哈尔滨地区旱灾分析

1哈尔滨地区旱灾特点 哈尔滨市地处欧亚大陆东部。春季处于大气环流转换季节,天气晴朗,风速大,升温快,湿度小,蒸发强,降雨少,易发生干旱。根据统计资料表明：自上世纪80年代以来,干旱出现机率偏高,旱期延长,旱情越来越严重。从1998年以来,连续出现干旱年。2000年5—7月上旬,连续长时间不降雨,出现春旱连夏旱的严重干旱,     

Cu(Ⅱ)-phen超分子配合物的合成及结构表征

以Cu(phen)2Cl2为前体,采用水热合成方法,辅以均苯四甲酸酐合成了2个超分子配合物[Cu(phen)2Cl]+.[C10H5O8]-和[Cu(phen)2Cl]+.0.5[C10H4O8]2-。采用单晶X-射线衍射、X-粉末衍射、FT-IR对这2个配合物的晶体结构和组成进行了表征。单晶衍射结果表明,2个配合物均为三斜晶系,P-1空间群。在2个配合物中,金属Cu的配位数都由前体中的6转变为5,由原来前体中的畸变的八面体结构转变成畸变的三角双锥结构。配合物(2)通过游离的均苯四甲酸配体之间的氢键作用和phen配体之间的π-π堆积作用形成了3D超分子结构,而配合物(3)则只是通过phen配体之间的π-π堆积作用形成3D超分子结构。     

确定合理采出品位的探讨

本文结合金岭铁矿矿石质量管理现状，分析了矿石损失与贫化造成的经济损失；并利用收支平衡原则确定了该矿的出矿合理品位。     

现代除草剂——Goal

Goal 是由美国 Rohm & Haas公司开发的一个芽前、芽后使用的除草剂,通用名为:oxyfluorfen。自1972年来,以代号 RH-2915在美国和世界各地进行广泛的试验。1979年5月,在美国环境保护局登记用于未结实的果树,1980年12月被准许用于结实果树。1979年,该产品在加利福民亚首次上市用于果树的杂草防除。随后,该药剂作为一种广谱除草剂用于大豆田,包括芽前、免耕、芽后直接喷洒。同时,亦登记在玉米直播后用于防除纯黄独脚金及针叶树苗床的芽前、芽后杂草。另外,还登记用于棉花田播后喷洒,以及休眠期薄荷田     

道路用堆叠式压电俘能单元制备与应用性能

针对现有压电换能器用于道路工程存在技术缺陷,优选出适用于道路发电的堆叠式俘能单元结构并优化尺寸,制备8种路用堆叠式压电俘能单元,借助力学性能试验评估结构强度,开发出压电俘能单元测试夹具并搭建发电性能模拟测试系统,研究了压电俘能单元的发电性能,测试了发电路面小尺寸试件的能量输出效果。结果表明:制备的堆叠式压电俘能单元结构强度良好,能够满足发电路面施工及工作的使用要求;在试验研究范围内荷载大小、加载频率、压电陶瓷片厚度及堆叠层数均与压电俘能单元的发电性能正相关,单片厚度为1.0 mm的堆叠式压电俘能单元输出的最大开路电压可达37.8 V、最大功率可达183.2 m W;典型发电路面小尺寸试件能够实现11.06 m W的能量输出,具备了理想的应用前景。     

不同毛竹林结构配置的土壤质量评价

为探明毛竹纯林地植被结构配置对土壤质量的影响,以安吉县过度开发毛竹林为研究对象,通过样地土壤样品采集和测试,比较分析不同毛竹林地0～20 cm土层的土壤性质,并基于主成分分析,综合评价毛竹林地不同结构配置的土壤质量。研究结果表明,通过林下灌木、灌草结构的配置,毛竹林地的土壤养分含量得到提高,土壤黏粒含量增加,土壤质量指数上升。其中,毛竹林林下灌草结构配置的效果优于灌木结构的配置效果。     

高可再生能源渗透率海岛微电网运行控制

在对国内外微电网示范工程进行调研分析的基础上,对在山东省长岛县开展的35 kV海岛微电网示范工程建设目标、方案进行阐述。针对系统中高可再生能源渗透率以及分布式电源多点分散接入的特点,设计了微电网示范工程并网/孤岛运行控制策略,并对微电网中多类型混合储能系统的运行管理策略进行研究。基于所开发的海岛微电网运行控制策略,开展了微电网并网/孤岛运行试验研究,设计微电网分别运行于并网模式、孤岛模式、并网转孤岛模式以及孤岛转并网模式,并对各模式下的运行曲线进行深入分析。试验研究表明,所提出的35 kV微电网工程建设方法及其运行控制策略是切实可行的,可以实现海岛电网在并网、孤岛2种模态中的稳定运行及模式平滑切换,保障了海岛丰富可再生能源的最大消纳,为海岛居民提供绿色、稳定的电力供给。     

乳化油废水处理研究

本文主要研究了对乳化油废水的处理,首先在实验室条件下研究了乳化油废水的处理,进而进行了小试,在实验和小试的基础上得出利用混凝沉淀、气浮除油和生化降解三级处理方法是完全能够处理好乳化油废水的。文中所列数据可为实际设计提供参考。     

人工智能在电力系统中应用的近期研究热点介绍

大数据驱动下的新一代人工智能由传统知识表示转向深度、自主知识学习,不再需要人的过多干预,展现出了更加智能的一面。近年来,深度学习成为人工智能研究热点。该文重点介绍了深度学习的特点、原理及其在电力系统中的应用研究现状,分析了新一代智能方法研究趋势及在应用过程中存在的问题,并提供了基于分布式机器学习和增量学习的解决方法,旨在为相关研究工作者提供参考。     

深度学习神经网络在电力变压器故障诊断中的应用

由于电力变压器发生故障时油色谱在线监测数据无标签,工程现场往往会得到大量无标签故障样本,而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本。该文基于深度学习神经网络（deep learning neural network,DLNN）,构建了相应的分类模型,分析并用典型数据集对其分类性能进行测试。在此基础上提出一种电力变压器故障诊断新方法,它能够有效利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析（dissolved gas-in-oil analysis,DGA）实验数据进行训练,并以概率形式给出故障诊断结果,具有更优的故障判别性能,能够为变压器的检修提供更为准确的参考信息。工程实例测试结果表明,该方法正确可行,诊断性能优于三比值、BP神经网络和支持向量机的方法,适用于电力变压器的故障诊断。