|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于 dSPACE 的固体氧化物燃料电池热电特性模拟系统
本发明公开了一种基于 dSPACE 的固体氧化物燃料电池热电特性模拟系统，包括仿真单元、仿真控制单元、传感器测量单元。仿真单元包括 PC 和 dSPACE 及接口板。仿真控制单元包括电压可调电源、电堆热模拟系统以及负载。传感器测量单元包括电压测量模块、电流测量模块、K 型热电偶以及 PLC。其中电压可调电源输入是 220V 交流市电，输出为 0-30V 可调，电堆热模拟系统通过均匀分布在电池片上的电热丝来模拟输入氢气
华中科技大学
2021-04-14
任选燃料混合式发动机
集四行程、三角转子和燃气轮机多重优点，去除压缩、 暴发两行程配气机构，改为进气做功、排出废气配气机构，并具有更高增压的三角转子废气增压装置，故不但克服了该发动机不均匀运转问题和在限定时间里燃烧、使用单一燃料局限性问题，而且还克服了燃气轮机热效率极底的问题；尤其在该发动机中，应用了微电脑控制变速电机的大转矩行星齿轮配气机构和空心球状转换阀，所以该发动机，还能替代 变速器而提供多种动力输出和提供该发动机反向旋转的多种动力输出。四缸总量为 2.0L， 烟度不透光度 20 秒怠速≦10%，功率为 240KW 以上，节能减排 50%以上，抗电磁干扰为 0-30khz。
太原理工大学
2021-05-06
重质燃料油添加剂
随着原油重质化和重质油品轻质化加工技术的发展，用于石油化工加热炉燃料油的质量、燃烧性能越来越差、粘度越来越高；为利用催化装置的甩油，将其过滤后加入燃料油中，使燃料油中铝或其它重金属成分增加。由此使得燃料油雾化质量差、不完全燃烧损失增加；烟气中熔融状态的物质多，辐射炉管结垢严重。不但使得石油化工加热炉热效率降低，而且使得石油化工加热炉辐射室传热量减少，处理能力不满足生产需要。为了消除燃料油的质量、燃烧性能变差给石油化工加热炉运行带来的不利影响，保证石油化工加热炉“长、安、稳、满、高效”运行和减少排烟对大气的污染，我公司开发研制出具有减粘、促燃、减少S0x生成量和减缓辐射炉管结垢性能的油溶性重质燃料油添加剂。技术指标为： 添加剂加入量小于0.5%。 燃料油的粘度降低30%。 燃料油的燃烧速度提高3~8倍。 石油化工加热炉热效率提高2%。 烟气中S0x浓度降低50%。 辐射炉管结垢速率降低80%~90%。 添加剂在使用中对生产装置、管线无不良影响。
北京科技大学
2021-04-11
内燃机替代燃料高效燃烧技术
为了应对越来越严峻的环保要求和能源形势，我国正在推进能源转型，往可再生能源、绿色、低碳方向发展，提高可再生能源在一次能源中的占比。利用可再生电能生产氨，使用氨燃料为交通运输提供动力，是节能减碳有效的技术路线。现有的发动机和动力系统技术、发动机工业基础以及现有的交通工具基础已经为发动机使用氨燃料的转变奠定了坚实的基础。
大连理工大学低碳动力创新团队发明了加热点火室和重整气点火室，以及多杆式连续米勒可变气门等技术，极大提升了内燃机点火能量和点火可靠性，解决了替代燃料点燃式发动机混合气点火困难的问题。通过在不同负荷和进气温度下优化混合气成分和有效压缩比，能有效降低爆震倾向，同时保持高热效率。
加热点火室燃烧系统如图 1所示，燃烧系统包括主燃室和点火室，两室由通道相连，点火室容积与主燃室相比很小，其作用是产生控制主燃室预混合气着火的高温射流。主燃室内通过缸内直喷燃料形成预混合气。点火室单独供给燃料重整气并由火花塞点燃，燃烧产生的富含活性基高温射流冲入主燃室后引发预混合气的快速湍流燃烧。另外，点火室采用电加热控制内部温度，解决了冷启动问题。
图 1 点火室燃烧系统
多杆式连续米勒可变气门装置如图 2所示，无需使用调相机构(VVT)，即可满足发动机配气连续可变米勒循环正时要求。
基于本替代燃料高效燃烧技术，能够方便可靠地将中高速柴油机改造为使用氨燃料的无碳发动机，同时保持动力性基本不变，而且制造成本也基本不变，能够带来巨大的社会效益。
大连理工大学
2021-05-10
