硅藻土/纤维素复合助滤剂在微污染原水处理中的应用

以硅藻土和纤维素为原料,通过溶胶-凝胶法制备出了新型硅藻土/纤维素复合助滤剂,探究了各种制备条件对助滤剂的影响,并在高岭土悬浊液中对硅藻土、纤维素和硅藻土/纤维素的助滤性能进行了比较,同时研究了硅藻土/纤维素助滤剂对实际微污染水过滤的影响。研究结果表明:复合助滤剂的最佳制备条件为纤硅比0.67,氨水浓度5.0×10^-4mol/L,蒸馏水/纤维素40 mL/g,EtOH/硅藻土20 mL/g,60℃恒温水浴;硅藻土/纤维素复合助滤剂的助滤性能要明显优于硅藻土和纤维素助滤剂;在微污染原水直接过滤过程中,投加硅藻土/纤维素助滤剂可提高各微污染物的去除率,结合微滤膜深度处理工艺,最终出水水质满足《生活饮用水卫生标准》(GB 5749-2006)的要求。     

连续刚构桥T构温度效应仿真分析

连续刚构桥的温度效应不容忽视,在T构阶段,温度变形影响立模标高的确定,能否对T构阶段进行温度效应的仿真计算与分析对桥梁建设提供参考在桥梁建设中有着重要意义,文中对某连续刚构箱梁桥T构阶段,通过大型应用软件ANSYS计算了温度应力及温度变形,从结构建模、加载、求解到后处理,说明了ANSYS在连续刚构箱梁桥温度效应计算中的应用,仿真分析和计算表明,对连续刚构桥T构阶段温度效应仿真计算与分析可行。     

高采样率数字化变电站电能质量监测系统研究与应用

为解决目前数字化变电站中应用的数字式互感器和合并单元的采样特性无法满足高次谐波和电压暂态事件监测分析等难题,提出了一种具有512点/周波高采样率的数字化变电站电能质量在线监测系统。该系统采用新型高采样率电子式互感器、合并单元和数字式电能质量监测装置,从过程层互感器层面解决采样率低的问题,同时解决了电子式互感器和传统互感器的同时接入、采样率提高后海量数据处理、数字式电能质量监测装置IEC61850建模、合并单元和数字式电能质量监测装置全自动校准等问题。校准试验表明该系统满足电能质量监测功能和准确度标准要求,并且在实际工程中取得良好的效果。     

电阻型超导限流器在柔性直流系统中的优化配置计算

电阻型超导限流器R-SFCL(resistive superconducting fault current limiter)在柔性直流系统中的优化配置是超导限流器应用的关键技术。通过对电阻型超导限流器在模块化多电平换流器型直流系统中的应用场景分析,得到R-SFCL不同安装位置对其限流能力的影响,并改进了超导限流器和直流断路器配合下换流站闭锁初期的多端柔性直流系统短路电流迭代计算方法,在此基础上提出了基于人工免疫算法的R-SFCL柔性直流系统中的优化配置计算方法。最后,通过五端柔性直流系统实例研究,给出了该系统中R-SFCL的最佳安装位置、安装数量、限流电阻大小和限流效果。     

励磁附加控制对电力系统稳定器的影响实例分析

惠州抽水蓄能电站的电力系统稳定器(power system stabilizer,PSS)在励磁附加控制投入后引起功率自发振荡,根据实测的频率特性进行原因分析.励磁附加控制的引入改变了励磁系统的无补偿特性,基于相位补偿原理配置的PSS反而削弱了机组阻尼,因而引起功率振荡.指出惠州抽水蓄能电站在正常运行方式下不应投入励磁...     

含双馈风电场电力系统暂态稳定性分析

随着风电装机容量的增长,风电场接入运行对电力系统稳定性的影响不容忽视。借助单机无穷大系统分析了双馈风电机组的自身稳定性,发现双馈感应发电机转子运动没有机电暂态失稳现象,但存在电磁暂态失稳现象;研究了双馈风电场与同步电机运行在典型接线方式下系统稳定性的差异和变化。仿真算例表明,由于双馈风电机组有功功率的快恢复特性,可能使含双馈风电场混合电力系统的暂态稳定水平显著降低。     

电力系统强迫功率振荡及其影响因素研究

近年来,跨区域电网中出现了多次功率振荡并且呈现出新的振荡特性,但是根据经典的负阻尼转矩机理却无法解释这类振荡产生的原因,而强迫功率振荡机制可以很好地揭示这类振荡的起因。基于经典阻尼转矩理论在多机系统中对强迫振荡源作用下的电力系统受迫振荡机制进行分析,详细推导并论证了跨区大电网发生强迫功率振荡的影响因素,并指出系统的稳态响应是多种影响因素累加的综合效应。     

矿业企业矿井提升机电控系统设计方案的研究

矿井提升机是矿井的主要设备,其工艺是否合理对矿井安全至关重要,尤其是电控系统的选择。本文主要分析了某矿区主井提升机工艺,并对其电控系统的选择进行了详细的介绍,结合直流电控系统和主井提升机辅助系统的特点,对工程设计中矿井提升机电控系统的选择提出了合理的建议和方案。为了使提升机充分利用电控系统的各项功能,对传统提升机进行改进优化,并对设计内容的实践运行能力做了相应考察。     

基于子空间学习和伪标签回归的无监督特征选择

信息技术的快速发展产生了大量无标签高维数据。为了能够更好地处理这些数据,提出了一种基于子空间学习和伪标签回归的无监督特征选择方法。首先,从矩阵分解的角度将子空间学习和特征选择结合在一个框架中,2,1〗范数保证稀疏,在寻找原始数据空间低维表示的同时进行特征选择;其次,利用回归函数来学习特征子空间和伪标签之间的映射关系,利用伪标签和回归函数来指导无监督特征选择,以使选择出来的特征更具判别力;最后,通过引入图拉普拉斯来挖掘隐藏在样本空间和特征空间的局部结构信息。在六个公开的数据集上进行了实验,实验结果表明该方法要优于其他几种先进的无监督特征选择算法。      

基于熵和相关接近度的混合高斯目标检测算法

针对固定模型个数的混合高斯模型的背景建模速度慢和运动目标的拖影问题,提出了一种基于Tsallis熵和相关接近度的改进混合高斯算法。该算法利用Tsallis熵对高斯模型自适应地选择模型个数,加速背景建模;对于模型匹配判断条件,不能很好地体现相邻像素点的空间相关性的情况,提出了相关接近度作为模型更新的限定条件,以去除拖影。实验结果表明,改进的算法在实时性、检测正确率方面都有较好的改进。