以太网无源光网络ONU休眠节能技术

针对以太网无源光网络(EPON)中的能源消耗问题,从标准制定和发展层面上阐述了节能技术的标准化现状,明确了EPON休眠机制的基本原理;详细分析比较了EPON中多种ONU休眠控制机制的特点、性能差异及发展趋势;对EPON中绿色带宽分配算法进行了分类讨论,并总结了其他休眠技术。最后对未来的研究工作进行了展望。     

软件项目风险管理中的风险分析过程

风险分析过程是软件项目风险管理中的重要组成部分,对后期的风险控制以及相关决策都具有极为重要的意义.利用标准过程定义的符号表示法,定义了软件项目风险管理中的风险分析过程.详细地阐述了如何通过一系列的风险分析过程活动将风险陈述转变为按优先顺序排列的风险列表.结合实例说明风险分析过程中使用的主要方法及工具,这些方法和工具能够有效地提高风险分析的准确性.     

基于RS 232及红外接口的多功能通讯实验板的设计

介绍了串行通信及红外发送/接收电路的工作原理,以及MAX232芯片的功能,在此基础上设计了一个可实现多功能通讯的实验板,该实验板可通过RS 232接口实现单片机与PC机之间的串行通信,并集成了RS 485接口可进行远距离通信的实验,还可利用红外接口实现多机间的无线通信实验。     

基于概率潮流的10kV配电网合环操作安全性评估

配电网的合环操作可能会产生较大合环电流,影响电网运行的安全性。对此提出了一种基于概率潮流的10 kV配电网合环操作安全性评估方法。该方法考虑合环馈线上负荷的概率分布,采用半不变量法求取合环稳态电流与暂态冲击电流的概率分布特性,并通过计算电流越限概率和越限程度对10 kV配电网合环操作的安全性进行评估。在半不变量法概潮流计算中,提出了一种基于历史负荷数据求取输入变量的各阶半不变量的方法,克服了传统数值方法的局限性。最后对某实际合环算例进行仿真计算,分析结果验证了所提方法的有效性、快速性和实用性。     

固相萃取-气相色谱法测定葱中啶虫脒的残留量

建立了葱中啶虫脒残留量的气相色谱检测方法. 样品经乙腈提取浓缩后,Florisil固相萃取柱净化,使用HP -5MS毛细管色谱柱进行气相色谱(ECD)分析,采用外标法定量. 在0.01～0.1 mg/kg添加水平范围内,葱样品中啶虫脒回收率为85.9%～106.8%,相对标准偏差为6.1%～7.9%,方法最低检出质量分数为0.01 mg/kg.     

基质固相分散- 超高效液相色谱- 串联质谱法同时测定畜禽肉中残留的13 种镇静药物

建立同时测定畜禽肉中13种镇静药物(阿普唑仑、咪达唑仑、三唑仑、艾司唑仑、奥沙西泮、地西泮、硝西泮、氯硝西泮、卡马西平、利多卡因、苯巴比妥、异戊巴比妥、司可巴比妥)残留量的基质固相分散-超高效液相色谱-串联质谱方法。样品经基质固相分散样品制备试剂盒净化后,进行超高效液相色谱-串联质谱分析,采用多反应监测模式,外标法定量。采用BEH C18液相色谱柱分离,以10mmol/L乙酸铵溶液-甲醇为流动相进行梯度洗脱。结果表明：13种镇静药物的方法检出限为0.05～3μg/kg,线性范围内低、中、高3个添加水平的回收率为77.4%～100.2%,相对标准偏差为1.3%～14.8%。该方法具有简便快捷、灵敏度高、结果准确等特点,适用于对上述镇静药物在畜禽肉中残留的检测。     

食品安全未知化学性风险快速筛查确证技术研究进展

食品安全未知化学性风险,指食品安全标准规定之外的、尚未被认知的化学性风险隐患,是当前影响食品安全的重要问题,也是食品安全监管的重点。本文从通用型前处理技术、高通量仪器筛查确证技术以及筛查确证数据库三方面,系统阐述食品安全未知化学性风险快速筛查确证技术的现状和成果,并对该领域未来的研究趋势作出展望。     

基于机组叶片长度的风电场度电成本优化

随着风力发电的迅速发展,风能资源和土地资源日益紧张,优化风电场度电成本显得尤为重要。近年来相同容量条件下的风机呈现叶片长度多样化趋势,由此,风机的叶片选型逐渐成为风电场度电成本优化的一项重要内容。文章提出了一种风电场混合叶片选型的方法,从全寿命周期度电成本的角度优化风电场中的各台风机的叶片长度,并采用遗传算法对此进行求解。提出了多风向条件下的尾流计算方法,对多风向尾流的计算进行建模与简化。算例分析显示,风电场相同装机容量条件下,混合叶片较单一叶片更有助于提高风电场的风能捕捉效率,降低风电场度电成本,文章提出的方法对于平坦地形风电场与复杂地形风电场均适用。     

拉林电气化铁路投运后西藏电网系统稳定性分析

以拉林铁路投运后的西藏电网为背景,研究电气化铁路投运对电力系统稳定的影响,从潮流分析、稳定分析、短路容量分析等三个方面展开,并通过分析,研究了拉林铁路投运后的西藏电网的系统稳定性和短路水平。     

软件项目投资风险评价过程建模研究

提出了一种基于贝叶斯网络的软件项目投资风险评价模型。在建模过程中以样本数据集为基础进行贝叶斯网络参数学习,从而在软件项目的投资阶段建立更加符合实际项目特征的贝叶斯网络。同时,从算法精度以及算法收敛性这两个方面验证该参数学习过程的有效性。经实践检验,在软件项目投资过程中该风险评价模型能够向决策者提供准确的投资风险信息。