一种新型的高速IP网络的流量测量体系

网络流量测量是网络管理的基础之一,流量测量体系结构的研究是网络流量测量及其应用的基础和重要环节。对传统的网络流量测量方法的特点进行了分析,对高速网络流量测量中的关键问题进行了研究,采用数据流归并技术,以提高实用性为目的,Linux平台和开源软件的基础上提出了一种新型的基于分布式探针的高速IP网络流量测量体系,并对其构成及特点进行了分析。该测量体系提供了实用的高速测量平台和数据分析接口,具有广阔的应用前景。     

计及相似日的LSTM光伏出力预测模型研究

为了提高光伏电站输出功率的预测精度，该文构建基于灰色关联度分析法（GRA）和长短期记忆神经网络（LSTM）的光伏发电组合预测模型。在运用GRA方法确定影响光伏出力的主要气象因素和选定待预测日的相似日的基础上，利用相似日的气象参数和实际发电量分别训练BP神经网络和LSTM神经网络，构建基于GRA的光伏出力智能预测模型，并在云南某光伏电站得到很好的应用。对比传统的单一预测模型和BP神经网络与GRA的组合模型，考虑相似日的LSTM预测模型的精度明显提升，可很好地满足相关要求，具有广阔的应用前景。     

太阳能“冷-热-电”联供系统集成建模与运行优化

遵循“负荷预测-机理仿真-软件模拟-协同优化”的技术路线，在运用DeST软件预测上海某酒店全年逐时冷、热负荷、PVsyst软件计算光伏发电量和构建燃气轮机仿真模型计算能源输出的基础上，将上述计算结果输入预先构建的太阳能“冷-热-电”联供系统运行优化模型中，得到合理、可行的系统供能方案。相较于传统优化模型，运用集成方法得到的调度方案更有利于实现能源供需平衡，可为其他类似系统的运行和管理提供很好的示范。     

光伏产业与环境支撑体系的耦合协调研究

以光伏产业发展与环境支撑体系之间的协同关系评估为主要研究目标，在确定评价指标和利用层次分析法对其进行赋权的基础上，构建二者的耦合协调度模型，计算得到2014—2020年全国总协调度和各个地区的协调度。结果表明：在2014—2020年，全国光伏产业与环境支撑体系的总协调度呈逐年递增趋势；其中，海南与重庆的耦合协调度最低；甘肃、青海与西藏等地高度耦合。为了更好地评估全球气候变暖导致的辐照变化可能给光伏产业发展带来的影响，在运用区域气候模式PRECIS预测得到未来气候变化条件下（RCP4.5与RCP8.5两个情景）辐照量的基础上，计算了气候变化条件下2030—2060年全国总协调度和各个地区的协调度。相较于现状评估结果，未来辐照量的增加、光伏发电技术的不断发展和配套基础设施的逐渐完善，全国的总协调度和各个地区的协调度均高于现状值，在合理的政策支持和技术创新条件下，有望进一步达到高度耦合协调甚至是优质耦合协调状态。     

碳化温度对泡沫碳光热水蒸发性能的影响

采用表面活性剂发泡法制备三维多孔泡沫碳光吸收体，通过改变碳化温度调节泡沫碳有机质/C相对含量比，研究其与光吸收、导热率的关系，找到最优平衡点，综合优化太阳光水蒸发性能。结果表明，泡沫碳的碳化温度对泡沫碳中有机质/C相对含量比和孔结构有直接影响，有机质/C相对含量的降低可有效提高样品光吸收率，但也会引起隔热性能降低，使水蒸发体系热管理能力变差；碳化温度为600℃时，泡沫碳光吸收-热管理达到最优平衡点，获得最高的光吸收率(96.5%)和最优的太阳光水蒸发性能(1.0391 kg m^-2 h^-1),其水蒸发率是纯水的2.08倍。     

