,根據(jù)羅爾定理,快中子注量在0至3.0068×1019n/cm2時(shí),存在Kir/K0的極值(極大值)。前面提到,當(dāng)中子通量在1019-1020n/cm2時(shí),材料破裂應(yīng)力有最大值,因此,該最大值對(duì)應(yīng)的快中子注量的范圍可縮小在1019-3.0068×1019n/cm2之間。
1.5 碘濃度
隨著碘分壓增加,碘濃度梯度增大,加快碘的晶界擴(kuò)散,促進(jìn)沿晶開(kāi)裂。同時(shí),裂紋擴(kuò)展過(guò)渡到快速的穿晶斷裂方式時(shí)對(duì)應(yīng)的應(yīng)力強(qiáng)度因子越低,增強(qiáng)鋯合金發(fā)生ISCC的敏感性[5]。
由于溫度波動(dòng)引起碘飽和蒸汽壓的變化較大,文獻(xiàn)中多以碘分壓的數(shù)量級(jí)來(lái)表示碘濃度,當(dāng)?shù)夥謮簽?8kPa時(shí),碘的面濃度近似為0.2mg/cm2[15],因此,可估計(jì)碘分壓P與其面濃度I2之間的換算關(guān)系為:
I2=2.0408×10-6P(9)
使用13.06MPa?m1/2對(duì)文獻(xiàn)中數(shù)據(jù)進(jìn)行歸一化處理,并與換算后的碘濃度制成表4。使用乘冪的形式,對(duì)碘濃度影響因子進(jìn)行最小二乘法擬合,得到關(guān)系式為:
1.6 KISCC計(jì)算模型的建立
綜合上述織構(gòu)、溫度、快中子注量、碘濃度四個(gè)影響因子,可得出KISCC的模型:
其中:
將公式(11)的預(yù)測(cè)結(jié)果與試驗(yàn)數(shù)據(jù)比對(duì)(圖5),被圈起來(lái)的數(shù)據(jù)點(diǎn)是沒(méi)有被用于公式擬合的點(diǎn),從圖上可以看出大部分相對(duì)誤差在±20%以內(nèi)。
2 ISCC 開(kāi)裂速率模型修正
式中,I2代表碘濃度(mg/cm2),T為包殼溫度(K),σ為真應(yīng)力(pa),a為裂紋深度(m)。實(shí)際上,鋯合金發(fā)生ISCC穿晶斷裂時(shí),其速率為10-7~10-6m/s[10],而由公式(12)的預(yù)測(cè)結(jié)果卻趨近于10-8m/s,與實(shí)際情況不符。故對(duì)公式(12)的預(yù)測(cè)結(jié)果提高兩個(gè)數(shù)量級(jí)開(kāi)裂速率提高兩個(gè)數(shù)量級(jí)(圖6)。
另外,ISCC的裂紋生長(zhǎng)過(guò)程主要分為晶間腐蝕,穿晶擴(kuò)展,韌性撕裂。當(dāng)KI超過(guò)KISCC時(shí),裂紋生長(zhǎng)模式轉(zhuǎn)為穿晶擴(kuò)展,開(kāi)裂速率急速上升并在一段應(yīng)力強(qiáng)度范圍內(nèi)維持某恒定速率。隨著裂紋深度的繼續(xù)增長(zhǎng),KI逐漸增大,當(dāng)周向真應(yīng)力σ超過(guò)屈服強(qiáng)度σy時(shí),開(kāi)裂模式轉(zhuǎn)為韌性撕裂,此時(shí)開(kāi)裂速率又是急速上升。公式(12)并不能反映上述裂紋生長(zhǎng)模式的轉(zhuǎn)變過(guò)程,使得公式的擬合與實(shí)驗(yàn)結(jié)果相差較遠(yuǎn)。因此,考慮為公式(12)添加修正因子:
其中,系數(shù)A和B是跟包殼材料相關(guān)的系數(shù),理想情況狀態(tài)下修正因子的添加不改變?cè)綌?shù)值,該修正因子為1,如圖7所示的虛線。
文獻(xiàn)[18]中,KISCC=4.8,σy=220MPa,包殼厚度L=900μm,固包殼最大所能承受的應(yīng)力強(qiáng)度因子
將理想修正因子與(13)式的交點(diǎn)放于平臺(tái)中點(diǎn),得到A=3.15。分別取B=10, 20, 55, 110, 220 發(fā)現(xiàn)隨著B(niǎo)的增大,實(shí)線在屈服強(qiáng)度處越來(lái)越陡峭,且當(dāng)B>110時(shí),這種陡峭趨勢(shì)已經(jīng)不是很明顯(圖7),固取B=110。結(jié)合公式(12-13)得到最終ISCC開(kāi)裂速率公式:
將式(15)與實(shí)驗(yàn)數(shù)據(jù)[18]對(duì)比,得到圖8所示結(jié)果。圖中點(diǎn)劃線為公式(12),實(shí)線為經(jīng)過(guò)修正后的公式(15),星號(hào)為實(shí)驗(yàn)結(jié)果,虛線為文獻(xiàn)中公式da/dt=3.9×10-7 ln(KI /4.8)。從圖上可以看出,經(jīng)過(guò)修正后的公式能更好的反應(yīng)實(shí)驗(yàn)結(jié)果的變化趨勢(shì)。
3 結(jié)論
本文利用文獻(xiàn)中的試驗(yàn)數(shù)據(jù),擬合KISCC的四影響因子,建立碘致應(yīng)力腐蝕開(kāi)裂的應(yīng)力強(qiáng)度因子閾值模型,修正了開(kāi)裂速率公式,得到結(jié)論如下:
(1)KISCC計(jì)算模型考慮到了材料織構(gòu)、包殼溫度、快中子注量、碘濃度、材料類型和熱處理狀態(tài)六個(gè)方面。經(jīng)誤差分析,除部分點(diǎn)之外,該模型的大部分相對(duì)誤差在±20%之內(nèi)。
(2)在快中子注量影響因子的建模過(guò)程中,采用無(wú)輻照情況下鋯合金的KISCC做歸一化因子,使不同實(shí)驗(yàn)條件下的數(shù)據(jù)有了對(duì)比和擬合的可能性。預(yù)測(cè)當(dāng)快中子注量的范圍在1019~3.0086×1019 n/cm2之間時(shí),KISCC有最大值。
(3)對(duì)原ISCC開(kāi)裂速率公式添加了修正因子,得到的計(jì)算結(jié)果與實(shí)驗(yàn)數(shù)據(jù)吻合較好。
【參考文獻(xiàn)】
[1]楊文斗.反應(yīng)堆材料學(xué)[M].原子能出版社,2006.
[2]王鐸.斷裂力學(xué)[M].廣西人民出版社,1982.
[3]Fregonese, M., et al., Strain-hardening influence on iodine induced stress corrosion cracking of Zircaloy-4[J]. Journal of Nuclear Materials, 2008,373:59-70.
[4]彭倩. et al., 溫度對(duì)Zr―Sn―Nb合金致應(yīng)力碘腐蝕開(kāi)裂的影響[J].核動(dòng)力工程,2006,27:40-43.
[5]倩, 彭., et al., 碘對(duì)N18鋯合金應(yīng)力腐蝕開(kāi)裂的影響[J].腐蝕科學(xué)與防護(hù)技術(shù),2005,17:27-30.
[6]Farina, S.B., G.S. Duffo, and J.R. Galvele, Stress corrosion cracking of zirconium and Zircaloy-4 in halide aqueous solutions[J]. Corrosion Science, 2003,45:2497-2512.
[7]Hwang S K, Han H T. J. Nucl. Mater.[Z], 1989,161:175-181.
[8]Knorr D, Pelloux R M. Met. Trans[Z], 1982, 13A:73-83.
[9]Knorr, D.B. and R.M. Pelloux, Effects of texture and microstructure on the propagation of iodine stress corrosion cracks in zircaloy[J]. METALLURGICAL TRANSACTIONS A, 1982,13A:73-83.
[10]IAEA, Iodine induced stress corrosion cracking of Zircaloy fuel cladding materials[C]. 2010: Vienna, Austria.
[11]Torimaru, T., T. Yasuda, and M. Nakatsuka, Changes in mechanical properties of irradiated Zircaloy-2 fuel cladding due to short term annealing[J]. Journal of Nuclear Materials, 1996,238:169-174.
[12]郁金南.材料輻照效應(yīng)[M].化學(xué)工業(yè)出版社,2007.
[13]Isabelle, S., Lemaignan.Clement, and Joseph.Jacques, Testing and modelling the influence of irradiation on iodine induced stress corrosion cracking of Zircaloy-4[J]. Nuclear Engineering and Design, 1995,156:343-349.
[14]Takeo ONCHI, Hideo KAYANO and Minoru NARUI, J,Nucl.Sci.Technol.[Z], Sep.1982 V.19(9):184-192.
