不同埋桩土质及海水冲刷对近海单桩式支撑结构风力机动力学行为产生显著影响。以10 MW单桩式风力机为对象，基于有限元方法，考虑风-浪-震多载荷激励和冲刷效应开展风力机支撑结构在砂、黏土的动力学特性研究。结果表明：砂土地基受冲刷后刚度显著退化，塔顶位移与应力峰值较无冲刷工况都有所增加，黏土地基因粘聚力与高阻尼特性，冲刷对其影响微弱；地震载荷加剧动力响应，且砂土地基在地震与冲刷联合作用下易发生动态放大效应，地震激励使塔顶位移峰值达3.82 m，较无冲刷工况增加11.4%；塔架应力集中区分布于风-浪来流方向中下部，黏土地基中沿塔架周向应力较砂土显著减小。

针对火力发电机组面对自动发电控制(AGC)指令的响应速度慢，爬坡率低的问题，提出了基于负荷指令智能优化分解的火储协同控制方法。首先，针对火电机组与电池储能面对二次调频响应速度不同，应用改进型自适应噪声完备集合经验模态分解AGC指令，根据分解指令的样本熵进行Kmeans自适应聚类，由此建立功率分配器，将AGC指令分为高频与低频两种指令。其次，建立火电机组与储能电池控制模型，高频指令由储能电池承担负荷。低频指令主要由火力发电机组承担负荷，储能电池承担部分快速跟踪负荷。然后，依据电池和火电机组状态作为约束条件，应用模型预测控制器自适应滚动优化控制储能电池和火电机组的出力。最后，对某1000MW机组的AGC实际指令进行仿真实验，仿真结果表明，所提策略较于传统火电机组与电池储能的控制，能有效提高AGC指令的跟踪速度，提升火电机组的爬坡率，减少跟踪指令时的震荡次数。

随着现代电力系统中可再生能源比例逐步增加，频率波动问题日益严峻。为提升火电机组在复杂扰动条件下的调频能力，提出了一种基于智能前馈补偿和分数阶PID的火电机组调频优化控制策略。采用多层感知器（MLP）对系统的负荷扰动和新能源并网扰动进行精准预测，为前馈控制环节提供可靠的输入。在反馈回路中设计了分数阶PID控制器，利用其分数阶微分和积分项的优势，能够更精细地调节复杂动态系统的响应特性。控制器的参数通过增强型PSO算法进行优化，以充分发挥控制器的性能。在多级连续负载扰动和新能源并网扰动场景下测试所提策略的有效性。实验证明，在两种不同场景下，本文策略下频率偏差的ITAE相比与传统PID策略分别降低了34.67%和41.87%。

轴线平行度检测是齿轮箱装配过程中的重要流程，平行度误差对设备运行状态有着显著影响。为了便捷、精确的获取轴线平行度误差，本文提出一种基于梯度策略的群优化算法（NRBO）改进极限学习机（ELM）算法的轴线平行度预测方法。该方法基于数据驱动的神经网络算法与有限元仿真相结合，以某型宽斜齿轮副为研究对象，通过仿真获取齿根应力分布数据，进而训练NRBO-ELM算法，实现对轴线平行度快速准确的预测。首先，通过有限元计算了900组不同轴线平行度误差下的齿根应力分布数据，生成数据集的同时分析了轴线平行度误差对齿根应力分布的影响；然后，使用数据集训练NRBO-ELM预测模型；最后，将结果进行统计学评价，并与ELM算法以及BP算法的预测结果进横向比较。结果表明NRBO-ELM算法可以对齿轮轴线平行度误差进行准确预测。本文所提出的轴线平行度误差预测方法，对进一步实现轮轴线平行度状态在线监测和辅助生成最优平行度误差调整策略，进而改善齿轮箱运行状态，具有重要参考价值。

