费托合成水相副产物混合醇分离： 馏分切割工艺设计及控制

费托合成水相副产物主要为C₁~C₈醇（甲醇、乙醇、丙醇、丁醇、戊醇、己醇、庚醇和辛醇）与水的混合物,其中水的质量分数高达95%,且C₂~C₈醇与水均形成最低共沸物。此类醇水混合物的完全分离虽具重要价值,但难度大、能耗高,一直是学界和工业界的关注热点。本研究充分利用C₂~C₃醇水混合物的均相共沸物特性和C₄~C₈醇水混合物的高度非均相共沸物特性,提出两塔-侧线分相器工艺：通过侧线精馏塔实现C₁~C₃醇水、富C₄~C₈醇水和水的精准馏分切割;富C₄~C₈醇水混合物通入分相器以打破精馏边界,其中富水相返回侧线精馏塔,富醇相进入汽提塔,得到无水C₄~C₈醇混合物。基于年度总成本（total annual cost,TAC）的稳态优化表明,与常规三塔粗分流程相比,两塔-侧线分相器工艺能够降低TAC 14.79%,节约能耗15.96%。进一步,建立了两塔-侧线分相器工艺的控制结构,动态模拟表明,结合浓度控制器与前馈比例的控制结构表现出良好的控制性能。     

试论35kV变电站二次检修与维护的管理措施

随着人们对电能越来越依赖,人们对电力系统的稳定也有了更高的要求,二次检修和维护是维持电力系统正常运作的保障,本文首先介绍二次检修和维护的基本内容,然后介绍变电站检修与维护工作,最后介绍检修预防工作的管理措施.     

人工智能技术在新能源功率预测的应用及展望EI北大核心CSCD

构建新型电力系统是实现我国“双碳”战略目标的主要举措之一,风力发电和光伏发电作为两种最具代表性的新能源,其波动性和随机性给电网安全和新能源消纳带来了重大挑战,新能源功率预测是降低其随机性影响的核心关键技术。近年来,随着大数据技术和以深度学习、强化学习为代表的新一代人工智能(artificial intelligence,AI)技术在诸多领域的成功应用,其在新能源功率预测方面的应用仍有方兴未艾之势。首先该文论述AI技术在新能源功率预测应用的理论基础,并对AI技术在风电和光伏功率预测方面的应用进行系统总结,包括数据增强和特征构建等多种数据处理技术的应用,传统机器学习算法、深度学习算法以及组合算法在模型构建方面的应用,以及进化算法、群智能优化算法、强化学习等多种智能优化算法在模型训练和超参数优化方面的应用。然后,对当前相关文献进行统计分析,并基于新能源预测大赛结果和实际预测系统调研情况,对当前学术界研究热点和趋势、产业界模型应用情况进行对比和分析。最后,对当前新能源功率预测在场景自适应、小样本学习、数值天气预报系统(numerical weather prediction,NWP)数据时空分辨率、分布式新能源预测等方面存在的一些问题进行剖析,并对采用强化学习、元学习、图神经网络(graph neural network,GNN)等多种AI技术解决相关问题的前景进行展望。