[15]Bibilashvili, Y.K., et al., Influence of irradiation on KISCC of Zr-1%Nb claddings[J]. Journal of Nuclear Materials, 2000,280:106-110.
[16]K. Norring, Y. Haag, C. Wikstrom, J. Nucl. Mater.[Z], 105(1982) 231.
關(guān)鍵詞:文化自信;紅色文化;文化認(rèn)同;高校學(xué)生黨員
紅色文化是中國(guó)特色社會(huì)主義文化的有機(jī)組成部分。當(dāng)前,國(guó)內(nèi)外各類文化思潮的層次性與差異性較為突出,紅色文化以其吸引力、感召力和向心力成為社會(huì)廣泛認(rèn)可的文化。正確的價(jià)值觀念是人民群眾的客觀需要,亦是推動(dòng)社會(huì)進(jìn)步的強(qiáng)大精神力量。紅色文化認(rèn)同教育在高校學(xué)生黨員教育中具有榜樣示范、黨性傳承、道德涵養(yǎng)之功能,因此,提升高校學(xué)生黨員的紅色文化認(rèn)同水平,是新時(shí)代促進(jìn)高校學(xué)生黨員全面發(fā)展與文化自信培育的內(nèi)在需要。
一、教育載體:紅色文化認(rèn)同教育的重要支點(diǎn)
1.“紅色浸潤(rùn)”儀式性教育。著名教育學(xué)家夸美紐斯認(rèn)為:“一切知識(shí)都是從感官開(kāi)始的?!备行哉J(rèn)識(shí)是認(rèn)識(shí)活動(dòng)中的首要環(huán)節(jié),為形成理性認(rèn)識(shí)提供豐富的感性材料?!凹t色浸潤(rùn)”儀式性教育是傳統(tǒng)紅色文化認(rèn)同教育的有益補(bǔ)充,是具有直觀性、感官性、體驗(yàn)性的體驗(yàn)式教育形式,具有多維度的教育意義?!凹t色浸潤(rùn)”儀式性教育蘊(yùn)含豐富的感性體驗(yàn),學(xué)生在“紅色浸潤(rùn)”儀式性的沉浸洗禮中深入體察紅色文化的精神力量。將“紅色浸潤(rùn)”儀式性教育作為紅色文化認(rèn)同教育的重要載體主要以三個(gè)層面為著力點(diǎn):一是加強(qiáng)“紅色浸潤(rùn)”儀式教育的規(guī)范化,涵蓋教育內(nèi)容、教育方式、教育目標(biāo)、教育流程、教育效果反饋及教育活動(dòng)組織的規(guī)范。二是教育內(nèi)容的方向性與青年化。紅色文化教育是思想政治教育的重要構(gòu)成部分,具有明確的方向性,需始終與我國(guó)社會(huì)主義發(fā)展方向相一致。當(dāng)前,高校學(xué)生黨員紅色文化教育只有以具有吸引力與感染力的形式呈現(xiàn),才能進(jìn)一步提升紅色文化認(rèn)同水平。三是充分發(fā)揮“紅色浸潤(rùn)”儀式教育的向心作用。高校學(xué)生黨員在紅色氛圍中產(chǎn)生情感共鳴并產(chǎn)生正能量體驗(yàn),形成革命精神與中國(guó)精神的同頻共振,充分發(fā)揮紅色文化教育的向心作用。2.“微陣地”指尖微教育。紅色文化認(rèn)同教育要實(shí)現(xiàn)教育空間的遷移,構(gòu)建教育“微陣地”,善用“指尖微教育”實(shí)現(xiàn)“鍵對(duì)鍵”與“面對(duì)面”的有益補(bǔ)充。第一,就高校學(xué)生黨員群體而言,“微學(xué)習(xí)”是符合其認(rèn)知特點(diǎn)與具有較強(qiáng)學(xué)習(xí)吸引力的教育形式。第二,各類微媒體教育平臺(tái)應(yīng)形成教育共同體,全面加強(qiáng)紅色文化教育的時(shí)效性與傳播的廣泛性,搭建紅色文化指尖網(wǎng)絡(luò)空間,便于高校學(xué)生黨員利用碎片化時(shí)間接受紅色文化認(rèn)同教育。第三,以微媒體平臺(tái)為陣地反饋教育效果。紅色文化認(rèn)同教育可通過(guò)在線互動(dòng)等新形式彌補(bǔ)“我教你學(xué)、我講你聽(tīng)”的教育方法的不足,教育主體可通過(guò)教育客體的自媒體平臺(tái)信息動(dòng)態(tài)深入洞悉其教育內(nèi)化與外化程度。第四,善用“微陣地”提高紅色文化認(rèn)同教育影響的延續(xù)性與長(zhǎng)效性。傳統(tǒng)紅色文化認(rèn)同教育普遍存在影響時(shí)效短、延續(xù)性不強(qiáng)的問(wèn)題,基于此,應(yīng)重視紅色文化認(rèn)同教育的系列化與回顧性呈現(xiàn),充分利用“微陣地”制作系列化紅色文化教育微視頻、微故事、微講堂,通過(guò)學(xué)生黨員自媒體平臺(tái)進(jìn)行輻射性傳播,提升紅色文化影響力,使高校學(xué)生黨員群體自覺(jué)成為紅色文化的認(rèn)同者、學(xué)習(xí)者、傳播者、堅(jiān)守者。3.紅色文化符號(hào)提升黨員凝聚力。符號(hào)既是一種象征物,亦是一種承載信息的介質(zhì)。紅色文化符號(hào)是紅色文化精神的象征,是傳遞紅色文化核心精神力量的載體。紅色文化需要一種便于廣泛傳播以及具有直觀性和視覺(jué)沖擊性的載體用以傳承與發(fā)展。追溯其源,紅色文化符號(hào)是隨著廣大人民群眾物質(zhì)生活水平提高而產(chǎn)生的精神需求與信仰追求。近年來(lái),紅色文化研究逐步將紅色文化與符號(hào)學(xué)研究有機(jī)結(jié)合開(kāi)展紅色文化符號(hào)研究。從符號(hào)的功能角度進(jìn)行探究可知:第一,紅色文化符號(hào)具有表述和理解的功能,紅色文化中凝結(jié)的紅色文化精神通過(guò)紅色文化符號(hào)呈現(xiàn),用視覺(jué)化的方式進(jìn)行表述與闡釋。第二,紅色文化符號(hào)作為紅色文化精神的縮影,具有多元化、可塑性強(qiáng)和易于傳播的特征,紅色文化的圖像符號(hào)、指索符號(hào)及象征符號(hào)均有助于紅色文化精神的傳達(dá)和保存。紅色文化符號(hào)作為具有凝聚力的載體,其傳達(dá)功能與表述功能在高校學(xué)生黨員教育過(guò)程中得到充分發(fā)揮。高校學(xué)生黨員在紅色精神的感召下,凝聚力進(jìn)一步提升,進(jìn)而提升對(duì)紅色文化的認(rèn)同水平,以及加強(qiáng)對(duì)文化自信的養(yǎng)成。
二、實(shí)踐探索:紅色文化認(rèn)同教育的三重發(fā)展向度
1.紅色文化認(rèn)同教育場(chǎng)域重構(gòu)。高校學(xué)生黨員紅色文化認(rèn)同教育的傳統(tǒng)教育場(chǎng)域可概括為三種類型:一是紅色文化認(rèn)同教育的“短時(shí)體驗(yàn)場(chǎng)域”,即以體驗(yàn)感受紅色文化精神為出發(fā)點(diǎn)舉行傳統(tǒng)紅色教育等社會(huì)實(shí)踐活動(dòng)。這種教育活動(dòng)在活動(dòng)期間或者活動(dòng)結(jié)束后的短期之內(nèi)效果明顯,但從長(zhǎng)遠(yuǎn)反饋來(lái)看,部分參與者并未形成真正的紅色文化認(rèn)同。二是紅色文化認(rèn)同教育的“碎片化場(chǎng)域”,即以各類型紅色文化元素跨時(shí)空組合而成,在此類場(chǎng)域中,紅色文化認(rèn)同教育不具有系統(tǒng)性、延續(xù)性與統(tǒng)一性。三是紅色文化認(rèn)同教育的“共情化場(chǎng)域”,即紅色文化認(rèn)同教育以紅色英雄、紅色事跡為載體,以紅色氛圍為依托,以共情為基本手段,使高校學(xué)生黨員在接受紅色文化教育之時(shí),對(duì)紅色精神達(dá)到共情的狀態(tài),以加深對(duì)紅色文化內(nèi)涵的理解。當(dāng)前,學(xué)生黨員群體對(duì)紅色文化的認(rèn)知趨于衰微,紅色文化認(rèn)同教育呼喚教育場(chǎng)域的重構(gòu),需構(gòu)建具有系統(tǒng)性、遞進(jìn)性、長(zhǎng)時(shí)性的教育場(chǎng)域。這種紅色文化認(rèn)同教育場(chǎng)域以紅色文化內(nèi)容的縱向傳承、紅色文化元素的整合性、紅色文化認(rèn)同教育影響力的長(zhǎng)效性為特征。以此為目標(biāo),將紅色文化中的物質(zhì)文化資源與人工智能技術(shù)與VR模擬技術(shù)相結(jié)合進(jìn)行“跨時(shí)空”再現(xiàn),結(jié)合大數(shù)據(jù)技術(shù)等將非物質(zhì)文化資源系統(tǒng)整合,以組合式呈現(xiàn)的方式進(jìn)行教育。