适应于跨区电网输电交易的综合线损率修正方法

线损率是输电交易结算过程中决定电价或结算电量的重要因素,其计划值的准确与否直接关系到交易各方的经济利益。针对我国当前跨区输电交易中综合线损率方案的不足,提出一种理论计算与实际统计数据相结合的、考虑线损率随线路输送功率变化的综合线损率计划值的修正方法,该方法能大大减小线损率计划值与真实值间的误差,具有准确度高、可靠性好、适应性强的优点,并能较好地应用于我国某特高压跨区输电交易中,促进了输电交易的公平性。     

风电光伏波动性电源对电解水制氢电解槽影响的研究进展北大核心CSCD

通过可再生能源电解水制氢,用于交通、工业等亟需脱碳的领域,是实现绿色可持续发展的重要技术路径。可再生能源具有波动性特征,风电表现为实时随机波动,而光伏发电表现为较为规律的昼夜周期特性。当电解槽输入波动性电源时,电解槽电压和电流发生变化,电流变化幅度明显高于电压。本文综述了碱性电解槽和质子交换膜电解槽在波动性电源输入下的性能衰退机制和材料劣化机理。对于碱性电解槽,波动性电源变化在分钟级以下时,电解槽无法快速跟随响应,导致反应平衡和热平衡无法建立,可能产生电极催化剂溶解、聚集,隔膜机械损伤,电解液析出堵塞反应通道等现象,使得电解槽性能发生衰减。对于质子交换膜电解槽,电源波动性导致阳极催化剂溶解、迁移、沉积和聚集,隔膜由于局部热点和羟基自由基攻击发生降解,双极板发生溶解和氧化腐蚀,导致电解槽性能下降。基于波动性对电解槽的工况-材料-结构-性能影响规律,进行正向设计开发,研究缓解策略,提升电解槽抵抗电源波动性能力,从而增加可再生能源利用率,对于降低电解水制氢成本、推动规模化应用具有重要意义。     

EPC总承包管理模式下的成本管理研究

成本管理贯穿于项目的整个生命周期,但在EPC总承包管理模式下存在一些不合理的问题,容易给施工企业带来巨大的经济损失。基于此,论文阐述了EPC总承包管理模式,针对EPC总承包管理模式,分析其成本管理中存在的问题,从各个阶段出发,提出EPC总承包管理模式下成本管理控制策略。     

基于荧光生物传感技术检测牛奶中金黄色葡萄球菌肠毒素B

目的 利用纳米金粒子(gold nanoparticles,AuNPs)荧光猝灭性能和核酸适配体的高亲和力,构建一种简便、灵敏的纳米金“Turn-on”型荧光生物传感方法检测牛奶中金黄色葡萄球菌肠毒素B(staphylococcal enterotoxins B,SEB)的方法。方法 以AuNPs作为荧光体的能量受体(猝灭剂),荧光素-单链DNA(fluorescein-ssDNA,FAM-ssDNA)作为荧光能量供体,冷冻法制备AuNPs-SEB适配体复合物,基于AuNPsSEB适配体复合物/SEB/FAM-ssDNA的竞争性结合,构建纳米金“Turn-on”型荧光生物传感检测方法。对缓冲体系pH和反应时间等条件进行优化,以牛奶为代表对方法检测性能进行验证。结果 在优化好的实验条件(pH 7.5、反应时间15 min和反应温度25℃)下,在10-1～104 ng/mL范围内,荧光强度与SEB质量浓度之间呈现良好的线性关系,其相关系数为0.995,检出限为0.062 ng/mL。应用于牛奶样品中SEB的测定,方法回收率为91.2%～108.0%,相对标准偏差在2.6%～5.2%范围之间...     

基于源端维护的调控云模型运维研究

针对目前调控云模型维护存在重复维护、维护不及时等现象,提出了调控云模型源端维护方案.通过对调控云与智能电网调度控制系统模型参数同步感知,自动获取模型变更信息生成调控云模型,实现模型ID映射和量测自动对应,实现调控云模型源端维护.该系统已经在国网江西电力调度控制中心Ⅲ区部署应用,后期逐步在地调部署,提高了省、地调调控云模型维护效率.     

