计及多类型需求响应的孤岛型微能源网经济运行EI北大核心CSCD

在区域能源互联网迅速发展及多能耦合日渐紧密的背景下,如何进一步优化孤岛型微能源网结构,提高系统运行的稳定性和经济性是当前热点问题。失去了外部电网的有效支撑,仅通过内部微源的调度,孤岛型微能源网难以维持系统能量的实时平衡。为此,针对孤岛型微能源网运行特点,引入冷、热、电多类型负荷需求响应,综合考虑能源耦合与转换特性、分布式微源运行特性的基础上,基于能源集线器架构提出了计及多类型需求响应的孤岛型微能源网优化调度模型。采用混合整数规划法求解模型,得出各机组与储能装置的启停状态、最优出力及系统综合运行成本。仿真算例表明:通过引入柔性冷、热、电多负荷的需求侧响应,可以提高孤岛型微能源网能源供应的灵活性,并降低系统的运行成本。     

某全钢套管取土灌注桩施工工艺及质量控制探讨

随着各种灌注桩技术在现代建筑工程中的广泛应用,使得现代建筑工程的质量和性能都得到了大幅度提升,从而为建筑行业的进一步发展奠定了坚实的基础。尽管如此,在工程实际应用中,其质量和安全等诸多方面仍面临地质条件的约束,须根据地质状况进行桩型的选择与改进,为进一步深入研究,以下以某工程实例对改进型灌注桩在实际的工程应用进行探讨。     

基于DeBruijn产生的彩色条纹序列的结构光三维重建

提出了一种DeBruijn产生的彩色条纹的结构光编码新方法。这种方法用于还原物体的三维形态。通过计算机编码的DeBruijn的彩色条纹经过图像滤波,边缘检测,颜色判定与原始DeBruijn序列进行匹配的过程。最后通过校正过的投影仪,照相机系统还原物体的三维形态。经过试验证明,拍摄模型不受物体拍摄角度,形状的影响。整个系统获取三维图像速度快,张数少,操作便捷,可用于各大领域的应用。     

振动试验中削波信号功率谱密度补偿

振动试验过程中削波会引起信号的功率谱密度下降,局部频率点对应的功率谱密度误差过大将导致试验结果的可信度降低,尤其对于模态试验,输入信号削波可能导致信号谱型局部"下凹",甚至产生错误的试验结果。从偏斜度、峭度、概率分布和功率谱密度等方面分析了高斯信号及非高斯信号的特性,介绍了功率谱密度补偿的频谱均衡及比例-积分-微分(proportion-integration-differentiation,简称PID)两种算法,并对比了这两种算法的补偿效果。结果表明:对于高斯信号,两种算法从迭代次数及最小误差对比区别不大,且均能满足均衡要求;对于非高斯信号,PID算法实现较小误差的同时,迭代次数少,具有一定优势。     

"泛珠网模式"搞活区域合作

"泛珠网模式"就是指,以区域合作为依托,由各成员共同负责网站信息的采集、运行、维护工作,以声音、图像、文字、图片、动画等多种形式结合合作领域的特点开展对外信息发布,并利用联席会议等多种途径,专门商讨网站的发展方向,研究如何对每年的区域合作进行全方位、深层次、高水平的宣传报道.……     

一种复合抗氧化果蔬酵素的开发及活性研究

以甘草渣为原料,用水浴加磁力搅拌方法辅助,分别对可溶性和不溶性膳食纤维进行碱提,利用单因素试验和正交试验对提取条件进行优化,确定最佳提取工艺为:料液比1∶9(g/mL)、提取温度40℃、提取时间80 min、氢氧化钠浓度6%时,不可溶膳食纤维得率最大为81.33%;料液比1∶10(g/mL)、提取温度80℃、提取时间80 min、氢氧化钠浓度7%时,可溶膳食纤维得率最大为8.33%。采用理化分析方法,对提取物进行功能特性的测定,测定结果为:不可溶膳食纤维的持水力为3.73 g/g,膨胀力为5.00 mL/g;可溶膳食纤维的溶解度为0.02 g/mL,膨胀力为0.50 mL/g。该研究为提取膳食纤维提供一条新途径,为甘草渣的再利用提供一种新思路。     

我国绿色建筑与建筑节能技术应用研究进展

当前,伴随着我国国民经济发展迅速,建筑行业的能源消耗问题也开始逐渐变的突出,在这种情况下,应用建筑节能施工技术、寻求新的节能技术和材料,并打造绿色建筑成为了人们研究的热点话题。本文首先探讨了绿色建筑发展以及建筑节能技术应用的重要性,然后结合绿色建筑的设计原则,对建筑节能技术在绿色建筑中的应用进行了详细的探讨,希望可以为同类的工程实践提供借鉴。     

基于数据挖掘的思政理论资源个性化推荐系统设计

由于传统系统存在新用户推荐及推荐效果较差的问题，提出一种基于数据挖掘的思政理论资源个性化推荐系统。硬件中服务器模块共由22台服务器构成。处理器模块选用的是S3C3210x处理器。软件中数据挖掘模块主要利用Orange工具箱来实现思政理论资源的数据挖掘。数据处理模块能够实现资源数据的转换与爬取、降维处理。资源个性化推荐模块主要通过混合推荐技术实现个性化推荐。数据库模块中包括用户兴趣表、资源信息表、用户信息表。以此进行性能测试。实验结果表明，其推荐效果优于传统系统，可实现新用户的个性化推荐。