摘除不适用叶与喷施光碳核肥对烤烟上部叶生理代谢及品质的影响

为优化烤后烟叶的等级结构,提高上部烟叶的工业可用性,以豫烟6号为材料,通过田间试验研究了摘除下部不适用叶与叶面喷施光碳核肥对烤烟上部叶叶面积、光合特性、碳氮代谢及烤后烟叶内在化学成分和经济性状的影响。结果表明,与对照(打顶时不摘除下部不适用叶)相比,打顶时摘除下部6片不适用叶显著提高了上部烟叶叶面积、叶绿素含量、光合性能、碳氮代谢强度及烤后中上等烟叶比例,增加了上部叶的总氮含量,降低了烤后烟叶的产量、产值。与仅摘除下部不适用叶相比,打顶时摘除下部6片不适用叶结合叶面喷施光碳核肥增加了烤后上部烟叶的单叶质量、钾含量、总糖含量、还原糖含量、糖碱比及钾氯比,提高了烤后烟叶的产量和品质。摘除下部6片不适用叶结合喷施光碳核肥较对照处理其上部叶叶面积、单叶质量、钾含量及上中等烟比例分别提高了11.53%、23.19%、12.69%和17.50%。总体来看,摘除下部6片不适用叶结合叶面喷施光碳核肥能够促进上部叶开片,使烤后烟叶的化学成分更加协调,经济效益较佳。     

外源亚精胺对渗透胁迫下烤烟幼苗生长及生理特性的影响

为揭示干旱胁迫下外源亚精胺(Spermidine,Spd)对植物生长的缓解作用机制,通过实验室水培试验,采用营养液水培法,以烤烟品种豫烟6号为供试材料,研究了利用聚乙二醇(PEG-6000)模拟的渗透胁迫下喷施不同浓度的外源亚精胺(0、0.2、0.4和0.6 mmol·L-1)对烤烟幼苗生长、活性氧代谢、抗氧化酶活性、叶绿素相对含量(SPAD值)和光合荧光特性的影响。结果表明,渗透胁迫抑制了烤烟幼苗的生长,叶面喷施外源亚精胺能显著增加渗透胁迫下烤烟幼苗的生物量、根长、根表面积、根平均直径和根尖数,增加超氧化物歧化酶(SOD)、过氧化物酶(POD)和过氧化氢酶(CAT)活性,降低O_2·-产生速率和丙二醛(MDA)含量(质量分数),提高叶绿素相对含量、净光合速率(P_n)、蒸腾速率(T_r)、气孔导度(G_s)、光系统Ⅱ最大光化学效率(F_v/F_m)、光系统Ⅱ实际光化学效率(Φ_(PSⅡ))和光化学猝灭系数(qP),降低了胞间二氧化碳浓度(C_i)和非光化学猝灭系数(NPQ);且以0.4mmol·L~(-1)Spd处理效果最佳。因此,外源亚精胺能有效提高渗透胁迫下烤烟幼苗的抗氧化能力,降低活性氧自由基的积累以维持细胞膜稳定,促进根系发育,提高光合电子传递效率,增强光合作用能力,从而缓解渗透胁迫对烤烟幼苗的伤害。     

电能量采集平台建设方案分析

为了整合电力计量系统资源,提高信息的使用率与共享度,在分析电能量采集系统应用状况的基础上,提出了电能量信息采集平台的建设原则、系统架构、技术要求等,并对实施方案中关键环节的处理进行了探讨.     

云平台下时间序列数据并行化排列熵特征提取方法

随着高级量测体系和各类监控系统的大规模建设发展,时间序列数据的规模呈指数级增长,在智能电网大数据中占有较大的比重。时间序列数据的特征提取是影响数据挖掘质量的关键步骤,在大数据背景下,传统的特征提取算法已无法满足海量数据处理的需求。结合云计算平台和MaxCompute大数据处理技术,设计实现了时间序列数据的表存储方法和并行化的时间序列数据排列熵特征提取算法。在云计算平台上采用不同规模的数据集对并行化算法进行测试,验证了并行化排列熵算法的正确性和高性能。     