针对现有模型难以有效捕获气象因素引发的光伏发电的随机性与间歇性，导致预测精度低的问题，提出一种基于FDAM-SOFTS-TKAN网络的短期光伏功率预测方法。首先，使用皮尔逊相关系数筛选关键因素作为输入变量，采用高斯混合模型聚类算法将数据划分为晴天、多云天和阴雨天三种类型；随后，提出频域深度注意力机制（Frequency Depthwise Attention Mechanism, FDAM）对序列聚合网络进行改进优化，增强模型对长期依赖关系和变量相关性的提取能力；同时，利用TKAN（Taylor Kolmogorov-Arnold Network, TKAN）高阶非线性映射提升模型对复杂气象条件的适应性；最后与koopa和iTransformer等4种当前先进的模型进行对比实验。结果表明:所提方法在晴天、多云及阴雨天气下的MAE和RMSE分别降低18.6%~67.4%和13.7%~62.6%，充分验证了其在预测精度与复杂天气鲁棒性方面的优越性能。

燃气轮机的维修方式逐渐由计划性维修向视情维修转变，对其进行故障预测是提高维修策略可靠性的有效途径。相比机理建模的故障预测方法，深度学习具有能够自主学习非线性特征关系的优势，已成为研究热点。通过梳理近年来相关研究文献，文中总结了深度学习故障预测方法的一般框架与预警流程，对比分析了卷积神经网络、长短期记忆网络、Transformer三种深度学习模型的结构特点，综述了其在燃气轮机故障预测领域的适用性及代表性成果，指出了提升模型复杂工况适应性和跨机组泛化能力等研究难点，对模型融合、健康管理等未来发展方向作了展望，为深度学习算法在燃气轮机智能运维的应用提供参考。

随着我国能源结构不断优化和电力需求日益增长，燃煤机组的电源属性正逐渐由支撑型转变为调节型。为满足燃煤机组灵活调节需求，在变负荷过程中自动调度制粉系统启停，实现机组对负荷指令的准确跟随，已成为亟待解决的问题。为此，提出一种制粉系统启停自主决策控制方法，通过VMD-BiLSTM算法实现机组负荷准确预测，并根据未来负荷与当前制粉系统带载能力间偏差，动态调整制粉系统运行方案。现场实验结果显示制粉系统启停过程中暖磨、启磨及停磨功能自动实现，决策提前量增加2-3分钟，暖磨时间较人工操作缩短40%，暖磨速率偏差不大于0.3℃/min，磨出口温度波动在±2℃范围内。证明所提控制策略在无人干预情况下，能够实现制粉系统全程自主启停，准确响应电网负荷指令，显著提高燃煤机组灵活运行能力。

针对结构复杂、参数耦合性强的对转离心式压缩机，通过正交试验优化其气动设计参数。相较于常规单转子离心压缩机仅需优化进口流量、转速等基础参数，对转结构需同时协调上下游转子间的气动匹配关系（如转速比、叶片干涉效应等），其设计自由度与难度显著增加。因此系统分析了Maw3（下游叶轮进口相对马赫数）、ψ（下游叶轮能量头系数）、β4（下游叶轮出口相对气流角）、Zb（下游叶片数）、RAt(下游叶栅喉口面积比)等参数对整级等熵总效率（ηst）的影响规律。结果表明：当Maw3=1.30、ψ=0.52、β4=18°、Zb=7、RAt=0.95时，可获得最高整级等熵总效率ηst=83.63%。其中各参数间存在耦合关系：下游叶片包角θb随Maw3、ψ、β4减小而增大，随Zb和RAt增大而减小；高ηst区域集中在Maw3较小、ψ较大的组合，而Zb=7和RAt=0.95时效率表现最佳。通过改变上下游不同转速比，所研对转离心式压缩机在设计转速附近最高效率出现峰值，流量范围出现峰值，综合裕度较大，压比较高。变转速工况验证表明：随上游叶轮转速增大，上下游叶轮转速比应由大减小。

基于神经网络的故障诊断方法因其黑盒特性导致可靠性不足,为增加其可信度,本文提出一种基于物理信息增强的轴承故障诊断方法(Physical-Information Probabilistic Deep Neural Network, PIPDN),该方法根据轴承理论故障的特征频率生成物理标签,通过赋予数据更具物理性的标注,提升模型的准确性并降低其预测不确定性。为验证所提出方法的可靠性,通过比较传统深度卷积神经网络、物理信息神经网络及其他诊断方法的智能诊断对比实验。结果表明：PIPDN能够准确辨别轴承故障特征,具有良好的诊断性能和较强的鲁棒性,为轴承故障诊断提供了可靠的技术路径与理论支撑。

