简介：对国内具有代表性的4家燃气表企业生产的超声波燃气表进行了高低温环境下的相对误差及重复性试验.分析了超声波燃气表的计量性能受流量和温度影响的变化特性,比较了国产超声波模组和进口超声波模组的性能差异.试验结果表明：流量和温度对超声波燃气表的计量性能均存在影响.超声波燃气表在大流量段的计量性能优于小流量段（低于3qmin）.当试验温度偏离参考温度20℃时,超声波燃气表的计量性能明显下降.试验结果还表明,在参考温度20℃下,进口超声波模组的性能优于国产超声波模组.本文所获得的试验结果可为我国超声波燃气表相关标准的制定提供参考,为国内超声波燃气表的研发和改进提供底层试验数据支持.

简介：本文简要介绍了燃气热水器(燃气泄漏类)质量鉴定时应注意的问题,以及基本的程序、规定.

简介：在数据驱动的集中式空调系统故障诊断过程中，特征选择是一个必要的预处理．选取重要的特征作为分类依据，无论是从经济的角度还是对故障的有效判断上，都具有非常重要的意义．现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取，并利用支持向量机完成分类，最后通过对比分析获取冷水机组故障诊断中最重要的特征子集．

简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.

简介：短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机（SVM）的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.