2.紅色文化認(rèn)同教育生態(tài)形成。教育生態(tài)學(xué)是運(yùn)用生態(tài)學(xué)的方法研究教育與人的發(fā)展規(guī)律的科學(xué),它探討的主要內(nèi)容是如何構(gòu)建科學(xué)合理的教育生態(tài)環(huán)境,如何整合校內(nèi)外各類優(yōu)質(zhì)教育資源進(jìn)而提高教學(xué)質(zhì)量,最終促進(jìn)學(xué)生的全面發(fā)展。由此而論,紅色文化認(rèn)同教育生態(tài)的形成需要進(jìn)一步整合教育資源,從宏觀、中觀、微觀的層面構(gòu)建國(guó)家、政府、社會(huì)、學(xué)校、家庭的紅色文化認(rèn)同教育的良性生態(tài)環(huán)境,在這個(gè)生態(tài)環(huán)境中的各類生態(tài)因子互相聯(lián)系、互相制約、互相促進(jìn)。高校在進(jìn)行學(xué)生黨員紅色文化認(rèn)同教育時(shí),首先應(yīng)以線上線下相結(jié)合的綜合教育環(huán)境為紅色文化認(rèn)同的基本生態(tài),以家庭、學(xué)校、社會(huì)、政府及國(guó)家為該教育生態(tài)環(huán)境中的各類教育主體因子,各類優(yōu)質(zhì)紅色文化資源為教育內(nèi)容因子,高校學(xué)生黨員群體為教育客體因子,各類因子相互配合、相互促進(jìn),形成紅色文化認(rèn)同教育的良性動(dòng)力循環(huán),不斷促進(jìn)紅色文化認(rèn)同教育發(fā)展的螺旋式上升與波浪式前進(jìn)。3.大力培育紅色文化自覺(jué)。紅色文化自覺(jué)是指身處紅色文化環(huán)境的公民對(duì)我國(guó)紅色文化達(dá)到自我覺(jué)醒、自我反省與自我構(gòu)建的水平,并能通過(guò)分析紅色文化的形成與發(fā)展對(duì)其未來(lái)趨勢(shì)作出清晰的預(yù)見(jiàn)。紅色文化認(rèn)同教育的終極目標(biāo)是將紅色文化中的精神內(nèi)核通過(guò)教育的方式完成其客體主體化與主體客體化的過(guò)程,因此,全社會(huì)大力培育紅色文化自覺(jué)是紅色文化認(rèn)同教育的必然發(fā)展向度。當(dāng)前,紅色文化已然成為對(duì)高校學(xué)生黨員進(jìn)行教育的寶貴資源,亦成為社會(huì)主義意識(shí)形態(tài)教育的重要載體。大力培育紅色文化自覺(jué)與紅色文化認(rèn)同教育在本質(zhì)上具有內(nèi)在契合性,兩者均為高校學(xué)生黨員文化自信培育的內(nèi)在需要,亦成為推動(dòng)文化自信培育的源動(dòng)力。
參考文獻(xiàn):
[1]主持召開(kāi)文藝工作座談會(huì)強(qiáng)調(diào):堅(jiān)持以人民為中心的創(chuàng)作導(dǎo)向創(chuàng)作更多無(wú)愧于時(shí)代的優(yōu)秀作品[N].人民日?qǐng)?bào),2014-10-16(1).
【關(guān)鍵詞】有限元方法;渦流檢測(cè);可靠性
0 引言
渦流檢測(cè)具有檢測(cè)速度快、對(duì)表面缺陷反應(yīng)靈敏等優(yōu)異性能,在導(dǎo)電材料的缺陷檢測(cè)中廣泛應(yīng)用。隨著渦流檢測(cè)技術(shù)的不斷發(fā)展和檢測(cè)要求的日益提高,不僅要求檢測(cè)出缺陷的有無(wú),還要對(duì)缺陷進(jìn)行定性、定量分析,進(jìn)而對(duì)檢測(cè)對(duì)象做出無(wú)損評(píng)價(jià)[1]。在以往的可靠性研究當(dāng)中,主要有兩種方式來(lái)對(duì)渦流檢測(cè)的可靠性進(jìn)行分析。一是制造大量試驗(yàn)管,然后通過(guò)采集分析統(tǒng)計(jì)的方法來(lái)進(jìn)行可靠性研究。第二種方法是對(duì)核電站實(shí)際缺陷進(jìn)行定量后,取出管對(duì)缺陷進(jìn)行解剖測(cè)量,再用統(tǒng)計(jì)的方法來(lái)評(píng)估渦流檢測(cè)的可靠性。然而前者缺陷加工與計(jì)量的偏差對(duì)可靠性分析造成了一定的難度和成本的增加;后者由于實(shí)際缺陷的偶然性,采樣不夠完整全面,其結(jié)果并不具有普遍性[2]。
利用有限元法進(jìn)行渦流檢測(cè)分析時(shí),可以研究理想條件下的渦流檢測(cè),模擬實(shí)際檢測(cè)條件以進(jìn)行分析,方便、迅速地得到檢測(cè)數(shù)據(jù),測(cè)量或計(jì)算已知缺陷產(chǎn)生的阻抗信號(hào), 從而可以較好的實(shí)現(xiàn)檢測(cè)對(duì)象的定性研究并對(duì)渦流定量檢測(cè)的可靠性進(jìn)行分析,能夠很大程度上解決和補(bǔ)充試驗(yàn)方法的不足。
1 電渦流傳感器的基本工作原理
渦流檢測(cè)是建立在電磁感應(yīng)基礎(chǔ)上的,它利用交變磁場(chǎng)作用下被測(cè)工件表面產(chǎn)生不同的渦流分布、大小來(lái)反映工件上缺陷的有無(wú)[3]。
磁場(chǎng)的變化是通過(guò)敏感線圈的阻抗變化來(lái)反映的。線圈的等效阻抗Z一般可表示為:
式中:σ、μ分別是被測(cè)工件的電導(dǎo)率和磁導(dǎo)率;f是激勵(lì)信號(hào)的頻率;x是線圈與被測(cè)工件之間的距離;r是線圈的尺寸因子,與線圈的結(jié)構(gòu)、形狀以及尺寸相關(guān)??梢?jiàn),線圈阻抗的變化完整而且唯一地反映了被測(cè)工件的電渦流效應(yīng)。實(shí)際檢測(cè)時(shí),對(duì)不需要的影響因素加以控制,就可以實(shí)現(xiàn)對(duì)上式中某個(gè)相關(guān)量的檢測(cè)[4]。作為接近式傳感器,線圈到被測(cè)工件之間的距離與線圈的阻抗直接相關(guān),而表面或近表面的缺陷時(shí),缺陷的存在將引起被測(cè)導(dǎo)體電導(dǎo)率和磁導(dǎo)率的變化,進(jìn)而使線圈的阻抗參數(shù)發(fā)生改變[5]。
2 定量分析方法
對(duì)于缺陷的深度定量分析方法,目前主要有相位深度定量和幅值深度定量?jī)煞N方法。
相位深度定量是根據(jù)制作的標(biāo)定管的人工傷深度與響應(yīng)信號(hào)的相位關(guān)系制作出一條相位深度判傷曲線,對(duì)檢查過(guò)程中發(fā)現(xiàn)的顯示使用該曲線進(jìn)行對(duì)比進(jìn)而得出缺陷的深度估計(jì)值。幅值深度定量主要采用的是測(cè)量不同深度的標(biāo)定管上人工缺陷的幅值,得到幅值―缺陷深度判傷曲線,對(duì)檢查過(guò)程中發(fā)現(xiàn)的同類顯示使用該曲線進(jìn)行對(duì)比進(jìn)而得出缺陷的深度估計(jì)值。
在核設(shè)備管子在役檢測(cè)中,由于核設(shè)備管子中出現(xiàn)的缺陷與響應(yīng)信號(hào)的相位角及深度之間總是存在良好的對(duì)應(yīng)關(guān)系,且這種關(guān)系的對(duì)應(yīng)性要明顯優(yōu)于響應(yīng)信號(hào)幅值與缺陷深度之間的對(duì)應(yīng)性,因此,通常情況下采用以信號(hào)的相位角評(píng)定缺陷深度的方法。
3 缺陷有限元建模
應(yīng)用有限元來(lái)分析電磁場(chǎng),其基本原則是,首先將所處理的對(duì)象劃分成有限個(gè)單元(若干點(diǎn)),然后根據(jù)矢量磁勢(shì)或標(biāo)量電勢(shì)求解一定邊界條件和初始條件下每一節(jié)點(diǎn)處的磁勢(shì)或電勢(shì),進(jìn)而求解出其它相關(guān)量,如磁通量密度和地磁場(chǎng)儲(chǔ)能等。計(jì)算完成后將結(jié)果讀入,進(jìn)行相應(yīng)的參數(shù)分析[4-5]。
為計(jì)算線圈的阻抗,可由線圈模型上某一點(diǎn)的電壓和電流進(jìn)行求解,時(shí)諧分析的計(jì)算結(jié)果分為實(shí)部與虛部,將其分別讀入ANSYS分析軟件的后處理器,可得線圈上的電流為IREAL,IIMAG.( IREAL 表示電流實(shí)部,IIMAG 表示電流虛部),然后根據(jù)公式(2)得出線圈的阻抗:
在此,采用的有限元計(jì)算模型為用差動(dòng)式軸繞探頭,采用峰-峰值測(cè)量法(VPP法)對(duì)管子缺陷進(jìn)行渦流檢測(cè)。如圖1所示,管壁中有一個(gè)孔缺陷.設(shè)導(dǎo)體電導(dǎo)率為σ,缺陷充滿空氣。
