对我省水利预算改革的认识和思考

本文介绍了水利行业预算改革的必要性，并提出了树立依法理财的法制观念，树立先预算后支出的理财观念等。     

FUZZY控制在舰载雷达稳定平台伺服系统中的应用

以ＭＣＳ－５１系列单片机和交流伺服装置组成的舰载雷达稳定平台伺服系统为对象，采用带修正因子的ＦＵＺＺＹ控制器对其进行控制。针对系统所含结构因素的不同，取不同α值调整控制规则，结果表明，该控制器能较好地克服非线性因素的影响，具有良好的鲁棒性和满意的控制精度。     

大规模风电接入下的火电机组灵活性改造规划

风力发电具有极强的随机波动性,大规模风电的消纳需要火电提供辅助服务。然而,中国的火电机组普遍存在总量富余但灵活性不足的问题,严重限制了风电的消纳。文中构建了考虑火电机组灵活性改造的电力系统长期调度模型。考虑到该模型是具有多时间维度耦合特征的大规模优化模型,利用Benders分解算法,将原问题分解成关于灵活性改造的投资主问题与不同改造方案下的各调度时段的运行子问题,从而实现了对具有多时间维度的大规模优化问题的高效求解。算例分析显示,所构建的模型能够在提升电力系统运行经济性的同时促进高比例风电消纳。     

国网北京丰台供电公司配网自动化设计

随着我国电力事业的不断发展,智能电网逐渐的被运用到社会生产生活的方方面面,电力用户对于供电的稳定性和电能质量的要求也逐渐提高。作为我国的政治、经济、文化中心,北京市是一个具有国际影响力的大都市,政治供电任务非常艰巨,保电工作也很频繁。一次小小的停电事故都有可能产生极大的影响,甚至会影响到北京市在国际上的形象。智能电网的建设和电网改造给了我们一次从来没有过的发展机遇,配网自动化技术的不断成熟,供电稳定性也不懂提高,电网在未来必然会满足我国现代化建设的实际需求,满足用户的电能需求。     

乐清湾北部及嵊泗区域养殖贝类肌肉中镉含量调查及健康风险评估

目的 进行乐清湾北部及嵊泗区域养殖贝类肌肉中镉含量调查并探讨通过摄食途径可能导致的健康风险。方法 测定2016～2018年间采自乐清湾北部缢蛏、青蛤及嵊泗区域紫贻贝等三种养殖贝类肌肉中镉含量水平,与国家限量标准进行比对,并运用单因子污染指数(Pi)评估样品中镉污染程度,并以目标危害系数(THQ)和目标致癌风险(TR)为考量指标,评估通过摄食途径可能导致的健康风险。结果 三种肌肉样品中镉检出率为100%,但超标率为0。含量平均值总体比较：紫贻贝﹥缢蛏﹥青蛤。结论 本研究中所有样品Cd 单项污染指数的Pi 值均远低于1.0 ,绝大部分为正常背景水平,少量呈轻度污染水平。健康风险评估结果显示,所有样品THQ 值均小于安全基准值1.0,数据表明暴露人群没有明显的非致癌健康风险。TR的评价结果均在美国环保署推荐的可接受风险值(10_^-6～10_^-4)范围内,但也有部分样品超过了国际辐射防护委员会(ICRP)推荐的最大可接受风险值(5.0×10_^-5),需引起关注。     

弹簧涂层材料的研究

为减少因氢脆所引起弹簧断裂事故的发生，研究适合弹簧工作环境的高分子化学防护涂料及工艺。本涂料随着力好，耐油热性优良，并具有高的耐蚀性。     

基于风速云模型相似日的短期风电功率预测方法

风电功率预测是解决风电不确定性影响的重要基础和必要手段,高比例风电并网条件下对每个时刻点的预测精度要求都将更为严格。训练样本是影响预测精度的关键因素之一,但由于实际天气系统的复杂多样性和类属模糊性,定向选择与调度时段内风况相似的训练样本对预测精度至关重要。因此,提出了基于云模型定向选取风速相似日数据作为训练样本的短期风电功率预测方法,能够对指定时段内风速随机性和模糊性特征进行学习和建模,通过对历史数据的定向筛选和精细化利用提升预测精度。首先,以日为单位建立历史风速的云模型数据库;然后,建立云模型相似度量化指标,用于判断与待预测时段风速云模型最为相似的历史数据序列,以此为训练样本建立短期风电功率预测模型。在实际预测中,每日根据天气预报信息滚动更新训练样本和预测模型,提高预测精度。最后,选择中国北方某风电场运行数据进行实例分析,结果证明了所提方法能够提高风电功率预测精度,具有一定的工程实用价值。     

投影式数字焦度计

目的 描述一种投影式数字焦度计。方法 设计的焦度计主要由照明系统、准直系统、投影光学系统组成。结果 摆脱了目镜系统，提高了测量精度，由于不需要人眼紧贴目镜，故操作方便舒适，不易疲劳。结论 实验证明：所设计的焦度计具有较高测量精度。     

基于深度嵌入聚类的风光水典型联合出力场景提取

对于风光水联合发电系统筛选出具有代表性的典型场景，是进行资源特性分析、调度优化研究的基础。传统聚类算法由于“维度效应”的影响，无法直接应用于高维数据聚类问题，而现有的“先降维，后聚类”技术路线无法保证降维后的低维特征适用于聚类任务，导致聚类结果不稳定。针对存在的问题，提出了一种基于深度嵌入聚类的风光水典型出力场景提取方法，在实现高维出力数据聚类的同时避免了降维后的低维特征不适用于聚类任务的问题。首先借助堆叠自编码器对数据的非线性表征能力，对高维风光水联合出力数据进行深层表征实现数据降维，然后结合K-means聚类方法对深层低维特征进行聚类，并在聚类过程中同时优化调整堆叠自编码器，得到适用于聚类空间的低维风光水联合出力特征，基于此实现对风光水联合出力场景的精准划分。最后以我国南方某区域风电、光伏、水电出力数据为研究对象对其进行深度嵌入聚类，并以PCA-K-means算法设置对比算例，验证了深度嵌入聚类在风光水典型联合出力场景选取上的有效性。