透平叶片作为透平机械的核心部件，其常采用干摩擦结构减小叶片振动响应及振动应力。阻尼结构之间的非线性接触现象导致准确求解叶片动力学特性所需的时间和算力大幅提升。因此，提出了一种基于深度卷积神经网络的动应力场重构模型DynStress-NN，改进了损失函数，实现了多参数下叶片应力场的快速准确重构。同时基于DynStress-NN分析了最大动应力对各个参数的敏感性。结果表明，DynStress-NN的动应力场预测平均绝对误差约0.002，最大动应力值预测最大相对误差小于±1.5%。经过训练的DynStress-NN对单个工况的分析耗时相比有限元方法缩短了99.9%，仅需0.079秒。最大动应力对围带厚度最敏感，总阶敏感度为0.519。可为透平阻尼叶片复杂工况下的高效设计和可靠运行提供技术支持。

在“双碳”战略背景下，火电机组作为调节电力系统稳定性的关键设备，其运行效率和智能化水平亟待提升。锅炉作为火电机组中的核心单元，其热效率直接影响燃料利用率与碳排放水平。传统控制策略难以应对锅炉运行过程中多变量耦合、非线性变化的复杂性。为此，提出一种基于深度强化学习的锅炉热效率预测与优化模型。构建了基于Transformer与LSTM结构融合的预测模型，实现锅炉热效率与负荷的动态预测，在测试集上分别取得R2为0.95和0.99的优异表现。在此基础上，分别采用遗传算法（GA）与近端策略优化算法（PPO）对锅炉关键操作参数进行调整，实现热效率优化。对比结果表明，PPO优化后热效率提升覆盖率达87.5%，平均提升幅度优于GA，且锅炉负荷控制偏差显著减小。此外，PPO具有更好的平稳控制和计算效率，更适用于实际工程场景下的在线优化。

新型电力系统中，火电机组的深度、频繁调峰给SCR烟气脱硝系统带来剧烈的干扰，抗扰动成了SCR控制系统的核心任务，传统的串级PID控制难以满足机组深度调峰的需求。自抗扰控制(ADRC)在扰动抑制方面优势显著，但是先进控制理论存在突出的理论严谨性与工业实用性之间的矛盾，难以在工程应用中推广。为此，本文提出了一种两步重构的SCR烟气脱硝系统抗扰PID控制方法。第一步，对控制对象进行分解，将普通串级PID控制重构成串级自抗扰控制(CADRC)；第二步，基于扰动估计和补偿原理，将串级自抗扰控制(CADRC)重构成抗扰PID控制；然后基于H∞控制整定控制系统参数。仿真实验证明，抗扰PID控制继承了自抗扰控制(ADRC)突出的扰动抑制能力，而且鲁棒性好、结构简单，其控制品质优于普通串级PID控制，具有良好的工程应用前景。两步重构抗扰PID控制是借力PID的工程基础实现自抗扰控制(ADRC)平滑应用的又一典型案例。

为提升传统光伏功率预测方法的精度，提出一种由模糊C均值聚类（FCM）、麻雀搜索算法(SSA)、变分模态分解(VMD)、自适应噪声集合经验模态分解(CEEMDAN)和双向门控循环神经网络(BiGRU)耦合的短期光伏发电功率预测模型。首先根据皮尔逊相关系数筛选出数据集中影响光伏发电功率的关键因素，再通过FCM聚类将具有相似气象特征的数据划分为3类天气数据集，降低光伏数据的复杂度；其次通过SSA分别优化VMD和CEEMDAN两步分解，使其能够分别自适应分解聚类后的光伏功率数据，获取光伏功率信号的频率特征；最后将二次分解后的各子序列输入由SSA优化超参数的BiGRU神经网络中分别预测，将预测完成后的子序列按照时序叠加，得到最终的预测结果。模型在澳大利亚DKASC的光伏发电站Alice Springs中分布式站点10.5kW子阵的气象条件与功率数据集上进行验证，通过实验证明，本文提出的模型在不同气象条件聚类下能够准确捕捉数据的频率特征，预测结果的决定系数在不同气象条件下均高于0.96，说明在短期光伏发电功率预测中该模型具有较高的精确度和适用性能。