圖1中,r1和r2為線圈的內(nèi)、外半徑;R1和R2為管的內(nèi)、外半徑;D為缺陷的直徑;d為線圈的間距;h為線圈高度。以下計(jì)算采用的計(jì)算參數(shù)如下: r1為6.0mm, r2為8.0mm,h為1.5mm,d為1.5mm,線圈匝數(shù)為30,頻率為550KHz,R1為 8.4mm,R2為9.5mm, 電導(dǎo)率σ為1.15×106 S?m-1,缺陷寬度從0.05mm-10mm,相對(duì)深度(%T)從5%ID-100%-10%OD.(其中ID表示內(nèi)部缺陷,OD表示外部缺陷,%T表示占壁厚的百分比,下同)。
4 計(jì)算結(jié)果
圖2是由此計(jì)算得出的管子槽寬從0.05mm至10mm,不同深度不同寬度情況下的缺陷相位阻抗關(guān)系曲線:
從圖2中可以看出,隨著缺陷寬度的逐漸減小相位變化較快,在最小缺陷寬度(0.05mm)時(shí)相位值趨近于最大值。而隨著缺陷寬度增大到一定程度,相位存在最小值。
對(duì)缺陷深度的評(píng)價(jià),是建立在利用一組不同深度人工缺陷繪制的相位深度標(biāo)定曲線基礎(chǔ)上的,再將計(jì)算結(jié)果中各深度下缺陷所處相位角分別對(duì)應(yīng)到相位深度標(biāo)定曲線上,可以得到對(duì)應(yīng)缺陷的最大深度及最小深度,由此得到缺陷相位定量及偏差范圍,進(jìn)而可以從上述數(shù)據(jù)中歸納出以下幾種變化趨勢(shì),以及這些變化在實(shí)際檢測(cè)中的意義:
1)對(duì)于外缺陷,在相同寬度下不同深度管槽的相位角隨著深度加深而單調(diào)減??;對(duì)于內(nèi)缺陷,在相同寬度下不同深度管槽的相位角隨著深度加深而單調(diào)增大。
2)對(duì)于內(nèi)缺陷,在缺陷寬度較小時(shí)單調(diào)變化,但在缺陷寬度進(jìn)一步增大時(shí),內(nèi)環(huán)槽曲線則呈現(xiàn)不同的規(guī)律,這時(shí)對(duì)于內(nèi)缺陷,在檢測(cè)過(guò)程中可能存在大于標(biāo)定曲線100%的相位角從而被誤判為外缺陷,此時(shí)判傷曲線已經(jīng)失去準(zhǔn)度,可靠性不高。
3)隨著槽外缺陷深度的增加,相位角極值范圍逐漸變大;隨著槽內(nèi)缺陷深度的減小,相位角極值范圍也在逐漸變小。由此可得出缺陷深度越小相位的變化范圍越小,檢測(cè)結(jié)果的深度定量偏差范圍越小,可靠性也就越高。因此對(duì)于可靠性定量分析在缺陷寬度很小時(shí)具有更大的實(shí)用性。
【參考文獻(xiàn)】
[1]姚運(yùn)萍,韓捷.核電站管道缺陷渦流定量檢測(cè)的可靠性分析[J].核動(dòng)力工程,2009,30(4):17-20.
[2]徐可北,周俊華.渦流檢測(cè)[M].北京:機(jī)械工業(yè)出版社,2006:21-39.
[3]丁天懷,陳祥林.電渦流傳感器陣列測(cè)試技術(shù)[J].測(cè)試技術(shù)學(xué)報(bào),2006,20(1):1 -5.
關(guān)鍵詞:熱電冷聯(lián)供經(jīng)濟(jì)性影響因素
一.引言
近幾年來(lái),國(guó)內(nèi)一些城市開(kāi)始醞釀建設(shè)熱電冷聯(lián)供系統(tǒng),即在原有熱電聯(lián)產(chǎn)系統(tǒng)基礎(chǔ)上增設(shè)吸收式制冷機(jī)裝置,利用供熱汽輪機(jī)組的抽汽或背壓排汽制冷,使得整個(gè)系統(tǒng)不但可以發(fā)電和供熱,還可在夏季向用戶提供空調(diào)用冷。由于熱電冷聯(lián)供系統(tǒng)規(guī)模和投資大,系統(tǒng)復(fù)雜,運(yùn)行期間能源消耗多,因而對(duì)熱電冷聯(lián)供系統(tǒng)的經(jīng)濟(jì)性進(jìn)行全面深入地分析和研究是非常必要的。本文從國(guó)家或一個(gè)地區(qū)的角度,分析和探討影響熱電冷系統(tǒng)經(jīng)濟(jì)性的主要技術(shù)因素。
二.影響熱電冷聯(lián)供系統(tǒng)經(jīng)濟(jì)性的技術(shù)因素分析
關(guān)于熱電聯(lián)產(chǎn)經(jīng)濟(jì)性的研究目前已很成熟,故本文僅討論在熱電聯(lián)產(chǎn)基礎(chǔ)上加入制冷系統(tǒng)后影響熱電冷系統(tǒng)經(jīng)濟(jì)性的有關(guān)技術(shù)因素。以下就系統(tǒng)的幾個(gè)組成部分,即熱電廠、熱力輸送系統(tǒng)和制冷站,以及冷負(fù)荷特性、蓄能裝置等幾方面對(duì)各主要技術(shù)因素加以分析。
1.熱電廠包括熱電廠機(jī)組的型式、容量、初蒸汽參數(shù)、抽汽或背壓排汽參數(shù)等。
1)機(jī)組型式機(jī)組型式對(duì)系統(tǒng)初投資和運(yùn)行費(fèi)的影響很大。燃煤熱電廠主要包括背壓機(jī)或抽凝機(jī)兩種型式。由于背壓機(jī)組初投資低,能量轉(zhuǎn)換效率高,因而對(duì)于新建熱電廠來(lái)講,背壓機(jī)組經(jīng)濟(jì)性顯然好于抽凝機(jī)組。
再看一下在原有熱電廠基礎(chǔ)上擴(kuò)建的熱電冷系統(tǒng)。假設(shè)空調(diào)負(fù)荷峰谷變化與電力負(fù)荷一致。從整體角度看,背壓機(jī)組由于制冷負(fù)荷的加入而增加了背壓排汽量,進(jìn)而增加了空調(diào)峰期的發(fā)電容量。這會(huì)減少電網(wǎng)相應(yīng)容量的電廠初投資,從而使整體系統(tǒng)的投資大幅度降。而抽凝機(jī)組在電力高峰期一般會(huì)滿功率發(fā)電,故在增加制冷用熱負(fù)荷后不會(huì)減少電網(wǎng)投資。因此,就初投資而言,背壓機(jī)組經(jīng)濟(jì)性更具優(yōu)勢(shì)。在運(yùn)行費(fèi)方面,抽凝機(jī)組所具有的經(jīng)濟(jì)性則好于背壓機(jī)組,因?yàn)槌槟龣C(jī)組由于供冷而增加的抽汽發(fā)電代替了效率低的本機(jī)組純凝汽發(fā)電,而背壓機(jī)組則是代替了效率相對(duì)較高的電網(wǎng)機(jī)組發(fā)電量。由于背壓機(jī)組初投資減少對(duì)經(jīng)濟(jì)性的影響大于運(yùn)行費(fèi)方面的劣勢(shì),使得由背壓汽輪機(jī)組成的熱電冷系統(tǒng)經(jīng)濟(jì)性好于抽凝汽輪機(jī)組成的系統(tǒng)[1]。順便指出,冷負(fù)荷一天之中變化幅度較大,這給熱電廠的運(yùn)行調(diào)節(jié)帶來(lái)困難。由于鍋爐負(fù)荷調(diào)節(jié)范圍和慣性的限制,背壓機(jī)組如何滿足冷負(fù)荷的變化是一個(gè)殛待解決的問(wèn)題。抽凝機(jī)組因抽汽調(diào)節(jié)較為靈活而使該問(wèn)題不那么突出。
隨著人們現(xiàn)代文明和環(huán)境保護(hù)意識(shí)的不斷增強(qiáng),以油、氣等相對(duì)清潔的燃料代替污染嚴(yán)重的煤而作為城市使用的主要一次能源以成為必然趨勢(shì),其中包括燃?xì)廨啓C(jī)、內(nèi)燃機(jī)等型式的熱電廠在城市供熱方面的應(yīng)用。這種熱電聯(lián)產(chǎn)裝置在西方國(guó)家使用較為普遍。其特點(diǎn)是熱電比小,發(fā)電效率高,單位容量投資少。如果燃料價(jià)格較為合理,以這種熱電廠為熱源的熱電冷聯(lián)供系統(tǒng)有較好的經(jīng)濟(jì)性。
2)機(jī)組容量主要指系統(tǒng)熱化系數(shù)的合理選取??照{(diào)負(fù)荷變化幅度大,可選取適當(dāng)容量的鍋爐蒸汽在負(fù)荷高峰期作為式制冷機(jī)的熱源,進(jìn)而減小供熱機(jī)組的容量。這樣,不僅可降低系統(tǒng)的初投資,而且還可提高系統(tǒng)運(yùn)行效率,使熱電廠運(yùn)行工況更加穩(wěn)定。
3)熱電廠初蒸汽參數(shù)初蒸汽參數(shù)越高,系統(tǒng)的發(fā)電效率越高,熱電比越小,會(huì)使熱電冷的經(jīng)濟(jì)性越好。當(dāng)熱電冷系統(tǒng)系統(tǒng)和所代替的發(fā)電機(jī)組所用燃料的價(jià)格在正常波動(dòng)范圍內(nèi)時(shí),熱電冷系統(tǒng)年運(yùn)行成本是隨著熱電比的降低而減小的。因此,熱電冷系統(tǒng)應(yīng)優(yōu)先選用高參數(shù)的熱電廠為熱源。
