基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

光/热双重固化羟丙分散体的制备及性能研究

利用 4-羟基二苯甲酮（ 4-HBP）和丙烯酰氯合成了 4-丙烯酰氧基二苯甲酮（ 4-ABP），将其与丙烯酸类单体共聚制备了光交联型羟丙分散体（ PCHAD）进一步与氨基树脂复配，得到了一系列光 /热双重固化羟基丙烯酸酯分散体 PCHAD-AR。利用差式，扫描量热仪、紫外分光光度计对 PCHAD-AR的光 /热双重固化行为进行了研究，探讨了光 /热双固化顺序和氨基树脂含量对涂膜性能的影响。结果表明：加入氨基树脂后不影响双固化体系的光交联行为；最佳固化工艺为先光后热固化，当光固化 60 s、170 ℃热固化 20 min，氨基树脂用量为分散体的 10%时，涂膜的 Tg为 57. 1 ℃，凝胶含量达到 98%以上，涂膜硬度为 3H，柔韧性为 0. 5 mm，附着力 0级，耐酸、耐醇、耐水稳定性均达到 10 d以上，相比于单一的光、热固化体系，双固化体系涂膜耐碱性提升，涂膜外观无明显变化的时间由 1d延长至 3d。     

成膜助剂对水性氨基烤漆性能影响的研究

本文以羟基丙烯酸分散体和氨基树脂为主要反应物制备了水性氨基烤漆，研究了二丙二醇丁醚（ DPnB）、乙二醇丁醚（ BCS）、二乙二醇丁醚（ DGBE）、丙二醇甲醚（ PM）、丙二醇甲醚醋酸酯（PMA）、异丙醇（ IPA）6种成膜助剂对水性氨基烤漆性能的影响。通过对样品进行动态、静态流变性的表征以及粒径测试，研究了各成膜助剂的作用机理。结果表明： PM对氨基树脂和羟丙分散体树脂都有较好的相容性，其作用在水相和分散体粒子之间，有利于分散体在成膜前体系的稳定性。同时使用 PM为成膜助剂时，漆膜具有较快的表干速度，干燥后表现出较好的力学性能。经 130 ℃烘烤 25 min后，漆膜的 60 °光泽达 89. 5，柔韧性达 1 mm，冲击正冲 50 cm，反冲 50 cm，铅笔硬度 H，说明 PM是本研究氨基烤漆体系的最佳成膜助剂。     

S120在薄带铸轧主轧机控制系统上的应用

薄带铸轧生产线设备紧凑,生产工艺更加低耗高效,是钢铁工业流行发展的趋势.SINAMICS S120控制系统应用在薄带铸轧主轧机传动系统上,可以根据需求灵活增添功能配置.通过介绍该生产线工艺流程,突出S120传动控制系统的优势.此外,针对S120控制系统设计和应用,尤其是负荷平衡控制、SINAMICS Link通讯、安全转矩关断等特殊应用的实现进行了详细的阐述.     

基于层次分析法的叶用甜菜种质资源观赏性评价

根据叶用甜菜品种的观赏特性,运用层次分析法初步建立叶用甜菜品种观赏价值的评价模型,包含叶梗、叶片和整体感3个方面共11个评价因子。结果表明:叶梗是评价叶用甜菜观赏价值的核心要素;叶梗色、叶梗厚、叶丛型是重要因子,分别以红、粉红、粉白叶梗,叶梗厚度厚和直立型叶丛为优良性状。利用该评价模型对8个甜菜品种进行观赏价值综合评价,筛选出‘Clnx-blush2018'、'Clnx-fen2018’和‘荷兰必久'3个观赏价值高、适于市场推广叶品种。     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

LNG接收站火炬放空系统设计工况研究与分析

在液化天然气(LNG)接收站工程设计建设过程中，火炬系统的设计是保证LNG接收站安全生产的必要条件。以国内某LNG接收站为例，分析了LNG蒸发气(BOG)产生的因素和机理，及6种工况组合下火炬排放量的计算方法。结果表明：在工况1条件下与实际生产情况吻合良好，其对应的火炬气排放量约为142.7 t/h。在此基础上确定了：BOG支管管径为DN600,BOG总管的管径为DN900;被分离液滴的直径不大于600μm;火炬分液罐尺寸为?2.5 m×8.0 m;电加热器的功率为195 kW;火炬形式为封闭式地面火炬。研究结果可为今后LNG接收站项目火炬系统的处理能力及设备配置提供理论指导。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于离线参数调整的古籍图像二值化算法

古籍退化对古籍图像二值化带来较大挑战,为此,提出一种基于离线参数调整的古籍图像二值化算法。算法分为两步,估计古籍图像背景局部均值,结合基于拉普拉斯能量的二值化算法对古籍进行二值化;根据迭代弗里德曼竞赛算法设计一种离线参数调整方法优化算法中的参数配置。所提算法在H-DIBCO 2016和H-DIBCO 2018数据集上的综合实验结果均优于其它二值化算法,验证了所提算法的有效性。