垃圾衍生燃料及低污染焚烧技术
内容介绍 垃圾衍生燃料及焚烧技术是以经过预处理的生活垃圾中的可燃成分 （包括塑料、橡胶、纸、纤维、木材等）为主要原料，配比适量的其它 燃料等物质制备出衍生燃料，简称RDF。与这种燃料配套使用的焚烧技术 可以回收高余热能，并且抑制二恶英低污染锅炉的排放。 该技术达到国内领先水平，可在城市生活垃
西北工业大学
2021-04-14
新型能源材料及燃料电池研究
“氢化燃烧合成（HCS）镁基储氢合金”项目，先后获得国家自然科学基金、国家“863”项目和江苏省高技术研究重大项目的资助，并与美国通用（GM）公司开展国际合作。主要研究HCS和高能球磨（MM）复合制备纳米镁基储氢材料的工艺条件；研究高容量、高活性镁基储氢材料的HCS反应过程和MM复合机理；研究HCS＋MM制备镁基储氢材料结构特性，揭示低温高容量高活性储氢机理。纳米镁基储氢材料的主要技术指标：（1）储氢量> 5.5 wt.%，（2）吸氢温度< 100℃，五分钟内吸氢达到储氢量90%，（3
南京工业大学
2021-04-14
气体燃料低氮燃烧器
1. 痛点问题
随着人们环保意识的增强，以及“双碳”目标的提出，气体燃料在工业生产中的比重越来越大。我国工业锅炉污染物排放标准是世界上最严格的标准，但我国气体燃料清洁燃烧的研究相比欧美国家晚，虽然近几年国产气体燃烧器有了长足的发展，但大都局限在低功率的小型燃烧器范围内，燃料种类单一，燃烧器性能与国外知名燃烧器相比仍有较大差距。目前国内市场，进口燃烧器占比在80 %以上，大功率燃烧器（＞25 MW）占比在90 %以上。急需开发高性能的国产燃烧器，以减少企业投资成本，提高企业综合竞争力。
2. 解决方案
燃烧器采用特殊的结构，卷吸高温烟气，将空气与燃料稀释，降低燃烧强度，提高燃烧稳定性，同时采用亚音速设计加强了燃料与空气的混合，减少局部高温区比例。
合作需求
合作需求：从事燃烧设备制造加工等企业，有一定的燃烧器制造/运行/调试经验，本燃烧器适用于燃烧天然气、氢气、高炉煤气、焦炉煤气、炭黑尾气以及兰炭尾气等多种气体，可用于工业供热/蒸汽、水泥生产、陶瓷生产、石油冶炼等多个领域。
清华大学
2022-03-22
燃料乙醇的创新生产与运输
派恩新能将广泛应用于能源、化工、环境治理、生物医疗、基础设施建设等行业，成为企业降低成本、提升效率、减少污染的好帮手。
一、项目进展
创意计划阶段
二、负责人及成员
姓名
学院/所学专业
入学/毕业时间
钱飞扬
信息与电子工程学院/信息工程专业
2021/2025
林映琦
公共管理学院/劳动与社会保障专业
2020/2024
三、指导教师
姓名
学院
职务/职称
研究方向
徐象国
能源工程学院
副所长/教授
制冷空调
四、项目简介
派恩新能拥有国内唯一自主研发的高精度数值模拟流体仿真技术。团队拥有1项国家发明专利授权，具有坚实的技术壁垒。
致力于成为中国最具技术自主权的工业仿真综合技术服务提供商，为工业企业提供高精度流体仿真分析和专业化技术咨询服务，通过模拟企业工业现状，帮助企业识别工业问题，并提出智慧解决方案。
派恩新能将广泛应用于能源、化工、环境治理、生物医疗、基础设施建设等行业，成为企业降低成本、提升效率、减少污染的好帮手。
目前派恩新能提供的服务主要分为两大板块：（1）流体仿真分析，（2）专业化技术咨询服务，能为能源、环境等多个工业行业的实际工业问题提供一站式的技术服务支持，可以打通能源制备与运输的产业链，通过派恩新能技术实现产业集成化，从而大大降低新能源的普及与使用成本。
针对诸多工业领域，派恩新能可以在流体仿真分析的基础上，为企业提供专业的定制化技术咨询服务，涵盖工业监测、工业流程优化、智慧管控优化、安全生产管理系统等一系列技术咨询服务。
浙江大学
2022-07-26
选矿厂生产统计计算机管理系统
项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。
武汉工程大学
2021-04-11
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11