在某型船用管道泵小型化、高速化的改型后，泵内流动引起的水力激励问题愈发突出。为降低泵组振动，采用非阻尼微颗粒阻尼技术(NOPD技术)在泵组进出口段增加轴向和径向离散分布的空腔用来填充阻尼颗粒，并对不同填充率以及不同密度颗粒进行对比分析，结果表明：NOPD技术针对水力激励引起的高频宽带谱有很好的抑制作用，对低频减振效果不佳。颗粒阻尼在80%填充率减振效果最好，且随着质量比的增大而增大。钨颗粒在80%填充率下，总振级轴向振动降低10.3dB,径向振动降低11.6dB。NOPD技术对管道泵组起到了很好的减振效果。

针对齿轮箱在复杂工况下因强噪声干扰和弱差异特征导致的故障诊断难题，提出一种融合自适应变分模态分解（Variational Mode Decomposition ,VMD）与辅助分类生成对抗网络（Auxiliary Classifier GAN ,ACGAN）的故障诊断前处理方法。首先通过斑马优化算法（Zebra Optimization Algorithm ,ZOA）动态优化 VMD 的惩罚参数和模态数 K，结合自相关函数筛选有效固有模态函数（IMF）并利用小波降噪进行二次处理，实现振动信号的自适应降噪；其次引入辅助分类生成对抗网络（ACGAN）对同类故障不同程度的弱差异信号进行特征增强，通过生成器与判别器的对抗训练，扩大特征空间差异；最后以齿轮齿条机构为研究对象，设计含正常、轻微断齿、中等断齿、严重断齿 4 种状态的振动模拟试验对诊断方法进行验证。结果表明:自适应 VMD 降噪后信号信噪比（SNR）从- 8.8483提升至2.828，均方根误差（RMSE）降低62.2%；ACGAN 特征增强弱差异信号的时频图中故障频率成分显著凸显。该方法突破了强噪声环境下齿轮箱弱差异特征的识别瓶颈，为齿轮箱传动系统的精准故障诊断提供了工程化解决方案。

为探究掺氨技术在工业燃煤锅炉中的燃烧特性与污染物排放行为，本文以某135 MW四角切圆燃煤锅炉为研究对象，开展掺氨燃烧过程的三维数值模拟研究。系统分析氨气入射角度（–20°~+20°）及空气分级比对炉内燃烧特性、组分分布及NO生成的影响。研究结果表明：氨气入射角度对主燃烧区与还原区的温度分布及组分浓度具有显著调控作用。随着入射角由正向转为负向，炉内高温区下移，主燃烧区氧浓度降低，促进了NH?对NO的还原作用，从而显著降低NO排放。当入射角为–20°、掺烧比为0.35时，炉膛出口NO浓度可降至285 ppm。空气分级比对炉内燃烧气氛具有关键影响，较低的二次风率有利于在主燃烧区形成贫氧环境，增强NO还原反应。在二次风与高位燃尽风比例为0.33:0.34时，出口NO浓度进一步降至288 ppm。研究表明，氨入射角为-20°与空气分级比为（0.33：0.34）时有效实现高比例掺氨（掺烧比为0.35）工况下NO的超低排放，为燃煤锅炉低碳化改造提供理论依据与技术参考。

针对一种流道高度为150 μm、水力直径为280 μm的压电微泵驱动的超薄闭合回路微通道热沉，在泵频为100Hz ~ 400Hz的低雷诺数（Re < 150）流动工况下，采用三维数值模拟与实验验证相结合的方法开展研究。研究以热阻（R）、温度标准差（σT）、平均努赛尔数（Nu）等作为核心评价指标，系统分析了波纹通道的强化传热机理，并进一步探究了热源区域局部增设微肋结构对传热性能的优化作用。结果表明：在低雷诺数流动工况下，相较于平直通道，波纹通道可在压降基本保持不变的前提下，通过增强流体内部扰动，使热沉区域的平均努赛尔数提升约7%，整体热阻降低2.1%；在波纹通道热源区域局部增设微肋后，存在一个最优微肋直径，使得热沉的热阻较无微肋结构进一步降低3.7%，整体最高温度降低约2.5℃，同时上表面温度标准差降低约5.6%。

