电力负荷控制(DSM)节能装置在大型钢厂的研究与实践——锡钢及淮钢等新技术电力负荷需求侧控制(DSM)项目

高峰缺电是当前电力紧张的主要问题之一。特大用电户的峰值负荷是造成电力高峰短缺,供电紧张及企业自身用电浪费的重要因素,而钢厂是最典型用电大户。因此,钢厂负荷控制具有指导意义。本文对锡钢及淮钢二大代表不同电弧炉钢厂通过中外合作,成功实施电力负荷需求侧控制(DSM)项目的介绍,通过运用最新技术的“趋势分析”核心软件,调控钢厂主要用电设备电弧炉的手段,使电负荷均衡运行,从而可使钢厂等特大用电户的峰值负荷下降10%～20%左右,同时节约可观的用电费用,为开展用户侧电力负荷需求侧管理,缓解城市供电压力,节约企业用电费用,提供了有益的途径。本文还提出了在中国更好推广电力负荷需求侧控制(DSM)工作的建议。     

便携式ICT设备的电池 国际电联标准化局技术观察报告2010

如何在电池中储存大量的电能,满足移动和便携式设备不断增长的需求是一个巨大的技术挑战,在信息与通信领域,这一问题尤为重要。现在许多制造厂商和政府部门都在投资研究清洁能源和高效能源技术,研究长寿电池以满足高耗能便携式电子设备的需求。本文归纳了高效电池的一些发展趋势。芯片处理能力的增强和新一代通信技术的发展推动了     

小弄堂也是不夜城——以杨浦区通北路海鲜一条街及其附属街道为例评析历史保护街区

通过对以通北路-平凉路-汾州路-榆林路为界的里弄街区为例,结合比较田子坊的保护使用与日本东京新宿的类比,分析探寻该街区是否需要保护,怎么样的保护目的、怎么样的保护方式适合本街区。     

高应力矿山锚网支护巷道围岩变形监测与分析

针对大顶山矿区巷道水平应力较大以及锚喷支护难以满足生产及安全要求等问题,采用无喷混凝土锚杆+TECCO网支护方法取代原锚喷支护,在解决支护难题的同时,也节约了成本。为了验证锚网支护效果,对锚网支护巷道围岩的表面位移进行监测,并通过对监测所搜集到的数据进行拟合分析,及时掌握围岩变形变化动态,以便更好地对围岩稳定性作出预测和评价,确保巷道安全可靠,指导矿山安全生产。     

软件项目需求分析若干问题探讨

由于需求分析导致的高比例的项目返工率使得软件项目开发人员必须重视需求分析的过程.从工程技术人员角度出发,诠释了需求分析的概念、重要性以及需求分析过程中存在的问题,并结合项目开发经验描述如何规范需求分析过程.对高质量、高效率地完成需求分析有一定参考意义.     

德国太阳热水器与建筑的结合

德国太阳热水器与建筑的结合马丁·雷斯近年来，太阳集热器的应用在德国有较快的发展，根据政府机构的统计和预测，１９９０年德国已安装了２８．４万ｍ２太阳热水器，平均每千人拥有集热器面积为３．６ｍ２，市场销售额约合３．４亿人民币，到本世纪末，集热器的安装面积...     

机床在线监测的管理系统

本文介绍了计算机数控立铣床的状态监测系统的管理系统，此系统用于主轴、X轴驱动和冷却液三个子系统；阐述了测量各子系统“健康状况”时所用的各项参数和所包括的数据采集系统；并介绍了管理系统的设计原理及其在 实验室环境下的实际模型，还提出了一种使用工具计算机的、更为实用的工程设计，可供今后用于机床。最后介绍了现有管理系统的用户接口所提供的可能性。     

仅使用符号位将连续震动法的噪声猝发问题减至最小

连续震动法资料的计算机摸拟表明,如果仅仅使用符号位,其反射质量的改进可超过常规获得的资料。将连续震动资料用一般的和符号位的记录进行处理可以给出外界噪声状态和噪声叠加的效果。计算机模拟了可变噪声和噪声猝发的几种类型,而且注意到对符号位资料的极小影响。当在人口稠密地区,风天、海滨大浪附近或发生海上风暴,造成噪声背景很强时,     

高炉热风炉的振动特性分析

利用速度传感器对热风炉的振动进行测试,用数据采集系统记录热风炉的振动信号并进行频谱分析.测试表明:在燃烧期的振动要明显大于送风期的振动,特别是换炉单炉燃烧时,振动幅值是送风期的20倍左右,当热风炉负荷超过68000m3/h(设计最大能力)时,振动迅速增大,且振动频率在10Hz以内,低频振动是热风炉振动的主要特征.     

深度学习应用于潮流计算判敛问题的可行性研究

近年来,深度学习方法由于在图像识别等领域取得的突破性进展成为了学术研究的热点。本文对该方法在潮流计算判敛这一电力系统基本计算任务中的应用可行性展开了研究。本文首先探讨了潮流计算问题相较于图像识别问题的特殊性,分析了应用深度学习模型解决潮流判敛问题的难点;然后,介绍了深层人工神经网络的网络结构、训练过程以及针对过拟合问题的处理方式;进一步基于电力系统潮流计算问题的特点选择基本特征向量、无功功率调节能力指数集以及功率因数水平指数集作为训练深度学习模型的特征向量;最后基于IEEE 14节点系统生成了160万份样本,并对所采用的模型及特征向量进行了算例验证,得到了将深度学习应用于潮流判敛问题的一些重要结论。