多酶偶联催化制备手性化合物（S）-环氧苯乙烷

在水/有机两相中将羰基还原酶SyS1、葡萄糖1-脱氢酶SyGDH和卤代醇脱卤酶CSyHheC偶联催化α-溴代苯乙酮以高效制备(S)-环氧苯乙烷(SO)。第1步反应催化α-溴代苯乙酮不对称还原为(S)-2-溴-1-苯基乙醇((S)-BPE)及NADPH的原位再生,其优化的反应条件:100 mmol/L磷酸钾缓冲液(p H 8.0)/正己烷(V∶V=4∶6)、40 mmol/Lα-溴代苯乙酮、80 mmol/LD-葡萄糖、0.2 mmol/L NADP+和70 mg/m L E.coli/Sygdh-Sys1湿菌体(共表达SyGDH和SyS1),终体积1.0 m L,35℃反应8 h。第2步反应催化(S)-BPE脱卤闭环为(S)-SO,其反应条件:在上述反应体系中加入磷酸钾缓冲液(p H 8.0)和0.3 U SyHheC,终体积2.0 m L,35℃反应30 min。通过连续2步酶催化反应,终产物(S)-SO的摩尔产率为99%、对映体过量值99%。     

皮江法炼镁工艺用能状况诊断及节能措施

系统分析了我国金属镁生产过程中广泛应用的皮江法工艺的能源利用状况。分析表明,皮江法炼镁工艺中所使用的热工设备热效率很低。针对这些工艺过程和热设备的用能现状,提出了一些具体的节能措施。     

微型燃气轮机发电系统在城市电网黑启动中的运用

根据交流励磁发电机系统对励磁变频器功率双向流动及输入和输出电流谐波的要求,提出采用矩阵式交-交变频器作为励磁电源。在Saber仿真软件平台下,分别以矩阵式交-交变频器、交-直-交、交-交变频器作为励磁电源对交流励磁发电机系统进行研究,仿真了三种变频器供电时发电机定、转子电流和感应电势及变频器输入电流波形,并作相应的谐波分析。证实了矩阵式变频器输入功率因数高,输入电流波形正弦性好,对电网的谐波污染较小,将可能成为交流励磁发电机理想的励磁电源。所作的研究工作,为交流励磁发电机的励磁系统工程设计提供了一定的理论     

PSO算法在互联电网CPS功率调节中的应用研究

研究了电网中不同类型AGC机组在功率缺额下所应该承担的比例大小问题.采用标准PS0算法对CPS控制策略中AGC机组调节功率的分配进行机组种群优化.利用标准PSO算法,可以避免平均分配法较难得到最优解的缺陷,从而在经济性的条件下使CPS指标达到最优.通过算例进行仿真计算,证明了该算法的有效性.     

东莞配电网谐波测量及其统计分析

对东莞市配电网的谐波问题进行了全面的普查,对东莞市8个镇,131个企业,247个配变,采用了便携式电能质量分析仪和在线长期监测相结合的方式,进行了实地监测。对监测数据进行统计分析后,得出了东莞配电网的谐波污染现状。结果表明,东莞配电网的谐波污染严重,超过33％的监测点的谐波电流含量超过10％,急需进行谐波治理。     

基于平均报酬模型全过程R(λ)学习的互联电网CPS最优控制

提出了一种新颖的基于平均报酬模型的全过程R(λ)学习互联电力系统CPS最优控制方法。该方法与电网自动发电控制(AGC)追求较高的考核时间段内的10min平均控制性能标准(CPS)指标合格率的目标相吻合,且所提出的基于平均报酬模型的R(λ)学习算法与基于折扣报酬模型的Q(λ)学习算法相比,在线学习收敛速度更快,可获得更佳的CPS指标。此外,所提出的改进的R(λ)控制器具有全过程在线学习的特点,其预学习过程被一种新型的在线"模仿学习"所代替,克服了以往强化学习控制需要另外搭建仿真模型来进行预学习收敛的严重缺陷,提高了R(λ)控制器的学习效率及其在实际电力系统中的应用性。     

基于CPS统计特性的自适应自动发电控制策略

提出了基于CPS统计特性的自适应自动发电控制(AGC)策略,对自适应控制系统结构和CPS/DCS控制器的设计均进行了阐述,重点阐述了可随电网结构、运行方式和实际需要变化的自适应CPS控制参数调节规律。该自适应AGC策略的设计完全面向NARI所提出的控制性能标准(CPS)控制规律,解决了NARI控制规律中参数自动整定问题,并可快速、简便地在电网公司现有的AGC系统上升级实现。借鉴引用了以经济性和指标性为主的优化控制方法。研究表明,该自适应AGC策略可在保证CPS考核合格率的同时有效减轻发电厂的调节压力。     

基于多核处理器的L7-Filter规则匹配改进算法

针对多核处理器的体系结构和网络数据流在时间上的局部性特点,提出了一种基于多核处理器的分链动态适应算法。该算法通过对网络数据流进行类型分类并根据网络数据流的时间局部性对规则链进行动态优化,从而有效减少了多核处理器下L7-Filter对网络数据流的匹配次数,显著提升了规则匹配效率。仿真实验结果表明:在网络数据包个数相同条件下,所提算法在性能上约有7%的提高。随着网络数据包个数的增加,性能优越性更加明显。     

基于Q学习的互联电网动态最优CPS控制

控制性能标准(control performance standard,CPS)下互联电网自动发电控制(automatic generation control,AGC)系统是一个典型的不确定随机系统,应用基于马尔可夫决策过程(Markov decision process,MDP)理论的Q学习算法可有效地实现控制策略的在线学习和动态优化决策。将CPS值作为包含AGC的电力系统“环境”所给的“奖励”,依靠Q值函数与CPS控制动作形成的闭环反馈结构进行交互式学习,学习目标为使CPS动作从环境中获得的长期积累奖励值最大。提出一种实用的半监督群体预学习方法,解决了Q学习控制器在预学习试错阶段的系统镇定和快速收敛问题。仿真研究表明,引入基于Q学习的CPS控制可显著增强整个AGC系统的鲁棒性和适应性,有效提高了CPS的考核合格率。     

模糊鲁棒控制方法在核反应堆功率控制中的应用

为了对核反应堆功率进行实时控制,以适应电网负荷的变化需求,基于T-S模糊模型设计了核反应堆功率模糊鲁棒控制器。首先使用状态反馈设计了局部控制器,然后应用并行补偿方法设计全局控制器。线性矩阵不等式的求解证明所设计的控制器是稳定的。仿真结果表明,对于3种典型工况变化,所设计的控制器对反应堆的功率变化能进行很好的控制。