基于拉丁超立方抽样和场景消减的居民用户基线负荷估计方法

作为需求响应的重要形式,激励型需求响应(incentive baseddemandresponse,IBDR)对提升电力系统运行的灵活性具有重要作用。用户基线负荷(customer baseline load,CBL)是计算IBDR参与者经济补偿的依据,其估计准确性会直接影响项目参与者和提供者的利益。在现有CBL估计方法中,对照组法通过不参与需求响应(demand response,DR)项目的用户的实际负荷来估计DR参与者的CBL,相比于其他方法通常估计精度更高。然而当对照组用户数量不足够多时,该方法的估计精度将会急剧下降、甚至完全失效。为解决这一问题,该文提出一种基于拉丁超立方抽样和场景消减的居民用户CBL估计方法。首先基于拉丁超立方抽样和场景消减,生成每个时段的代表性负荷场景,再通过迭代消减融合将单时段场景连接形成日负荷曲线场景,以此增加对照组样本多样性。以伦敦居民用户实测负荷数据为例,验证了该文所提方法具有可行性。     

远程抄表技术带给供电企业用电管理的革新

介绍了远程抄表技术及其应用现状,分析了其技术优势及潜在应用空间,并提出了基于远程抄表技术的新的用电管理模式。     

基于智能电表数据的家庭特征联合预测算法

现有大多数工作都是通过智能电表数据独立地预测单户特性,而忽略了不同特性的联合分析,对此构建一种多任务学习模式,判别多任务间关系.该模式将每个特征看作一个独立的任务,并尝试同时预测多个家庭特征.主要解决了不同特征之间关系的嵌入结构问题和原始训练数据中存在冗余特征问题.模型通过获取任务协方差矩阵捕捉不同特征之间的内在联系,...     

联合改进SVR和渐消记忆递推最小二乘算法的电能表误差评估模型研究

针对电能计量装置运行误差现场检定难度大、定期轮换成本高等问题,提出一种联合麻雀搜索算法（SSA）、支持向量回归机（SVR）和渐消记忆递推最小二乘算法（FMRLS）的电能表误差评估模型。该方法首先利用改进的K-Means算法对台区进行分类,将分类后的样本导入利用SSA优化后的SVR模型进行训练,建立台区线损率预测模型;而后将得到的线损率代入改进的线损模型,构建电能表误差求解方程,利用FMRLS算法对误差方程进行求解,对电能表误差进行估计。通过河北省某低压台区样本的数据验证,该方法可以实现对低压台区线损率的有效预测,并估计出在运电能表的误差,为加快推进智能电能表检修策略由定期更换转向状态轮换提供技术保障。     

基于智能算法的煤改电用户负荷识别

建设泛在电力物联网使得为用户提供更加多样化和个性化的服务成为可能,近两年来煤改电工程发展迅速,如何通过用户负荷曲线对煤改电用户进行识别成为一个研究热点。论文首先深入剖析了现阶段煤改电工程取得的成绩以及存在的问题,运用大数据技术与泛在电力物联网技术可以很好地解决煤改电进程中存在的矛盾与问题。以某地区煤改电用户负荷特性为例描述了在采用蓄热式电锅炉取暖后的用电负荷特性的变化,通过构建粒子群优化后的支持向量机模型,对某地区电网冬季典型日用电负荷数据进行识别与分类,通过测试集的验证,论文建立的模型具有较高的识别精度,平均准确率达到98%,具有一定的实际价值。     

基于用电信息采集大数据的公变负载状态评估

配电网公用变压器(以下简称"公变")是电力系统中数量庞大且又关键的设备,由于电力需求波动等条件影响,其负载情况变化较大。为能够快速地对公变的负载状态进行准确评价,文中介绍了基于Hadoop CDH的大数据分析平台,基于用电信息采集大数据提出了公变负载状态的评估方法。此方法在合理运用综合评价法的同时,通过历史统计数据确定模糊判断矩阵进而求解权重,克服了主观因素的影响,在评估公变重过载、轻空载、负载波动状态的基础上,进行变权重加权求和,最终确定公变的负载状态。此方法计算结果合理,过程清晰,在公变精准投资、运行监控检修、投资后评估等方面具有重要的辅助决策作用。