5套再分析资料在阿勒泰地区风资源评估中的适用性研究

该文评估了5套再分析数据对阿勒泰地区风资源的模拟能力，并分析再分析资料在该区域长年代订正中的适用性问题。结果表明，不同再分析资料在阿勒泰地区的空间模拟存在差异，高分辨率的CFSv2、ERA5资料在空间模拟上更具优势，而JRA55、NCEP-DOE模式存在明显高估。季节上，除NCEP-DOE外，其余4套再分析数据均能模拟出阿勒泰地区风速的季节特性，且对冬季的模拟优于其他季节。在此基础上，以阿勒泰某风电场为例，分别以附近气象站和4套再分析数据作为长期测站，对测风塔数据进行代表年订正。订正结果表明，与参证气象站相比，ERA5和CFSv2数据与测风塔数据的相关性更好。在缺乏合适的气象站数据时，使用ERA5和CFSv2数据作为代表年订正的长期测站数据在阿勒泰地区具有可行性。     

二氧化钛介晶的制备与性能研究现状

TiO₂介晶作为一种新型半导体材料，是由定向排列的初级纳米晶取向自组装形成的三维有序聚集体。因其独特的结晶方式而具有不同于传统TiO₂材料的独特性质，并且用相同合成方法所得TiO₂介晶的形貌结构大不相同，具有相同形貌结构的TiO₂介晶的性能和应用也大相径庭。概述了介晶的形成机理，总结了TiO₂介晶的制备方法，如水/溶剂热法、拓扑转化法、反相微乳液法等以及TiO₂介晶的光电催化性能，最后对TiO₂介晶的应用前景和研究方向进行了展望。     

石墨烯改性TiO2催化臭氧氧化降解p-CBA的研究

采用碳化热解法在TiO₂催化剂表面制备石墨烯层，并对其进行XRD、Raman、NH₃-TPD、BET、pH_zpc等表征。以对氯苯甲酸(p-CBA)为目标物，考察石墨烯改性TiO₂在催化臭氧氧化过程中的效能。结果表明，热解温度、碳源投量、固化剂投量等因素对催化剂的活性有较大影响。负载石墨烯层可显著增加TiO₂催化剂的比表面积，并使其表面酸性增强，因而提高其催化臭氧氧化活性。另外，考察了溶液pH、叔丁醇对改性TiO₂催化臭氧氧化过程的影响。溶液pH为6时，对氯苯甲酸的去除率最低。叔丁醇严重抑制了对氯苯甲酸的降解反应，间接证明了羟基自由基是催化臭氧氧化过程中的主要活性氧化物种。重复使用实验结果表明，改性后的催化剂具有良好的稳定性。     

农药残留膳食暴露评估模型研究进展

农药残留膳食暴露风险评估为化学品风险管理、食品安全与人类健康领域的重点关注问题，有效的定量风险评估模型是开展农药残留膳食暴露评价的基础工具。本文结合国内外农药残留膳食暴露风险评估研究进展，旨在归纳农药残留膳食暴露风险评估模型，包括确定性评估模型、概率性评估模型和累积性评估模型；根据模型演变、适用情形与评估需求，比对分析模型间优缺点，探讨模型不确定度、评估软件、数据库应用等关键因子。同时立足我国农药残留膳食风险评估现状，展望模型相关参数整合的紧迫性与重要性，为完善农药残留膳食暴露风险评估体系建设提供科学参考。     

基于FCM-LSTM的光热发电出力短期预测

对光热电站的出力进行短期预测，可以有效应对太阳能随机性和波动性带来的影响，为电网调度做好准备.该文以青海某光热电站为例，首先使用模糊C均值聚类算法对预处理后的实验数据进行分类，然后通过分析不同聚类类型下出力和气象数据中各因子间的关联程度，充分挖掘出数据间的关系，确定不同类型预测模型的输入变量，进而构建出不同类别下的长短期记忆神经网络预测模型.结果表明，与传统长短期记忆神经网络模型、BP神经网络模型、支持向量机模型和随机森林模型的预测结果相比，基于模糊C均值聚类的长短期记忆神经网络预测模型效果良好，大幅减少了预测误差，验证了该预测模型的有效性.