水电系统短期优化调度的一般性准则（2）：优化模型求解方法 …

提出了以梯级为子系统的空间降维及以电力电量平衡为手段的时间降维方法,从而建立了水电系统短期优化调度中一般性准则数学模型的优化算法及求解步骤,实例应用表明,该模型效益显著。     

水电系统短期优化调度的一般性准则（1）：基本概念与数学模型

简要分析了水电系统的特性,指出了水电系统短期优化调度需要解决的两个关键技术,并提出了水电系统短期优化调度的一般性准则,同时建立了水电系统短期优化调度中一般性准则数学模型,最后导出了该系统中各水电站的性能指标函数。     

水库动库容调洪方法研究

应用一维不稳定流方法进行水库动库容调洪,并根据水库的调洪规则建立了一维不稳定流隐式差分模型的边界条件．实例应用表明：对于狭长型水库,常遇洪水几乎不受动库容影响、而稀遇洪水或暴雨中心在上游的大洪水动库容影响显著;本成果能同时确定水库的泄洪设施规模、各频率洪水的最高坝前水位及库区回水线．     

三峡水库正常运行期入库流量计算方案分析

总结了三峡水库正常运行期的坝前水位一般控制规律,阐述了三峡库区动库容对其入库流量计算的影响。根据三峡水库的调节性能和坝前水位控制规律,将水库的坝前蓄水状态分为3个等级,并分析了各蓄水等级下的入库流量最佳计算方案,有效解决了入库流量的锯齿跳变问题,符合实际。     

活性炭的孔隙结构和表面酸性对其香料吸附性的影响

本文主要研究两种活性炭吸附材料SY-1和SY-11对薄荷醇,呋喃酮和2-环戊烯酮三种香料的吸附性能。使用ASAP2010M测定了活性炭SY-1和SY-11的孔隙结构,用Boehm滴定测定了活性炭表面化学性质的含氧基团的浓度,用静态吸附法测试了三种香料在两种活性炭上的吸附动力学,采用程序升温脱附技术测定了三种香料在两种活性炭上的脱附活化能。结果表明,两种活性炭SY-1和SY-11的比表面积分别为928 m2/g、1065 m2/g,平均孔径分别为2.3和2.6 nm,表面酸性基团总含量分别为0.5498 mmol/g,0.5289 mmol/g。SY-1对三种香料的平衡吸附量均大于SY-11,这主要由于SY-1的平均孔径小于于SY-11,SY-1表面的酸性基团含量高于SY-11。较小的孔径则有利于孔壁表面对香料分子形成较强的吸附作用,较丰富的表面基团含量,有助于形成更多吸附位,从而提高吸附量。三种香料在两种活性炭上的脱附活化能大小顺序均为:薄荷醇呋喃酮2-环戊烯酮,这主要是由于三种香料分子的分子直径大小的顺序也是:薄荷醇呋喃酮2-环戊烯酮,较大直径的分子易受到孔壁表面更强的吸附作用力,与表面吸附就更牢,相应的分子的脱附活化能就越大。     

不同金属离子改性的硅酸铝对薄荷醇吸附/脱附性能研究

本文应用浸渍法制备三种改性的硅酸铝(AS)材料Fe3+/AS、Cu2+/AS、Ag+/AS,采用静态吸附法测定了改性硅酸铝对薄荷醇的吸附量;应用程序升温脱附实验测定了薄荷醇在改性硅酸铝上的脱附活化能,并应用HSAB软硬酸碱理论分析和讨论了薄荷醇在不同改性硅酸铝上脱附活化能的差异。结果表明:与原始硅酸铝相比,金属离子改性后硅酸铝比表面积显著增加,增幅依次为105.83%、44.41%、32.69%。改性材料对薄荷醇吸附量增加,吸附量顺序为Fe3+/ASCu2+/ASAg+/ASAS。此外,该改性改变了薄荷醇与硅酸铝表面的结合力,薄荷醇在改性硅酸铝上的脱附活化能顺序如下:Ag+/ASCu2+/ASFe3+/AS。与原始硅酸铝相比,Ag+和Cu2+增强了薄荷醇与硅酸铝之间的结合力,Fe3+减弱了薄荷醇与硅酸铝之间的结合力,与HSAB软硬酸碱理论预测的结果一致。     

基于生态价值的生态用水量分配方法研究

简要介绍了生态需水量的研究背景和相关概念,结合水生态系统的服务功能,确定了水生态系统价值的计算方法。在此基础上,提出了基于生态价值的生态用水分配优化数学模型,对生态用水分配方法进行了探讨。     

改性蒙脱土的性能分析及滤嘴薄荷醇不同加香方式的效果比较

为了解改性蒙脱土材料作为滤嘴加香吸附剂的应用效果,对该材料的性能进行了分析,并比较分析了改性蒙脱土材料加香卷烟A与其他几款滤嘴加香卷烟的薄荷醇释放效果。结果显示:(1)改性蒙脱土材料的氨迁移量为0,裂解后的释放物中未检测出有害组分;(2)卷烟A的持香能力,明显优于溶剂喷洒法和香线法制备的薄荷卷烟;(3)卷烟A的薄荷醇释放效果,明显优于溶剂喷洒法和香线法制备的薄荷卷烟,也略优于胶囊法制备的薄荷卷烟。     

11m■级轨道衡

和国际接轨标准轨道衡应该是(Ⅱ)级衡,国家技术监督局鉴定结论是“达到国际先进水平”,11m标准轨道衡已经达到的主要技术指标及其结构特点,查新结果及粗略经济分析。     

水库调度方程组的定界迭代法

在进行水电站水库调度计算中采用逐时段递推计算时,一般求解方法是迭代算法,在生产实际中,现行迭代算法有时出现不收敛现象,通过深入分析发现,如果迭代变量的假设值小于新值,则假设值即为失代变量的下界x-,新值为其上界x^-,否则,假设值为迭代变量的上界x^-,新 值为其下界x-,迭代变量的真值必包含在上下界之间,即x^*∈（x--x^-)。随着迭代次数的增加,迭代区间将逐步减小,直至逼近真值,由此即可构造定界迭代算法,应用实例表明,提出的定界迭代算法原理简单,可保证迭代算法绝对收敛,且与迭代变量的修正方法无关。