遗产税免征额和税率制度设计研究

遗产税免征额和税率是遗产税制度设计的核心内容,中国现阶段宜执行1500万元免征最低门槛值、构建遗产税年度弹性制度、推行阶段调整的遗产税免征额制度、暂缓执行遗产税免征额区域差别政策。该制度设计对第一继承顺序纳税人执行最低税率1%、最高税率70%、累进级次达到11级的超额累进税率制度;对第二继承顺序纳税人执行最低税率10%、最高税率80%、累进级次达到5级的超额累计税率制度;对第三继承顺序纳税人执行最低税率10%、最高税率80%、累进级次达到4级的超额累计税率制度。     

基于核函数的SOM网络流量分类方法

由于网络流量数据高度非线性,传统的自组织映射(self-organizing maps,SOM)网络对此分类的鲁棒性和可靠性较差,提出了一种基于核函数的SOM(kernel SOM,KSOM)网络流量分类方法。该方法用核函数代替原始数据在特征空间中映射值的内积,使输入空间中复杂的流量样本结构在特征空间中得到简化,实现对有多个统计特征属性的网络流量在应用层的分类。实验结果表明,KSOM能识别新应用类型的流量,较传统的SOM更适合对网络流量进行分类,其分类准确率高于NB方法。     

混合模式的网络流量分类方法

为了更好地满足用户对各类Internet业务服务质量越来越精细的要求,流量分类是网络管理的重要环节之一。通过分析、对比基于端口号匹配、特征字段分析和流统计特征的机器学习分类方法的应用现状及其优缺点,针对单一分类方法存在的分类准确度不高、分类时间长等问题,提出一种混合模式的网络流量分类方案。此方案结合端口号匹配和机器学习分类方法,采用输出结果可视化的自组织映射网络算法实现网络流量在应用层的分类。实验表明,该方案能有效地实现对网络流量应用类型的分类,分类结果可视化效果好。     

荸荠粉对鲫鱼鱼肉的脱腥条件优化

鲫鱼不仅美味,而且具有大量的人体必需氨基酸,但其鱼肉中存在不同于其他肉类的特有腥味,很大程度上影响了其鱼制品的研究开发。因此,利用荸荠粉对鲫鱼鱼肉进行脱腥处理,以三甲胺含量为脱腥效果评价指标,考察荸荠粉浓度、浸泡温度、浸泡时间和料液比4个单因素对脱腥效果的影响,并结合响应面法确定荸荠粉对鲫鱼鱼肉的最佳脱腥条件。结果表明,最佳脱腥条件为荸荠粉浓度0.3%、浸泡时间60 min、浸泡温度45℃、料液比1︰3(g/m L),在此条件下,三甲胺含量为32.63 mg/kg,腥味评分最高,鱼肉腥味明显减弱。     

基于混合深度学习的调度数据网流量预测技术研究

电力调度业务产生的数据波动性大且随机性强，在优先级、实时性和稳定性上的要求均高于其他业务，对其数据流量进行准确预测将有效保障电网的安全可靠运行。但是，因为传统运维手段应变力不足且依赖人工优化，所以在运维效率和预测准确性上均无法满足电力调度业务的发展需求。为解决上述问题，将信号分解技术与深度学习技术相结合，构建了一种能对电力调度数据网未来15天流量值与变化趋势进行预测的算法模型。该模型首先使用变分模态分解法自动分解复杂流量在不同时间维度下的特征，然后基于长短期记忆网络模型对所有分解后的子序列进行预测，最后基于各子序列预测值进行聚合叠加给出最终预测结果。使用某省级电力调度数据集对模型效果进行验证，该数据集包含骨干大区和信息大区中长达6个月的电力调度数据。结果表明该模型在调度数据网流量预测中的准确性优于其他时序预测方法，同时在实际场景下具有良好的可行性。