为解决综合能源系统(IES)中多微电网（MMG）协同收益分配冲突以及移动储能与区域能源结构适配性差异等问题，提出了集成双层博弈与轻微让利机制的MMG协同优化模型。下层提出基于电动汽车(EV)-微电网MG双方效益的双层博弈模型， MG通过可再生能源消纳量与负荷偏差实施动态定价，有效激励不同区域的移动储能灵活响应不同能源结构的MG，从而平抑功率偏差、促进清洁能源消纳。上层构建 MMG 协同多能模型，基于交替方向乘子法（ADMM）求解，并提出轻微让利策略在保护MG的隐私数据下替代复杂收益分配机制。以贵州省某地区数据为例，各MG含可再生能源与传统负荷，EV聚合商（EVA）代表区域EV群体参与互动。仿真结果表明，EV-MG 博弈模型使 MG1、MG2、MG3 的聚合商日充电成本分别降低 1750.84 元、3449.3 元、3300.92 元，各MG运营商综合日运行成本分别减少 2615.97 元、12676.9 元、1173.41 元。轻微让利策略使各 MG 碳排放成本分别降低 50.95%、17.88%、41.14%，在显著降低用能成本、提高销售收入、规避收益分配冲突的同时，有效提升了区域能源系统的低碳运行水平。

为探究叶栅展向载荷分布对气动损失与流场结构的影响，提出一种基于中弧线斜率与载荷分布关联的反问题设计方法，以实现展向载荷的主动调控。研究通过数值模拟，分析了不同展向载荷分布对气动性能与流场结构的作用机制。数值结果显示，在吸力面前缘附近形成由叶根指向叶中的逆压展向静压梯度时，相同近失速工况下的总压损失系数较初始叶栅降低17.7%。通过主动调控展向载荷分布，有效抑制马蹄涡吸力面分支的发展。研究结果表明，该展向载荷分布能有效抑制角区失速，将失速起始攻角相较于初始叶栅推迟了2.8°。

氢透平膨胀机是氢液化系统的关键部件，提高其等熵效率对系统的高效运行有重要影响。本文采用基于损失模型的平均线模型实现了氢透平膨胀机的气动设计，并结合遗传算法获得了最优性能下的设计参数，结合三维数值模拟方法分析了叶顶间隙、叶轮入口角和出口角对氢透平膨胀机性能的影响。结果表明:一维的优化设计方法具有一定的准确性，三维流场分布合理。等熵效率随叶顶间隙增加而减小，当叶顶间隙尺寸大于5%叶高时，叶顶处涡流面积明显增加；存在最佳的进出口叶片角度与设计工况相匹配，分别为85°和35°，当偏离最佳值时，流动损失的区域和涡面积存在显著变化。优化后降低了各项能量损失，等熵效率为89.4%，较初始的设计值提高1.6%。研究结果可为氢透平膨胀机的设计提供重要参考。

以某型汽轮机末级静叶为研究对象，建立了叶栅单流道、空心叶片及其内部加热通道三维模型，基于ANSYS FLUENT软件瞬态离散相模型（DPM）分析了在不同的机组工况下液滴尺寸、进汽角度对沉积的影响，并对比了静叶内部传统通道与蛇形通道的传热特性。结果表明：液滴主要沉积在静叶压力面；在轴向上，压力面沉积集中在静叶前缘和70 %-90 %相对叶宽区域，吸力面沉积集中在距前缘前20 %相对叶宽的区域；在径向上，液滴主要沉积在叶片70%以上相对叶高区域；总沉积率随进汽参数降低逐渐减少，但吸力面沉积占比增加；随着进汽角增大，液滴沉积范围增大，总沉积率降低；在设计加热工况下，蛇形通道所得外壁面平均温度相较于传统通道提升约34K，外壁面高温区域也更靠近液滴沉积集中位置。该工作为后续空心静叶加热除湿结构设计提供仿真参考。