水厂-管网协同控制提升管网供水水质的策略与实践

充分考虑管网输配过程中水质稳定性对水厂工艺条件、出厂水水质指标的要求,从水厂-管网协同控制的水质安全保障理念,通过优化水厂布局、改善管网水力条件、构建应对多水源和季节性高藻的强适应性净水体系、强化出厂水水质化学稳定性和生物稳定性控制、持续管网及老旧小区更新改造等工程技术措施,提高南水北调水源进京后管网水质的稳定性.根据2014-2019年全市252个管网监测点的水质监测数据,发现管网水浊度整体呈季节性周期变化趋势,且逐年降低;构建的管网水质评价模型进一步证明了管网水浊度一级监测点数量显著增加,2019年一级和二级监测点数量达到总数的94％,管网监测点的浊度指标得到显著改善,水厂-管网协同控制技术的实施切实保障了北京市供水水质的稳定达标.     

有色金属矿山工程技术项目尾款催收管理研究

依托实践经验和教训，从业务角度分析研究有色金属矿山工程技术项目尾款拖欠的形成机理和催收要点，全寿命周期探讨该类经营管理问题的解决途径，结合业务、财务、法务专业知识，提出一系列有深度可借鉴的见解及措施,如：1）催收工作要注意客户性质、客户经营情况、客户人员变化、项目完成瑕疵、乙方管理特征等具体情况采用不同的催收沟通办法；2）建议利用奖惩激励、诉前保全、信用保险、商业保理等工具达到催收或出表目的；3）提醒进行财产损失处理来结束确认不能回收项目的内部管理流程；4）提议利用履约担保、质量担保、客户分级管理等措施来控制回款风险。     

氧化钴及其复合材料在储能领域的研究进展

储能设备能解决清洁能源利用、转换和储存等关键问题,广泛应用于电动汽车、风力发电和移动通讯等领域,促进了储能材料的发展。氧化钴由于其较高的理论容量而成为研究热点。综述了氧化钴及其复合材料在储能领域的最新研究进展,对各种材料的制备方法及电化学性能进行归纳和探讨,并对其未来的发展前景作了展望。     

基于Spider卷积的三维点云分类与分割网络

针对传统的卷积神经网络（CNN）不能直接处理点云数据，需先将点云数据转换为多视图或者体素化网格，导致过程复杂且点云识别精度低的问题，提出一种新型的点云分类与分割网络Linked-Spider CNN。首先，在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征；其次，引入残差网络的思想在每层Spider卷积增加短连接构成残差块；然后，将每层残差块的输出特征进行拼接融合形成点云特征；最后，使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割。在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验，实验结果表明，所提网络可以提高点云的分类精度和分割效果，说明该网络具有更快的收敛速度和更强的鲁棒性。     

南水北调受水区某水厂炭砂滤池运行特性及生物安全性研究

南水北调受水区某水厂采用活性炭和石英砂叠加结构的滤池,该炭砂滤池与传统生物活性炭池具有一定的差异性,对其运行特性及生物安全性做了解析。研究发现,高温高藻期采用臭氧和炭砂滤池组合工艺可减少滤池出水的致病菌和蓝藻,同时对有机物的去除也略有提高;滤池对氯化消毒副产物有一定的去除作用,但在夏季存在不稳定性,与活性炭中有机物的释放及炭料表面鞘氨醇单胞菌等菌属的季节性差异相关联;高温期滤池有军团菌和曲霉菌等致病菌泄露的风险,而冬季低温期生物安全性较高。因此,夏季对炭砂滤池的运行工况应进一步优化,冬季可适当延长反洗周期,以利于降解有机物的功能菌附着在炭料上。     

热处理对钛基体表面电泳沉积GO/HA生物活性涂层的影响

采用电泳沉积法在钛基体表面制备氧化石墨烯(GO)/羟基磷灰石(Ca₁₀(PO₄)₆(OH)₂, HA)复合涂层,通过XRD和SEM等测试手段对不同热处理条件下得到的GO/HA涂层进行表征。研究结果表明,热处理有助于促进涂层中HA结晶度的提高,600 ℃和800 ℃的热处理温度并没有导致HA发生热分解,但有可能破坏了涂层中GO的有序晶体结构。GO/HA涂层具有优异的生物活性,但随热处理温度的升高,涂层的润湿性和生物活性下降。热处理过程有利于涂层致密,加强涂层与基体的结合,800 ℃热处理后的涂层结合强度高达25.31 MPa。     

基于变量选择与高斯过程回归的短期负荷预测

提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。     

基于随机响应面法的主动配电网无功优化

考虑分布式电源(DG)的无功主动调控能力,计及状态变量的机会约束,建立主动配电网随机无功优化模型。通过非参数核密度估计对随机因素进行建模,进一步借助随机响应面法,研究适应于多种概率模型的概率潮流计算方法,用以判断状态变量是否满足机会约束,并利用Nataf变换处理随机变量的相关性。结合基于粒子群的无功优化方法,对所建立模型进行求解。最后,基于修改过的IEEE 33节点和美国PGE 69节点配电系统测试所提方法的正确性和有效性。算例表明所提概率潮流计算方法所得累积分布函数具有较高的精度,同时设计不同的场景,进一步表明所提模型和算法适应不同DG无功控制策略、可发现确定性优化方案的概率越界风险并调整解决。