污水事故罐中除臭剂废水处理工艺探讨

炼油装置在检修期间,为减少对环境的污染,使用大量的除臭剂。有机除臭剂的可生化性极差,尤其是对于微生物具有毒害作用,直接进入污水处理装置将造成装置的工艺失效,必须将含有除臭剂废水的浓度降低至微生物可承受范围之内。     

基于自学习优化模型的定制化居民需求响应预测研究

基于家庭智能电能表采集数据,构建居民需求响应样本库.基于该样本库,开展特征工程,充分挖掘响应用户的家庭属性、响应行为、用电行为等特征.在此基础上,构建居民电力需求响应神经网络自学习优化模型,根据不同家庭标签与历史响应结果数据,预测居民需求响应参与情况,随着典型场景下需求响应的不断开展,对模型进行循环迭代与优化.最终,依据调节目标,智能化制定需求响应调控策略.算例结果表明,所提的需求响应策略能够准确识别居民需求响应参与度,降低需求响应激励成本.     

我国某新型硅质黏土岩型钒矿选冶过程中的污染源核定

新疆某地新发现的硅质黏土岩型钒矿,属于国内新的矿床类型.文章以中试资料为基础,并通过排放参数测定,对工艺中的主辅成分与元素进行了平衡分析,进而对其工艺过程的产污环节和污染物及排放参数进行了核定,为国内同类矿石选冶的环境影响评价与治理设计提供了较可靠的排放参数和设计依据.     

关于离心风扇扇叶强度的计算

通过对离心风扇扇叶采用固定梁的应力分析,推导出离心风扇扇叶强度的计算方法,结合具体事例加以分析并给出改进方法、措施。最后提出高转速离心风扇扇叶设计的注意事项。     

炼油污水处理厂运行过程中pH值的控制方案研究

在处理炼油污水的过程中,有许多因素可以影响出水的pH,针对这一问题进行了实验室模拟研究,对装置进出水氨氮及碱度进行分析测定,同时提出解决方案。     

离子交换法提纯天然维生素E的工艺研究

天然维生素E是一种具有良好生理功能和药理价值的抗氧化剂,具有广阔的开发前景和市场需求.论述了油脂脱臭馏出物中天然维生素E的特性,对从大豆脱臭馏出物中提取天然维生素E的工艺进行了研究,提出了适合于工厂进行提取天然维生素E的工艺及工艺条件.采用以弱碱阴离子交换树脂对天然维生素E浓缩液进行纯化的工艺条件.考察了上样量、洗脱速度与洗脱剂对分离的影响,以天然维生素E的含量和回收率为评价指标.实验结果表明,弱碱阴离子交换树脂纯化天然维生素E的最佳操作条件为上柱量90mg/mL,洗脱液流速5mL/min,洗脱剂环己烷∶乙醇体积比为75 ∶ 25.天然维生素E含量可由原来的30%提高到90%以上,回收率达到80%以上.今后对天然维生素E的进一步深入研究会取得更好的工艺条件.     

油田污水处理工艺技术的优化研究

随着我国经济的快速增长,对石油资源的需求量不断提高,各种油田采油工程越来越多。为了提高采油的效率,很多油田都会采用注水采油工艺技术,在使用过程中,产生大量的污水,如果直接排放就会对环境造成非常大的危害,不利于当地环保事业的发展。为此,对油田污水处理工艺技术的优化进行了研究。     

驱油用功能单体笼型多面体低聚倍半硅氧烷的设计合成与应用研究进展

化学驱以其性价比高日益受到提高原油采收率研究者的重视,研究新型驱油功能材料是化学驱工作最核心问题之一。近年来,笼型多面体低聚倍半硅氧烷(POSS)因其良好的三维结构以及优异的物化性能引起了材料科学工作者的广泛关注,是构建驱油用有机/无机杂化纳米复合材料的理想基本单元。在分析总结前人研究成果的基础上,较为系统地综述了纳米型POSS单体的合成方法,运用这些方法设计合成了基于单官能团、多官能团和双官能团的POSS单体。基于功能单体,通过修饰、接枝或聚合等手段,进一步设计合成功能强大、性能各异的有机/无机杂化纳米复合驱油材料。在设计合成的基础上,进一步阐述了POSS单体结构与性能的关系以及在三次采油等方面的应用研究进展,并对POSS单体在驱油新材料中发展趋势及前景进行了展望。     

无损软开关无桥Boost PFC变换器的研究

针对无桥Boost功率因数校正(PFC)变换器在高频工作时功率器件开关损耗大、电压电流应力高,提出了一种无源无损软开关Semi-bridgeless Boost PFC变换器,用于实现开关管和功率二极管的软开关,减小二极管反向恢复电流造成的电压尖峰,有效提高转换效率。详细分析了该软开关无桥Boost PFC变换器的工作原理,制作实验样机对电路的有效性进行了验证,实验结果表明所提软开关无桥变换器能有效减小开关损耗,降低元器件的电压电流应力和电磁干扰,效率高于硬开关无桥Boost PFC变换器。     

选择性集成学习算法的研究

通过选择性集成可以获得比单个学习器和全部集成学习更好的学习效果,可以显著地提高学习系统的泛化性能。文中提出一种多层次选择性集成学习算法,即在基分类器中通过多次按权重进行部分选择,形成多个集成分类器,对形成的集成分类器进行再集成,最后通过对个集成分类器多数投票的方式决定算法的输出。针对决策树与神经网络模型在20个标准数据集对集成学习算法Ada—ens进行了实验研究,试验证明基于数据的集成学习算法的性能优于基于特征集的集成学习算法的性能,有更好的分类准确率和泛化性能。