简介:摘要:在现代化生活环境下,居民生活离不开用电,电力设备常年使用难免有所损坏,为了保证电力设备和系统可靠安全的工作,电力企业部门需要更新电力系统检修方式,传统的检修方式已经不能满足我国电力行业的发展需求,同时,电力部门需要关注国内外电力市场的发展状况,加强对电力设备和系统检修维护的技术水平,改善我国电力行业发展滞后的状态,加强我国电力系统状态检修方式的科学性。本文旨在探究供电检修方式如何适应电力市场的发展改革,解决目前我国在电力系统状态问题方面存在的问题,以此促进我国电力行业的可持续发展。
简介:落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.