4)熱電廠抽汽或背壓排汽參數(shù)的降低,會(huì)使系統(tǒng)的發(fā)電效率增加,熱電比減小,有利于提高熱電冷系統(tǒng)的經(jīng)濟(jì)性。對(duì)于吸收式制冷機(jī)而言,抽汽或背壓排汽參數(shù)在一定范圍內(nèi)變化對(duì)其熱力系數(shù)影響不大,但對(duì)冷機(jī)的出力有較大影響。當(dāng)蒸汽壓力每降低0.1MPa時(shí),蒸汽型雙效機(jī)制冷量減少9%-11%[2]。這表明,當(dāng)蒸汽壓力降低時(shí),為保證制冷量要選擇內(nèi)部傳熱面積更大的制冷機(jī),從而增加了制冷站的初投資。因此,熱電廠抽汽或背壓排汽參數(shù)對(duì)于不同的具體系統(tǒng)應(yīng)有其最優(yōu)值。
2.熱力輸送系統(tǒng)包括供熱管網(wǎng)和供冷管網(wǎng),影響因素主要有輸送介質(zhì)種類及其熱力參數(shù)、輸送系統(tǒng)運(yùn)行方式等。
1)輸送介質(zhì)種類由于技術(shù)條件的限制,供冷管網(wǎng)的輸送介質(zhì)只能采用冷水。但該介質(zhì)輸送冷量的能力小,管網(wǎng)初投資及輸送電耗巨大。近年來(lái)國(guó)外正在研制以冰漿或在冷水中加入相變材料作為輸冷介質(zhì),可使管網(wǎng)輸送冷量的能力大大提高,較大幅度地降低管網(wǎng)初投資,但這種輸送技術(shù)目前仍處于試驗(yàn)階段[3]。
輸熱介質(zhì)主要指蒸汽或熱水。當(dāng)以蒸汽作為作為熱網(wǎng)的輸送介質(zhì)時(shí),供冷系統(tǒng)可采用熱力系數(shù)高的雙效制冷機(jī)。同時(shí),蒸氣在輸送中電耗低,不需要設(shè)置熱力首站換熱設(shè)備及泵等。但是,蒸汽在較遠(yuǎn)距離的熱網(wǎng)輸送中,壓力損失大,導(dǎo)致供熱機(jī)組抽汽或背壓排汽壓力較高,熱電廠熱電比大,且熱網(wǎng)的熱效率較低。這會(huì)對(duì)系統(tǒng)的經(jīng)濟(jì)性產(chǎn)生不利影響。以熱水作為熱網(wǎng)的輸送介質(zhì),可使供熱機(jī)組抽汽或背壓排汽壓力較低。同時(shí),熱網(wǎng)熱效率較高。但是,由于管道成本的限制,通常采用直埋管道的熱水網(wǎng)供水溫度大都在120℃以下,供冷系統(tǒng)只能采用熱力系數(shù)低的單效機(jī)。這會(huì)大幅度地增加供冷系統(tǒng)的初投資以及整個(gè)系統(tǒng)的運(yùn)行費(fèi)。另外,熱水網(wǎng)還有輸送耗電大等缺點(diǎn)。
2)輸送介質(zhì)熱力參數(shù)對(duì)于蒸汽網(wǎng)而言是指蒸汽壓力,亦即指汽輪機(jī)抽汽或背壓排汽壓力,上文對(duì)此已作分析。
對(duì)于熱水網(wǎng)而言,輸送介質(zhì)的熱力參數(shù)主要是指熱網(wǎng)供回水溫度,該參數(shù)對(duì)輸送系統(tǒng)仍至整個(gè)熱電冷系統(tǒng)的影響都很大。供水溫度選擇的小,熱電廠供熱機(jī)組抽汽或排汽壓力可以降低。但熱水溫度低會(huì)使制冷機(jī)制冷效率降低,制冷設(shè)備的投資及耗電量高。供回水溫差增大,無(wú)疑會(huì)節(jié)省熱網(wǎng)初投資及輸送能耗。但這會(huì)導(dǎo)致制冷系數(shù)降低,制冷設(shè)備初投資增加。因此,從系統(tǒng)的經(jīng)濟(jì)性看,熱網(wǎng)供回水溫度應(yīng)有最佳選擇。
3)輸送系統(tǒng)運(yùn)行方式為保證制冷機(jī)的出力及運(yùn)行效率,不希望降低熱網(wǎng)供水溫度,熱網(wǎng)的運(yùn)行基本上依靠量調(diào)節(jié)完成。由于用戶熱負(fù)荷變化頻繁,導(dǎo)致熱網(wǎng)水的循環(huán)流量在很大范圍內(nèi)變化,且大部分時(shí)間在低負(fù)荷下運(yùn)行,常規(guī)熱網(wǎng)運(yùn)行方式將使主循環(huán)泵的電耗很大。因此,輸送系統(tǒng)的運(yùn)行方式對(duì)于熱網(wǎng)的低能耗和安全運(yùn)行有重要作用[4][5]。
3.制冷站包括供冷站位置與規(guī)模,吸收式制冷機(jī)型式、容量和運(yùn)行方式等。
1)制冷站位置與規(guī)模由于冷水管道的供回水溫差通常在10℃以內(nèi),供冷管道輸送能量的能力遠(yuǎn)小于供熱管道,相同距離下供熱管道的投資要小于供冷管道。從這一點(diǎn)看,制冷站應(yīng)盡量靠近用戶。但用戶負(fù)荷在地理上是分散的,位置靠近用戶會(huì)使單個(gè)制冷站規(guī)模變小,數(shù)量增多,導(dǎo)致制冷設(shè)備容量增加,整個(gè)系統(tǒng)的制冷站占用空間增大,而且用戶附近的制冷站建筑造價(jià)往往更加昂貴。因此,位置靠近用戶又會(huì)使熱電冷系統(tǒng)制冷站的投資增大。合理選取制冷站位置與規(guī)模是一個(gè)較復(fù)雜的問(wèn)題,應(yīng)從整體供冷系統(tǒng)考慮,全面加以優(yōu)化。
2)吸收式制冷機(jī)的型式、容量和運(yùn)行方式制冷機(jī)的型式主要指單效或雙效。毫無(wú)疑問(wèn),在條件允許的情況下應(yīng)盡量使用雙效機(jī)。由于空調(diào)負(fù)荷變化幅度大,制冷站內(nèi)單臺(tái)制冷機(jī)容量的選擇,制冷機(jī)的運(yùn)行方式,包括各制冷機(jī)之間的負(fù)荷分配、啟停順序等,都會(huì)影響系統(tǒng)的經(jīng)濟(jì)性。
4.供冷負(fù)荷特性包括負(fù)荷因子、負(fù)荷密度、用戶負(fù)荷性質(zhì)、年最大供冷負(fù)荷小時(shí)數(shù)等。
1)負(fù)荷因子指平均負(fù)荷與最大負(fù)荷之比。負(fù)荷因子越小,則設(shè)備利用率越低,單位制冷容量的供冷系統(tǒng)初投資越大。與采暖負(fù)荷相比,空調(diào)日負(fù)荷因子要小得多,這會(huì)使系統(tǒng)的容量無(wú)法得到充分利用。同時(shí),也會(huì)給設(shè)備的運(yùn)行效率和調(diào)節(jié)手段帶來(lái)不利。解決問(wèn)題的有效辦法包括合理選取系統(tǒng)熱化系數(shù)和適當(dāng)設(shè)立蓄能裝置。
2)負(fù)荷密度指單位社區(qū)面積所擁有的冷負(fù)荷量。負(fù)荷密度大,則輸送系統(tǒng)單位負(fù)荷投資小,有利于區(qū)域供冷的經(jīng)濟(jì)性。當(dāng)負(fù)荷密度過(guò)小,采用區(qū)域冷熱聯(lián)供的單位負(fù)荷初投資過(guò)大,就會(huì)被分散的供冷方式取代。
3)用戶負(fù)荷性質(zhì)由于建筑物使用功能不同,用戶負(fù)荷性質(zhì),即用戶之間最大空調(diào)負(fù)荷出現(xiàn)的時(shí)刻,會(huì)有所不同。這將使區(qū)域供冷系統(tǒng)與用戶獨(dú)立設(shè)置空調(diào)系統(tǒng)相比,設(shè)備容量減小。工程上采用系統(tǒng)供冷負(fù)荷峰值與各用戶最大冷負(fù)荷之和的比值,即負(fù)荷同時(shí)使用系數(shù)以體現(xiàn)這一減小量。各用戶負(fù)荷性質(zhì)將直接影響制冷站的規(guī)模和分布,進(jìn)而影響熱電冷系統(tǒng)的經(jīng)濟(jì)性。
4)年最大供冷負(fù)荷小時(shí)數(shù)年最大供冷負(fù)荷小時(shí)數(shù)主要取決于當(dāng)?shù)氐臍夂驐l件和用戶負(fù)荷性質(zhì)。年最大供冷負(fù)荷小時(shí)數(shù)越大,越有利于運(yùn)行費(fèi)低的供冷系統(tǒng)發(fā)展。1|2
5.蓄能裝置
當(dāng)負(fù)荷因子較小時(shí),增設(shè)蓄能裝置可以大幅度減小系統(tǒng)容量,提高系統(tǒng)運(yùn)行效率和安全穩(wěn)定性。對(duì)于在已有熱電廠基礎(chǔ)上擴(kuò)建的熱電冷系統(tǒng),設(shè)置蓄能設(shè)備還可提高系統(tǒng)的供冷能力。蓄能裝置對(duì)系統(tǒng)經(jīng)濟(jì)性的影響主要取決于該裝置的形式、位置和性能等。
1)蓄能裝置形式如圖1所示,對(duì)于熱電冷系統(tǒng),蓄能裝置有蓄熱和蓄冷兩種形式。
