基于深度强化学习的自适应不确定性经济调度

当风电、光伏等间歇性电源大规模接入电力系统时,为应对其出力的不确定性,电力系统经济调度模型需建立在对不确定性建模的基础上,建模精确度将直接影响调度结果的精确度。但当系统同时包含风电、光伏和负荷复杂的不确定性时,对系统整体不确定性进行精确建模显得尤为困难。针对这一问题,引入深度强化学习中深度确定性策略梯度算法,避免对复杂的不确定性进行建模,利用其与环境交互、根据反馈学习改进策略的机制,自适应不确定性的变化。为确保算法适用性,进行了模型泛化方法的设计,针对算法稳定性问题进行了感知-学习比例调整和改进经验回放的机制设计。算例结果表明,所提方法能在自适应系统不确定性的基础上,实现任意场景下的电力系统动态经济调度。     

响应面法和遗传算法-神经网络模型优化微波萃取蓝莓中花青素工艺

采用单因素和Box-Behnken试验,考察微波强度、萃取时间、乙醇体积分数和料液比对蓝莓中花青素萃取率的影响,并分析花青素萃取特性。采用响应面法和遗传算法-神经网络模型2?种方式对微波辅助萃取蓝莓中花青素的工艺条件进行优化。结果表明：各因素对花青素萃取率影响均呈现先增加后降低的趋势。响应面法和遗传算法-神经网络模型法相对误差、决定系数R2值分别为2.71%、0.877?3和1.43%、0.904?4,说明遗传算法-神经网络模型比响应面法具有更强的预测和优化能力。最终采用遗传算法-神经网络优化获得微波萃取蓝莓中花青素最佳工艺条件：微波强度155?W/g、萃取时间53?s、乙醇体积分数56%、料液比1∶30（g/mL）。在此条件下,花青素萃取率为85.12%,并且高于响应面优化值83.32%。本研究结果可为食品加工过程中工艺参数优化提供一种有效方法。     

黑曲霉产赭曲霉毒素A合成培养基的设计及产毒优化

针对目前没有适合黑曲霉产赭曲霉毒素A（OTA）全合成培养基的现状,进行黑曲霉产OTA合成培养基的设计,并优化高产OTA培养条件,以期为黑曲霉产OTA代谢和产毒机制的研究提供基础。通过碳源、氮源的筛选确定黑曲霉产OTA合成培养基的成分,利用高效液相色谱-荧光检测法检测此培养基在不同时间、pH、温度条件下OTA的产量,确定产OTA最佳培养条件。结果表明,培养基成分为FeSO4·7H2O 0.01 g/L,MgSO4·7H2O 0.5 g/L,Na2HPO4·2H2O 0.5 g/L,KCl 1.0 g/L,葡萄糖100 g/L,苯丙氨酸0.3 g/L。培养条件为初始pH 值为7,培养温度25 ℃,培养时间8 d。在此条件下黑曲霉产OTA产量最高,为4.19 μg/g,菌体生物量为3.4 g。     

小尺度缝洞型碳酸盐岩储集体地震预测技术——以四川盆地台内GS18井区灯影组四段储层为例

四川盆地灯影组为一套岩溶缝洞型碳酸盐岩储层.由于储层埋藏深度大、风化岩溶时间短,使得储层非均质性强、缝洞尺度小,常规地震技术预测储层困难.文中以GS18井区灯影组四段台内气藏为例,采用双高处理思路,进行低频保幅噪声压制、沿层速度分析及一体化速度优化、OVT域各向异性叠前时间偏移,获得高分辨率高保真地震资料.在高品质地震...     

基于遗传算法的水源热泵系统抽灌量优化配置

抽灌井设计是水源热泵系统设计中的关键环节之一,但目前对抽水量和回灌量的配置仍依据经验而行,导致运行成本较高。针对该问题,本文利用抽水和回灌现场试验资料,根据抽水井和回灌井的实际布局情况,建立了不同抽灌模式下水源热泵系统运行能耗最小的数学模型,利用遗传算法求解数学模型以实现抽灌量的优化配置。研究表明:水源热泵系统抽灌井施工完毕后,可根据水文地质条件及管道布局情况来优化配置其抽灌量,以实现低能耗运行;遗传算法具有适应性强、全局优化能力高和参数拾取方便的优点,可用于水源热泵系统抽灌量的合理调配;优化确定的以井5为抽水井、井1和井2及井4为日常回灌井、井3为备用回灌井,井5抽水量为90 m~3/h,井1、井2、井4回灌量分别为42.5 m~3/h、33.4 m~3/h、14.1 m~3/h,为生产中科学快速调度抽灌模式提供了依据。     

基于工作流的自来水公司OA系统的设计实现

本文介绍工作流的概念和体系结构,分析了自来水公司的业务流程,探讨了基于工作流的自来水公司办公自动化系统的设计和实现方法,该系统对类似应用有较好的参考价值。     

High-Precision Power Load Forecasting Using Real-time Temperature Information and Deep Learning Method

Abstract

Load forecasting is an important part of power system planning, which directly affects the safety and reliability of power grid operation. Real-time and high-precision load forecasting results are the key to improve the efficiency of the entire power grid. In order to solve the problem of low prediction accuracy of existing algorithms, based on the deep analysis of the strong correlation between temperature and electricity consumption, Long Short Memory Network (LSTM) is constructed, which implements the deep mining of the characteristics of historical electricity consumption data and the deep self-learning of the correlation between electricity consumption and temperature, and realizes the power load forecasting. Compared with traditional load forecasting techniques, the prediction results were significantly improved. In addition, the experiments utilizing the Google Tensor-flow platform were carried out to further study the impact of the combination of different activation functions on the prediction performance of the LSTM algorithm. The verification results shown that the prediction accuracy was significantly improved by using the ELU activation function than other activation functions. The developed algorithm could more effectively solve the low precision problem that is common in current prediction algorithms.     

基于MIMU的输电塔损伤检测研究

为了进行输电塔结构损伤程度及损伤轴向检测,从而缩小检测范围并实现高效低成本的精准损伤定位,提出了一种基于MIMU的输电塔结构损伤检测方法。基于输电塔结构角度出发,利用MIMU微惯性测量系统监测输电塔结构变化,结合结构熵构建平动、转动熵矩阵,然后基于熵距及变异熵的损伤指标检测输电塔结构的损伤程度及损伤轴向,最后设计多种工况下的模拟输电塔和在役输电塔实验验证该算法的合理性。结果表明,衡量损伤程度的熵距指标的计算值与理论值误差低于3%,可有效检测结构的损伤程度;衡量损伤轴向的变异熵指标较未损伤轴向高出20%～53.9%,可有效检测结构的损伤轴向。该方法可为桁架结构损伤检测提供现实依据。     

原油注空气氧化反应及其动力学研究进展

注空气采油技术作为一种经济有效的提高原油采收率的方法,受到国内外的广泛关注。原油注空气氧化反应及其动力学研究,一方面可作为该技术在油田应用上的可行性评价,另一方面也是加快耗氧速率和保证生产全过程安全性的关键。本文综述了国内外原油注空气氧化反应模型和动力学的研究进展,指出了各类氧化反应模型的优缺点,认为等转化率法今后将成为原油氧化动力学研究的得力工具,提出了今后应该重点研究建立适合具体油藏的氧化反应模型,以及总压力或者氧分压对原油氧化反应速率的影响,以确定氧气的反应级数。