考虑电解水与甲烷化运行特性的电转气系统日前调度方法

电转气(P2G)系统通过直接利用新能源盈余电量合成天然气缓解弃风、弃光问题。现有忽略P2G系统内部的电解水环节和甲烷化环节运行状态的调度结果与实际情况偏差较大。为解决该问题，提出一种精细化的P2G系统日前调度方法。电解水模型考虑了产氢流量与耗电功率的非线性关系，甲烷化模型计及了启停过程多状态转换耗时耗能特性，调度模型还体现了储氢装置在电解水与甲烷化环节间的调节作用。考虑电解水与甲烷化运行特性的日前调度方法能够有效反映P2G系统的实际运行情况，实现对P2G系统的高效利用。仿真结果验证了所提方法的有效性。     

基于过程迁移的间歇过程终点质量预报方法

提出了一种基于过程迁移的间歇过程质量预报方法,旨在解决新间歇过程数据不足难以建立准确预报模型的问题。该方法基于多元统计回归分析模型,通过构建相似间歇过程间的共同潜变量空间,将已有相似间歇过程的数据信息迁移应用到未建模的新间歇过程中,实现新间歇过程的快速建模和质量预报。在线应用时,利用在线数据不断更新过程迁移模型;同时,实时估计模型预测误差的置信区间,判断预报模型预测误差的稳定性;为克服相似过程间可能存在的差异给迁移模型带来的不利影响,根据数据相似度逐步剔除相似间歇过程数据。最后,通过仿真实验验证了所提方法的有效性。     

高比表面积活性炭负载磷钨酸催化乙醇制乙烯

乙醇脱水制乙烯方法的关键是催化剂及其载体的研究。以高比表面积活性炭为载体,采用浸渍法将催化剂磷钨酸负载到活性炭孔结构中,制备出新型催化剂PW/AC。分别考察了反应温度、进料流量和磷钨酸负载量对乙醇转化率的影响,得出较佳的条件分别为反应温度300℃、进料流量0.09mL/min和磷钨酸负载量60%（质量百分比）。     

微孔-介孔高比表面积佛手渣基活性炭的制备

在催化和吸附分离等领域,微孔-介孔结构活性炭有广阔的应用前景。以废弃的佛手渣为原料,运用氢氧化钾活化法制备微孔-介孔高比表面积活性炭。考察了炭化和活化等工艺条件对活性炭结构的影响。结果表明,较佳工艺条件下制备的活性炭碘值为1544mg·g-1,BET比表面积1676m2·g-1,微孔BET比表面积350m2·g-1,孔径集中分布在2～5nm之间。     

浮式生产储油船(FPSO)消防系统设计研究

针对海洋石油浮式生产储油船对自动消防系统的具体要求,根据相应的消防安全标准,阐述了消防区域的划分、探测器消防设备的选择以及控制系统的功能等,整理浮式生产储油船火灾和可燃气体检测系统的设计方法和特点,总结出一套浮式生产储油船火灾自动报警和消防联动的设计方案。     

重介质选煤过程先进控制:研究进展及展望

基于传统控制方法的重介质选煤过程自动控制存在能耗高、灰分含量波动大等问题,而先进控制能够改善过程动态性能,使系统运行接近最优状态。首先介绍了重介质选煤工艺流程,分析了重介质选煤过程的多时间尺度、多速率特性,并基于重介质选煤过程强非线性、多变量耦合、时变性、多干扰等因素,分析了重介质选煤过程先进控制在数学建模、运行指标跟踪控制、稳定性、关键参量精确感知等方面的难点;然后从重介质选煤过程建模、重介质悬浮液密度控制、精煤灰分控制等方面,综述了重介质选煤过程先进控制的研究进展;最后展望了重介质选煤过程先进控制未来的研究方向:基于大数据的重介质选煤可视化平台建设,面向重介质选煤过程的知识和数据混合驱动的智能优化与控制,产品质量与效率预测方法研究,重介质选煤虚拟实验平台搭建。     

基于多参数规划的电动汽车充电站有效容量评估方法

为准确评估配电网承载电动汽车的能力,保证配网安全经济运行,基于多参数规划理论,提出电动汽车充电站有效容量定义及其评估方法,充分考虑了不同充电站之间隐含的耦合关系,能够准确快速刻画多个充电站有效容量边界,辅助配网调度决策。首先,依据配网经济调度模型和卡罗需-库恩-塔克（Karush-Kuhn-Tucker,KKT）条件,构建充电站有效容量等效约束集,表征有效容量可行空间,提供精确的调度边界信息。进而,推导不同有效容量子空间下配网分段运行成本函数,反映充电功率对配网经济运行的影响。最后,通过IEEE-33节点系统进行算例仿真分析,验证了该方法的准确性和有效性。     

基于AC-YOLO的路面落叶检测方法

随着城市绿化程度的不断提高,落叶清理任务变得更加复杂繁重.针对落叶形状多变、大小不一、背景复杂、分布不均的特点,提出一种融合Attention-Context (AC)网络和YOLOv3的落叶检测算法(AC-YOLO),解决现有模型对落叶漏检、误检的问题,实现快速、准确地识别检测路面落叶.针对小目标落叶易发生漏检的问题,提出AC网络结构,将不同层次的特征映射融合作为小目标的上下文信息,同时引入自注意力机制来抑制复杂背景和底层噪声带来的影响,提升小目标落叶检测能力;其次,采用Mish激活函数替换Leaky ReLU以提升模型的泛化能力,提高落叶检测准确度;最后,考虑到落叶堆叠情况对清理机器人的工作效率有影响,提出非极大值融合算法(nonmaximum fusion, NMF)来融合密集落叶预测框,从而通过更少的导航点解决密集落叶的检测问题,同时提升落叶检测清理的效率.实验结果表明,基于AC-YOLO的检测算法对落叶检测的覆盖率(cover)达到95%,检测速度达到53帧/s,可以完成实际应用环境中的落叶检测任务,实现对落叶的高效率、智能化清理.     

一种随机配置网络软测量模型的稀疏学习方法

随机配置网络(SCN)构建一个不等式约束条件对隐性参数进行随机分配,同时对其范围进行自适应选择,具有收敛速度快、建模精度高等优点.由于随机算法的本质特性,不可避免产生低值、冗余节点,为提高SCN软测量模型的稀疏性,提出一种简约随机配置网络(PSCN).PSCN在网络增量构建目标函数中引入$L_1$范数,建立一个新的不等式约束条件来保障隐性节点的生成质量.并进一步针对新建目标函数的非凸性和非光滑性,采用交替方向乘子法(ADMM)对整个PSCN网络的输出权重进行更新.最后,将所提出方法应用于基准数据集和实际工业过程软测量问题中,结果表明该方法可有效简化模型结构,同时具有较高的泛化性能.