蓄熱按蓄存介質(zhì)的不同有直接蓄存和間接蓄存。間接蓄存采用某種中間介質(zhì)作為蓄存介質(zhì)來(lái)蓄熱。這種蓄熱方式的蓄熱溫度較高,如巖和油組成的蓄存介質(zhì)蓄熱溫度達(dá)304℃,而用一種熔化的硝酸鹽作為蓄熱介質(zhì)蓄熱溫度可達(dá)566℃[6],但間接儲(chǔ)存方式的投資大,而采暖空調(diào)所用熱量溫度相對(duì)較低,故不宜采取這種蓄熱方式。
直接蓄熱可將待蓄存的熱水或蒸汽直接儲(chǔ)存在蓄熱容器內(nèi)。直接蓄熱又可分為無(wú)壓蓄熱和有壓蓄熱。無(wú)壓蓄熱方式最高蓄熱溫度可達(dá)95℃,且投資低。有壓蓄熱方式是將蒸汽或高溫?zé)崴苯哟嫘钤谇驙罨驁A柱形壓力容器內(nèi),蓄熱溫度最高可達(dá)200℃,適宜于向雙效吸收式制冷機(jī)供熱。但有壓蓄熱方式投資大,相當(dāng)于無(wú)壓方式的2至5倍[7]。
蓄冷裝置主要有水蓄冷和冰蓄冷兩種方式。冰蓄冷裝置具有蓄冷量大,結(jié)構(gòu)緊湊等優(yōu)點(diǎn)。但如果供冷系統(tǒng)采用的是溴化鋰吸收式制冷機(jī),其最低制冷溫度只能達(dá)到5℃,無(wú)法使用冰蓄冷裝置。
空調(diào)用水蓄冷是將冷水直接蓄存于蓄冷容器的顯熱蓄冷方式。主要有分層式蓄冷和隔膜法蓄冷等型式。水蓄冷溫度一般為5℃至7℃,可用于蓄存溴化鋰吸收式制冷機(jī)所制取的冷量。但由于以顯熱蓄冷,蓄冷溫度差小(約10℃左右),因而蓄冷空間較大。
2)蓄能裝置位置蓄能設(shè)備的位置對(duì)供能系統(tǒng)的經(jīng)濟(jì)性有較大影響。在熱電冷聯(lián)供系統(tǒng)中,夏季供冷時(shí)蓄能設(shè)備可安置在熱電廠中作為蓄熱器,也可安置在冷暖房中作蓄冷器,也可將蓄冷設(shè)置在用戶處。蓄能裝置的設(shè)立,可使熱源至蓄能裝置之間的系統(tǒng)容量降低和運(yùn)行效率提高,而蓄能裝置至用戶之間的系統(tǒng)則無(wú)改觀。從這一點(diǎn)講,應(yīng)盡量將蓄能裝置的位置靠近用戶側(cè)。但這樣又使蓄能裝置因過(guò)于分散而加大了投資。
3)蓄能裝置性能包括裝置容量、蓄能功率、泄能功率和蓄能熱效率等因素。蓄能裝置容量增大有利于蓄能效果的提高,但會(huì)增大蓄能的投資。蓄能容量的大小取決于熱電冷系統(tǒng)的構(gòu)成和負(fù)荷特性,需經(jīng)優(yōu)化計(jì)算確定。蓄能、泄能功率則主要與蓄能容量和負(fù)荷變化頻率等因素有關(guān)。
從宏觀的角度看,熱電冷系統(tǒng)的經(jīng)濟(jì)性還與電力系統(tǒng)有關(guān)參數(shù)密切相連,主要指所代替的電網(wǎng)其它發(fā)電機(jī)組初投資和發(fā)電效率。所代替的發(fā)電機(jī)組初投資越大、發(fā)電效率越低,則熱電冷系統(tǒng)的經(jīng)濟(jì)性越好。除技術(shù)因素外,一些政策性和市場(chǎng)因素也對(duì)熱電冷系統(tǒng)經(jīng)濟(jì)性有較大影響,例如熱電冷系統(tǒng)和代替發(fā)電機(jī)組所用的燃料價(jià)格等。熱電冷系統(tǒng)所用燃料的價(jià)格越低,代替發(fā)電機(jī)組所用燃料的價(jià)格越高,與壓縮式制冷形式的經(jīng)濟(jì)性相比,熱電冷聯(lián)供系統(tǒng)越有利。由于篇幅所限,不再詳述。
三.結(jié)束語(yǔ)
熱電冷聯(lián)供系統(tǒng)龐大,影響經(jīng)濟(jì)性的因素眾多。目前國(guó)內(nèi)對(duì)熱電冷系統(tǒng)的認(rèn)識(shí)和研究還處于初級(jí)階段。本文僅對(duì)一些影響系統(tǒng)經(jīng)濟(jì)性的主要技術(shù)參數(shù)做了定性分析,對(duì)該問(wèn)題更深入認(rèn)識(shí)還需作進(jìn)一步的定量研究。
參考文獻(xiàn)
1.付林江億熱電冷系統(tǒng)三聯(lián)供系統(tǒng)的經(jīng)濟(jì)性分析(待發(fā))
2.戴永慶溴化鋰吸收式制冷技術(shù)及應(yīng)用機(jī)械工業(yè)出版社
3.GoranMornhedInnovationsinDistrictHeatingandCooling1984-1994andTheirEconomicImpactASHRAETransaction1995
4.付林江億承擔(dān)冷負(fù)荷的熱水網(wǎng)水力工況模擬計(jì)算及其應(yīng)用熱能動(dòng)力工程1999.4
5.江億冷熱聯(lián)供熱水網(wǎng)的用戶回水加壓泵方案區(qū)域供熱1996.2
6.G.培克曼等著蓄熱技術(shù)及其應(yīng)用機(jī)械工業(yè)出版社
7.S.HORIIetl.OptimalPlanningofGasTurbineCogenerationPlantsBasedonMixed-integerlinearLinearProgramming.IaternationalJournalofEnegyResearchVol.11.1987
AnalysisofEcononicFactorsImpactingonCombinedHeating,
CoolingandElectricitySystem
關(guān)鍵詞: 光伏逆變器; B樣條神經(jīng)網(wǎng)絡(luò); ARX模型; 系統(tǒng)辨識(shí)
中圖分類號(hào): TN711?34; TM615 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2017)07?0167?04
Photovoltaic inverter model identification based on BSNN?ARX
YANG Libin1, ZHANG Haining1, LI Chunlai1, YANG Jun1, WANG Ping2
(1. Electric Power Research Institute, State Grid Qinghai Electric Power Company, Xining 810008, China;
2. State Key Laboratory of Power Transmission Equipment & System Security and New Technology, Chongqing University, Chongqing 400044, China)
Abstract: The photovoltaic inverter is the core component of the photovoltaic grid?connected system. A nonlinear system identification method based on Hammerstein model is introduced into the modeling of the photovoltaic grid?connected inverter, in which the single?phase photovoltaic grid?connected inverter is considered as a nonlinear black?box system with dual inputs and single output. The B?spline neural network (BSNN) is adopted in the static nonlinear link of the Hammerstein model, and the ARX model is adopted in the dynamic linear link. The adaptive learning method based on error learning criterion and least square recursion criterion is employed. The experimental measuring results show that the photovoltaic inverter model identification method based on BSNN?ARX can identify the inverter′s output power with high accuracy under different weather conditions, and provide an effective way to model the grid?connected inverter.
