提高层状双金属氢氧化物水中吸附性能研究进展

介绍了LDH这类绿色环保、结构独特、理化性能优异的高效吸附剂,归纳了国内外科研工作者对于LDH材料在水处理方面的研究成果,分析了LDH吸附性能的影响因素并解释了污染物的吸附机理。认为吸附剂的吸附能力与自身结构和特性有关,可以通过增大比表面积和改变表面化学性质来提高吸附剂吸附性能。表面改性使LDH具有吸附专向性,提高了对特定污染物的吸附效率;改变形貌结构增大了吸附剂的比表面积和孔隙率,为LDH提供更多的吸附位点,为离子转输提供了有利条件。     

填料强化A/O工艺处理小城镇污水的实验研究

通过向模拟A/O生化池中投加填料强化该工艺处理小城镇污水的处理效果。结果表明,当O段溶解氧的质量浓度控制在2~3 mg/L,温度控制在28℃,进水p H在7.2~7.8的条件下,该工艺的优化水力停留时间为8 h、污泥回流体积比为20%,模拟装置在该优化工况下运行时,对COD、NH₄⁺-N及TP的平均去除率分别为91.1%、96.3%、73.3%。为提高除磷效果,增加后置化学辅助除磷后,TP平均去除率可达86%,出水中COD、NH(4)⁺-N含量均能达到GB 18918-2002的一级A标准,TP含量能达到一级B标准,去除效果较好。     

基于区域PMU和节点故障注入电流的广域后备保护算法

电网结构日益复杂,传统输电线路后备保护整定变得越来越困难.文中在间隔母线布置相量测量单元(PMU)策略下,先根据广域差动法确定故障区域,再估计出故障区域中未布置有PMU母线的电压和节点注入电流,推导出该区域节点电压故障分量方程,构造节点故障注入电流.分析故障发生前后故障线路两侧母线和正常母线的节点故障注入电流的变化特征,构造广域后备保护判据.基于IEEE 39节点系统的仿真结果验证了所提算法不受故障位置、类型和过渡电阻影响,在各种故障情景下均能检测出故障线路.     

利用电流-电压导数线性度关系的小电流接地系统接地故障选线

更好地利用故障暂态与稳态信息,可以减少小电流接地故障选线算法复杂程度,提高适应性。分析了不接地与经消弧线圈接地系统发生单相接地故障时,不同出线暂态与稳态电气量的线性度关系,发现:健全线路的零序电流与母线零序电压导数之间始终呈正比例且比例系数为正;故障线路的零序电流与母线零序电压导数呈非线性关系或者比例系数为负的正比例关系。可对零序电流采样值序列与对应的母线零序电压差分值序列进行线性拟合,根据拟合优度及曲线斜率选择故障线路。方法可同时适用于不接地系统与谐振接地系统,且对高阻接地故障仍有较高的选线准确度,与以往的选线方法相比利用了更加丰富的故障电气量,提高了选线算法的适应性与选线的可靠性。仿真验证与现场数据验证了方法的正确性。     

考虑谐波耦合特性的LCC-HVDC换流站小信号建模

谐波间的耦合作用关系着系统的动态稳定性能,为在对电网换相换流器高压直流输电(line commutated converter high voltage direct current,LCC-HVDC)系统数学建模时考虑该动态耦合过程,提出了基于12脉波换流器的开关函数理论与指数傅里叶级数相结合的LCC-HVDC小信号谐波状态空间(harmonic state space,HSS)建模方法。该建模方法不仅考虑了谐波的相互耦合作用,具有较高建模精度,同时也揭示了换流站处于不同运行模式下,交/直流侧谐波通过换流站传递到直/交流侧的动态耦合机理。最后,通过PSCAD电磁暂态仿真结果与小信号模型计算结果的对比,验证了文中提出的LCC-HVDC系统小信号HSS模型的有效性及内部谐波动态分析的正确性。该研究结果还为系统稳定性评估与参数优化奠定基础。     

