气浮/微絮凝/臭氧/活性炭工艺除藻效果

研究了臭氧—活性炭过滤对含藻水库水中藻类和微囊藻毒素的处理效果。中试结果表明，气浮／微絮凝／臭氧／活性炭工艺可有效处理受藻类污染的水库水。     

建筑物改造植筋锚固技术应用中的若干问题

结合植筋锚固技术在建筑领域中的应用 ,介绍了这一新技术在应用中的不完善之处 ,相应地提出了一些改进建议     

基于零厚度黏聚力单元节理面剪切破坏机理宏细观研究

为了探究不同粗糙度节理岩体剪切过程及破坏类型,利用ABAQUS有限元分析软件,采用全局嵌入零厚度黏聚力单元的方法模拟带节理岩体压剪过程。通过室内压剪试验和数值模拟结果对比确定所建立模型的正确性,从宏细观角度分析节理岩体剪切破坏行为。研究结果表明：采取全局嵌入零厚度黏聚力单元模拟节理岩体压剪过程的方法相对准确,能真实反映节理面细观破坏过程;不同粗糙度节理试样在恒定法向荷载下的剪切峰值强度随着粗糙度增加而递增;节理岩体的剪切过程大致可以分为4个阶段,线弹性强化阶段、带裂纹强化阶段、塑性软化阶段和残余强度阶段;不同粗糙度节理岩体在剪切过程中破坏类型不同,在恒定法向荷载下岩体剪切破坏大致可以分为3种形式,分别是滑移破坏,岩体局部剪断破坏和切齿破坏。     

新都会·国贸公寓:无缝整体保温

日前,在合肥市建委、质检站同志的陪同下,记者实地调查了合肥市在建楼盘。一个很明显的感觉是:今年合肥市的建筑节能工作正式提上了议事日程。今年4月1日起合肥市全面施行建筑节能50%的设计标准。在公共建筑方面比如合肥二中,正在按照节能50%的要求建造,政府部门做出了节能的表率。同时,一些有责任感的房地产开发企业比如新鸿意地产、合肥城建发展股份有限公司等正通过在建筑节能方面的投入,建造节能房屋,这体现了开发企业的时代责任。另外,可再生能源如太阳能照明在合肥市一些小区得到推广应用,也是一大亮点。在调查中记者颇有感触--有感于合肥建委在建筑节能监督管理方面的措施和力度很到位,今年新开工的项目,节能设计不达标的均不能开工。同时,有感于合肥老百姓节能意识的增强。有小区没有按照要求做节能,就遭到了业主的不满,质问房地产商:"为什么不给我们做节能。"这是管理部门宣传引导的结果,同时也给管理部门在引导房地产市场方面提出了新的要求和挑战。我们相信,在各方的共同努力下,合肥市建筑节能工作会更有成效。     

基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

基于双向长短时记忆网络的母线负荷分解方法

目前在负荷分解领域的研究工作多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,本文提出了一种基于双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)的中高电压等级母线负荷分解算法。首先在LSTM的基础上构建了Bi-LSTM,其次以母线负荷和其对应的外部信息源(如日期类型、天气等)作为Bi-LSTM的输入量,母线负荷的各下属建筑负荷作为输出量,对Bi-LSTM进行训练,最后以网络分解的母线负荷构成值与实际值间的平均相对误差作为评价指标,实验结果表明该方法可有效对构成成分未知的母线负荷进行分解。#$NL关键词：母线负荷;负荷分解;人工智能;双向长短时记忆网络#$NL中图分类号：TM769     

峰谷电价下居民用电聚合响应特性分析

通过问卷调研和相关文献分析居民用电负荷特性,介绍居民用户电价响应经济学机理。根据南京市典型居民小区历史数据研究电价变化点负荷增长率,分析峰谷电价下居民小区用电聚合响应特性,对比多区域居民负荷增长率并引进峰谷电量比分析,总结居民峰谷电价用电特性及影响因素,分析原因并提出建议。     

基于深度学习的目标检测算法综述

传统的目标检测算法及策略已经难以满足目标检测中数据处理的效率、性能、速度和智能化等各个方面要求.深度学习通过对大脑认知能力的研究和模仿以实现对数据特征的分析处理,具有强大的视觉目标检测能力,成为了当前目标检测的主流算法.首先回顾了传统目标检测的发展以及存在的问题;其次介绍以R-CNN为代表的结合region proposal和卷积神经网络(CNN)分类的目标检测框架(R-CNN、SPP-NET、Fast R-CNN、Faster R-CNN);然后介绍以YOLO算法为代表的将目标检测转换为回归问题的目标检测框架(YOLO、SSD);最后对深度学习的目标检测算法存在的问题做出总结,以及未来的发展方向.     

在线检测仪质量检测技术在超薄电子玻璃的应用

随着玻璃行业的飞速发展,对超薄电子玻璃原片的生产厂家提出了更高的要求,针对超薄玻璃的高端应用要求在生产过程中,对产品的品质进行全方位的监控.洛玻龙海公司引进了德国ISRA在线自动检测仪,对产品生产过程中实现缺陷判类、自动打标、等级优化等全自动操作,为行业的发展、减少投诉率做出了积极的贡献.