Keywords: photovoltaic inverter; B?spline neural network; ARX model; system identification
0 引 言
光伏發(fā)電作為一種清潔的可再生能源,正處在快速發(fā)展和大規(guī)模應(yīng)用的階段[1?4]。模型參數(shù)的準(zhǔn)確性對(duì)電力系統(tǒng)的分析尤為重要。文獻(xiàn)[5]利用非線性自回歸模型對(duì)光伏發(fā)電系統(tǒng)進(jìn)行建模,所得模型包含了光伏電池和逆變器,可以反應(yīng)不同天氣條件下光伏發(fā)電系統(tǒng)的動(dòng)態(tài)行為,但天氣波動(dòng)的劇烈程度對(duì)辨識(shí)效果影響較大。文獻(xiàn)[6]提出了一種基于果蠅優(yōu)化FOV?Elman神經(jīng)網(wǎng)絡(luò)的光伏電站出力短期預(yù)測(cè)模型,取得了較滿意的預(yù)測(cè)效果。文獻(xiàn)[7]采用改進(jìn)小波神經(jīng)網(wǎng)絡(luò)對(duì)光伏發(fā)電系統(tǒng)進(jìn)行非線性模型辨識(shí),但其辨識(shí)結(jié)果均受不同天氣狀況的影響較大。
本文針對(duì)現(xiàn)有光伏系統(tǒng)辨識(shí)方法對(duì)不同天氣狀況辨識(shí)能力魯棒性不強(qiáng)的缺點(diǎn)提出一種基于Hammerstein模型[8?9](簡(jiǎn)稱H模型)的B樣條神經(jīng)網(wǎng)絡(luò)光伏逆變器系統(tǒng)模型辨識(shí)方法。該方法在H模型靜態(tài)非線性環(huán)節(jié)采用B樣條神經(jīng)網(wǎng)絡(luò)(B?Spline Neural Network,BSNN)[10?12]。動(dòng)態(tài)線性環(huán)節(jié)采用自回歸模型(Auto Regressive eXogenous System,ARX),并采用最小二乘法進(jìn)行參數(shù)識(shí)別。為了驗(yàn)證BSNN?ARX模型的光伏逆變器模型辨識(shí)方法的有效性,采用實(shí)測(cè)數(shù)據(jù)對(duì)不同天氣條件下的光伏逆變器進(jìn)行模型辨識(shí)與數(shù)據(jù)結(jié)果分析。
1 B樣條神經(jīng)網(wǎng)絡(luò)ARX模型
1.1 靜態(tài)非線性環(huán)節(jié)
BSNN屬于單層前饋神經(jīng)網(wǎng)絡(luò),通過(guò)B樣條激勵(lì)函數(shù)實(shí)現(xiàn)輸入到輸出的映射,其基函數(shù)由一些局部多項(xiàng)式組成,本文采用的BSNN結(jié)構(gòu)如圖1所示。
設(shè)輸入信號(hào)[uj]在區(qū)間[[uminj umaxj]]內(nèi),節(jié)點(diǎn)設(shè)置為[Kj={kj,1,kj,2,…,kj,p},]區(qū)間劃分為[uminj=kj,1
[Ni,j(uj)=(uj-kj,i)22(Δkj)2, ki,j≤uj
式中:[Δkj=(umaxj-uminj)p,][j=1,2,…,q;i=1,2,…,n;][n]是隱含層基函數(shù)的個(gè)數(shù),[p]是節(jié)點(diǎn)數(shù),且[n=p-3;][q]是輸入信號(hào)的維數(shù)。
多輸入單輸出BSNN的輸出信號(hào)[x(u)]可表示為:
[x(u)=j=1qw2j?i=1p-3w1i,j?Ni,j(uj)] (2)
多輸入單輸出BSNN網(wǎng)絡(luò)權(quán)重從輸入到輸出分為兩個(gè)部分:第一部分是每個(gè)BSNN網(wǎng)絡(luò)中神經(jīng)元到輸出的權(quán)重[w1i,j(t)];第二部分是[q]個(gè)BSNN網(wǎng)絡(luò)輸出求和過(guò)程中的權(quán)重[w2j(t)]。式(2)中第二層的權(quán)值更新公式為:
[Δw2j=η2?i=1p-3w1i,j?Ni,j(uj)?(x-x)?1-w2j(t), j=1,2,…,q] (3)
第一層的權(quán)值更新變?yōu)椋?/p>
[Δw1i,j=η1,j?Ni,j(uj)?w2j?(x-x)?1-w1i,j(t), i=1,2,…,n, j=1,2,…,q] (4)
式中:[η]是學(xué)習(xí)因子,為了使BSNN?ARX模型收斂,取[0
1.2 動(dòng)態(tài)線性部分
在H模型的動(dòng)態(tài)線性環(huán)節(jié)采用ARX模型可用式(5)表示:
[y(t)=B(z-1)A(z-1)x(t)] (5)
信號(hào)經(jīng)過(guò)BSNN網(wǎng)絡(luò)后由多輸入變成了單輸出,對(duì)單輸入單輸出線性系統(tǒng)式(5)可以寫(xiě)成如下表達(dá)式:
[y(t)=-a1y(t-1)-…-any(t-n)+b1x(t-1)+…-bmx(t-m)] (6)
式中:[y(t)]是出;[x(t)]是輸入;[n]是[A]的階數(shù);[m]是[B]的階數(shù)。模型中待估計(jì)的參數(shù)[θT(t-1)]可以寫(xiě)成:
[θT(t-1)=a1(t-1),…,an(t-1),b1(t-1),…,bm(t-1)] (7)
可以采用遞推算法對(duì)ARX模型進(jìn)行建模,則遞歸向量表示為:
[?T(t-1)=-y(t-1),…,y(t-n),x(t-1),…,x(t-m)]
則式(6)可以進(jìn)一步寫(xiě)成:
[y0(t+1)=θT(t)?(t)] (8)
式中:[θT(t)]表示[θ(t)]的轉(zhuǎn)置運(yùn)算,ARX部分的遞推最小二乘法參數(shù)估計(jì)如下:
[θ(t+1)=θ(t)+K(t+1)y(t+1)-?T(t+1)θ(t)K(t+1)=P(t)?T(t+1)1+?(t+1)P(t)?T(t+1)P(t+1)=1-K(t+1)?(t+1)P(t)] (9)
式中:[P(t)]是自適應(yīng)增益矩陣,為了啟動(dòng)遞推公式,由式(10)確定初始值[P(0)]和[θ(0)]:
[P(0)=α, α∈(104~1010)θ(0)=ε, ε?1] (10)
2 BSNN?ARX算法實(shí)現(xiàn)
BSNN?ARX模型由單層B樣條神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)ARX模型組成。每個(gè)神經(jīng)元的激勵(lì)函數(shù)都由式(1)所示的函數(shù)表達(dá)式構(gòu)成。為了對(duì)BSNN及ARX的模型參數(shù)進(jìn)行識(shí)別,將1.1節(jié)和1.2節(jié)所述算法進(jìn)行結(jié)合,自適應(yīng)調(diào)節(jié)部分的具體算法實(shí)現(xiàn)如圖2所示。
自適應(yīng)調(diào)節(jié)部分程序運(yùn)行結(jié)束后,只執(zhí)行前向的計(jì)算,調(diào)整后計(jì)算BSNN的輸出YBSNN作為ARX模型的輸入,再根據(jù)[θ(tL)]計(jì)算ARX模型的輸出,即可得到光伏電站模型的輸出功率。
本文以光伏逆變器直流電壓和電流作為輸入[uii=1,2,]有功功率作為輸出[ytt=1]?;贐SNN?ARX模型的光伏電站模型辨識(shí)流程圖如圖3所示。
3 仿真驗(yàn)證和結(jié)果分析
3.1 實(shí)驗(yàn)數(shù)據(jù)采集與處理