适用于直流电网的故障电流主动转移型MMC

柔性直流电网对价格高昂的高压大容量直流断路器(DC circuit breaker,DCCB)的需求限制了其发展与应用。论文提出了适用于直流电网的故障电流主动转移型低成本直流故障隔离方案,对半桥型模块化多电平换流器进行局部改造,使其在具备主动转移故障电流辅助分断故障线路的同时,降低了换流器桥臂子模块内器件的过流程度与过流时间,提高子模块内器件的可靠性。随后阐述了故障电流主动转移方案的工作原理,并对各阶段的故障电流与新增模块内IGBT的电压应力进行理论分析。最后,利用PSCAD/EMTDC进行仿真验证,并将论文方案与混合式DCCB方案的器件使用量进行对比,可知论文方案在换流器出线数目较多的场合具备一定的经济优势。     

基于主动注入的光伏直流并网系统早期故障定位方法

对光伏直流并网系统早期故障进行定位隔离,可尽可能避免短路故障造成的系统长时间停运,提高了系统可靠性。早期故障信号微弱,时频域特征不明显,不影响系统功率送出情况下准确定位早期故障具有很大挑战。针对此问题,提出了一种基于换流器主动注入的早期故障定位方法,揭示了早期故障高阻特征,利用扰动信号对故障系统结构变化差异的放大,定位早期故障。基于PSCAD仿真验证了所提方法的正确性,分析对系统电压稳定性和功率送出的影响,同时验证了其噪声情况下的准确性。所提方法充分利用了换流器灵活控制的能力,具有较高可靠性;且能够避免系统长时间停运,具有很好的工程应用价值。     

基于深度学习的杆塔接地网断点诊断方法研究

在使用电磁感应方法诊断杆塔接地网断点的过程中,针对人工诊断引起的误差问题,提出了一种基于一维卷积神经网络(one dimensional-eonvolutional neural network,1D-CNN)的诊断模型,诊断模型以接地网正上方的一维磁场数据为输入,通过深度神经网络输出断点故障的数量和位置.首先通过实验验证了电磁感应方法在杆塔接地网断点诊断问题中的有效性,然后建立了磁场断点故障数据集,之后进行了1D-CNN诊断模型的训练.在诊断准确度验证实验中,1D-CNN诊断模型在40个故障磁场样本上达到了97.50％的诊断准确率,表现出了良好的泛化性;诊断效果对比实验表明,1D-CNN诊断模型的AUC值达0.951,在3次随机训练中对各类故障的平均识别率达到了92.08％,在15次训练中的平均测试集精度达到了94.30％,平均每代训练时间0.8750 s,在各项指标上较DNN、RNN均有明显优势.     

测试性能估算的测试集重排序方法

目前在集成电路测试中,测试时间长、测试效率低是影响测试成本的关键问题之一,针对此问题提出了一种基于测试性能估算的测试集重排序方法。首先针对不同的故障类型进行分类建模,然后对每种故障类型进行仿真,通过在每个逻辑门注入故障,统计测试向量命中故障门的面积之和来估算测试向量的测试性能,最后根据测试性能的优劣对测试集进行重新排序。实验表明,对于单固定故障使用排序后的测试集测试可以减少5329%的故障检测时间。该方法是通过对电路的逻辑结构进行分析和统计然后对测试集进行优化,对ISCAS 89标准电路进行试验,与其他测试集重排序对比,有着明显的优化。算法运行完全是基于软件的,不需要增加任何硬件开销,可以直接相容于传统的集成电路测试流程。     

基于改进卷积双向门控循环网络的轴承故障诊断

针对传统深度学习方法没有充分利用轴承信号的时序特点,以及难以处理动态数据的问题,提出一种基于改进卷积双向门控循环神经网络的轴承故障智能诊断方法。采用卷积神经网络从输入信号中提取代表性特征,引入双向门控循环神经网络挖掘故障数据在时间维度上的语义信息,通过注意力机制自适应地对特征图通道赋予不同权值,从而实现高精度的轴承故障诊断。在公开轴承数据集上进行实验,实验结果表明,该方法能够正确地将轴承故障分类,分类精度可达996%。