桌面办公 精明之选——富士施乐推出入门级黑白激光打印机

2010年8月16日,全球领先的文件管理专家——富士施乐推出了两款入门级黑白激光打印机——Phaser3155／3160N。两款新品的高输出速度、高月打印负荷．高经济特性．为入门级个人／网络黑白激光打印机树立了新基准。     

短期负荷预测Volterra滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．     

模糊自整定PID的船舶蒸汽动力负荷控制

船舶蒸汽动力装置自动控制的首要任务是机组的负荷控制。传统的PID控制算法由于具有结构简单、易于实现、可消除静差等优点得到了广泛的应用,但它受控制对象的影响较大,只有在各参数整定良好的前提下才能得到满意的控制效果。根据上述情况,结合船舶蒸汽动力单元工况变化频繁的特点,提出一种基于输出响应的自适应PID算法,以提高控制系统适应负荷变化的能力。方法在保留传统定值PID控制算法优点的同时,引入模糊控制在线整定PID控制参数,改善了机组的负荷控制特性,具有一定的工程应用价值.     

HP桌面激打喜迎25华诞 惠晋重磅打造2系列黑白激打

自从1984年推出全球第一台桌面激光打印机HP LaserJetClassic以来,惠普一直以创新科技引领全球打印浪潮。作为中美在高技术领域的第一家合资公司,惠普不仅在第一时间将全球领先的技术和产品带入中国,还为中国用户量身定制了HPLaserJet 6L等多款开创市场百万销售传奇的经典产品。在桌面激光打印机迎来25年华诞之际,惠普重磅出击,在中国市场推出了针对商业用户的主流黑白激光打印机HP LaserJet 2035/d和2055d/dn,以超高性价比和超强兼容性,成为延续经典、再创传奇的新拳头产品。     

轻松应对“错峰用电” APC Smart-ups 1000使用体验

作为一家小型B2C企业的网络管理人员,一年当中,我最怕度过的就是夏天了,这倒不是因为夏天的暑热难耐,而是近年闹电荒,我们所在的这个城市的工业区被迫采用错峰用电以减少用电负荷,这给IT部门维护网络的正常运行带来了很大的压力,这不仅仅是因换电的瞬间电流冲击给我们的硬件设备造成的损害,更为严重的是对我们公司业务的影响。     

MIC94040／1／2／3系列高端负苛开关

高端负荷开关MIC94040/1／2／3系列采用突破性包装技术,可广泛用于各种便携式电池驱动型消费设备,包括智能／功能手机、个人多媒体和导航系统以及超便携移动个人电脑（UMPC）。     

智能电表负荷曲线存取方法分析

针对智能电表负荷曲线存取方法多样化情况,分析了2种负荷曲线存取方法,一种是FIFO(First in First out)读取方法,一种是扇区读取方法,并讨论了2种方法的优缺点。     

计及用电行为模式的区域商业建筑负荷预测方法

为充分利用智能电表采集的细粒负荷数据并提高区域商业建筑负荷预测的精确度,提出一种基于用电行为模式的区域商业建筑负荷预测方法。首先,基于均值方差归一化方法对采集到的负荷数据进行标准化处理,通过肘方法确定聚类数目后进行k-Shape聚类,实现区域商业建筑负荷不同用电行为模式的提取;其次,针对大规模商业建筑负荷预测问题,考虑区域内大量商业建筑负荷预测时耗费大量内存资源却难以实现较准确预测问题,提出一种改进的Informer模型,该模型通过聚类算法识别具有相似用电行为模式的商业建筑,并充分考虑智能电表采集的异常负荷数据对模型训练结果的影响,能够良好的解决大规模商业建筑负荷预测精度不高问题;最后,采用加利福尼亚州商业建筑负荷进行实验,实验结果表明所提方法能够有效提高区域商业建筑负荷预测精度。     

高压涡轮非对称叶冠表面热负荷特性研究

高压涡轮带冠叶片工作于高温、高压和高转速的恶劣环境中,导致叶冠容易发生掉块现象,这严重威胁到燃气涡轮发动机的安全运行。因此,有必要研究不同参数对涡轮叶冠表面热负荷变化的影响以及作用机制,该文着重分析不同叶冠结构、宽变工况对叶冠表面热负荷变化的影响,同时,根据叶冠表面壁面热流密度的分布和变化规律,对叶冠结构形状进行改进,最终达到降低叶冠表面热负荷的目的。研究结果表明：由于篦齿的密封作用,叶冠后缘容腔内的泄漏流流动比叶冠前缘稳定,导致叶冠后缘的壁面热流密度分布比前缘更加规律。宽变工况条件下,主要通过影响叶冠前缘的壁面热流密度分布进而改变叶冠表面的热负荷。最后发现对叶冠后缘切削10%的面积,可以降低叶冠表面热负荷高达19.2%,这为今后新型涡轮带冠叶片设计提供参考。     

基于改进GA-BP和CNN的园区不可调控负荷预测研究*

在智能园区的虚拟电厂建设中,常规不可调控负荷的预测准确度直接影响虚拟电厂对园区内可调设备的调度。针对园区负荷中常规不可调控负荷的预测,通过改进遗传算法GA的编码方式和交叉、变异概率,提高了BP网络的全局搜索能力。使用改进的GA-BP与CNN、BP对同一历史负荷数据进行预测对比,以均方根误差、平均绝对误差作为预测精度评判指标。实验结果表明了改进GA-BP在负荷预测中相较于CNN与传统BP具有更高的预测准确度,同时验证了改进的GA-BP在常规不可调负荷预测中引入环境因素对预测准确度具有负面扰动作用。