以青海某光伏電站系統(tǒng)為研究對(duì)象,分別采集晴天、多云、雨天三種不同天氣條件下的直流電壓、直流電流及輸出功率數(shù)據(jù)。采樣時(shí)間間隔為15 min,每種天氣類型各采集20天數(shù)據(jù),將20天的數(shù)據(jù)分成兩部分,前15天作為訓(xùn)練組,實(shí)現(xiàn)模型相關(guān)參數(shù)的估計(jì),后5天作為模型的驗(yàn)證數(shù)據(jù)。另外,還需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,去掉日出前和日落后的無(wú)效數(shù)據(jù)。經(jīng)過(guò)處理的晴天、多云和雨天三種典型天氣條件下的光伏逆變器輸入電壓電流及輸出功率信號(hào)如圖4所示。
3.2 性能評(píng)價(jià)指標(biāo)
單相光伏并網(wǎng)逆變器的辨識(shí)模型與參數(shù)確定后,需要對(duì)其進(jìn)行比較驗(yàn)證,以確保模型的有效性,驗(yàn)證采用如下指標(biāo):
(1) 平均絕對(duì)誤差:用來(lái)反映預(yù)測(cè)值偏離真實(shí)值誤差的大小。
[eMAE=1ni=1nyi-y*i] (11)
(2) 計(jì)算模型輸出與實(shí)測(cè)數(shù)據(jù)的平均相對(duì)誤差,誤差越小,模型越可靠。
[eMRE=1ni=1nyi-y*iyi] (12)
(3) 計(jì)算模型輸出與實(shí)測(cè)輸出的最佳擬合度,所得數(shù)值最大者的精度最高,即:
[fBestFit=1-y-y*y-y×100%] (13)
式中:[y]為實(shí)測(cè)輸出功率;[y*]為BSNN?ARX模型輸出功率;[y]是實(shí)測(cè)輸出功率[y]的平均值。
3.3 實(shí)驗(yàn)測(cè)試
為了驗(yàn)證提出的BSNN?ARX模型對(duì)光伏并網(wǎng)逆變器建模的有效性,將BSNN?ARX模型與BSNN模型,ARX模型進(jìn)行比較。BSNN神經(jīng)元個(gè)數(shù)取5,激勵(lì)函數(shù)為二次B樣條函數(shù),表達(dá)式為式(1),學(xué)習(xí)常數(shù)取為0.005。對(duì)晴天、多云和雨天的數(shù)據(jù)進(jìn)行辨識(shí),輸出功率的辨識(shí)結(jié)果如圖5所示。
從圖5可見(jiàn),BSNN?ARX模型在不同天氣情況下都可以對(duì)輸出功率進(jìn)行很好的預(yù)測(cè)。表1給出了不同天氣條件下,訓(xùn)練樣本和測(cè)試樣本的預(yù)測(cè)誤差。預(yù)測(cè)誤差采用平均絕對(duì)誤差[eMAE]和平均相對(duì)誤差[eMRE。]平均絕對(duì)誤差反映預(yù)測(cè)值偏離真實(shí)值的誤差大小,平均相對(duì)誤差反映該預(yù)測(cè)誤差的可靠性。
從表1可見(jiàn),對(duì)于訓(xùn)練樣本,BSNN?ARX模型與BSNN模型相比,平均絕對(duì)誤差在晴天、多云和雨天三種不同天氣情況下分別降低了33.02%,53.83%和56.8%,而對(duì)訓(xùn)練數(shù)據(jù)則分別降低了43.98%,56.79%和66.03%。BSNN?ARX模型與ARX模型相比,對(duì)于訓(xùn)練樣本和測(cè)試樣本,平均絕對(duì)誤差分別下降了62.23%和57.75%。BSNN?ARX模型的平均相對(duì)誤差在三種模型中是最優(yōu)的。
從表2可見(jiàn),本文提出BSNN?ARX模型的輸出功率在不同天氣條件下均具有較高的最佳擬合度,平均最佳擬合度為94.74%,并且不同天氣條件下最佳擬合度差異很小,對(duì)于天氣條件具有更好的適應(yīng)性。
4 結(jié) 論
本文提出一種基于BSNN?ARX的光伏逆變器模型辨識(shí)方法。該方法采用B樣條神經(jīng)網(wǎng)絡(luò)描述H模型的非線性部分,線性自回歸模型描述H模型的線性部分,采用青海某光伏電站的實(shí)則數(shù)據(jù)對(duì)晴天、多云和雨天三種天氣進(jìn)行BSNN?ARX模型辨識(shí)與實(shí)驗(yàn)測(cè)試。與其他常用的參數(shù)辨識(shí)估計(jì)算法相比,基于BSNN?ARX方法的辨識(shí)模型能夠自適應(yīng)不同天氣條件下的動(dòng)態(tài)變化,并且具有較高的辨識(shí)精度,在該方法下構(gòu)建的辨識(shí)模型對(duì)于天氣條件具有更廣泛的適應(yīng)性。
參考文獻(xiàn)
[1] 周德佳,趙爭(zhēng)鳴,袁立強(qiáng).具有改進(jìn)最大功率跟蹤算法的光伏并網(wǎng)控制系統(tǒng)及其實(shí)現(xiàn)[J].中國(guó)電機(jī)工程學(xué)報(bào),2008,28(31):94?100.
[2] HU Bo, NONAKA Yuto, YOKOYAMA Ryuichi. Influence of large scale grid?connected photovoltaic system on distribution networks [J]. Automation of electric power system, 2012, 36(3): 34?38.
[3] 巢睿祺,王杰.太陽(yáng)能光伏并網(wǎng)系統(tǒng)的控制與仿真[J].電網(wǎng)與清潔能源,2014,30(2):81?87.
[4] 劉東冉,陳樹(shù)勇,馬敏,等.光伏發(fā)電系統(tǒng)模型綜述[J].電網(wǎng)技術(shù),2011,35(8):47?52.
[5] XIONG Xiaofu, ZHENG Wei, CHEN Kang, et al. Identification approach in modeling a photovoltaic grid?tie inverter [J]. International review of electrical engineering, 2012, 7(3): 4575?4584.
[6] 韓偉,王宏華,杜煒.基于FOA?Elman神經(jīng)網(wǎng)絡(luò)的光伏電站短期出力預(yù)測(cè)模型[J].電測(cè)與儀表,2014,51(12):120?124.
[7] 鄭凌蔚,劉士榮,謝小高.基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)非線性模型辨識(shí)[J].電網(wǎng)技術(shù),2011,35(10):159?164.
[8] 王東風(fēng),任燕燕,劉長(zhǎng)良,等.基于量子遺傳算法的循環(huán)流化床鍋爐Hammerstein模型辨識(shí)[J].動(dòng)力工程學(xué)報(bào),2013,33(10):782?788.
[9] HONG X, MITCHELL R, CHEN S. Modelling and control of Hammerstein system using B?spline approximation and the inverse of De Boor algorithm [J]. International journal of system science, 2012, 43(10): 1976?1984.
[10] 吳忠強(qiáng),賈文靜,吳昌韓,等.基于PSO?BSNN的短期風(fēng)速預(yù)測(cè)[J].電力系統(tǒng)保護(hù)與控制,2015,43(15):36?41.
級(jí)別:省級(jí)期刊
榮譽(yù):Caj-cd規(guī)范獲獎(jiǎng)期刊
級(jí)別:部級(jí)期刊
榮譽(yù):Caj-cd規(guī)范獲獎(jiǎng)期刊
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)