脑蛋白水解新工艺的研究

以鲜猪脑制备脑蛋白粉，并利用微波化学和磁化学的技术促进其水解反应，研究了催化剂、催化剂用量、磁场强度、微波辐射时间对水解反应的影响。结果表明：用硫酸做催化剂比用盐酸好；磁场强度越强，水解效果越好，微波低能量多次辐射效果较好，低档火微波间歇辐射时间36min为较好。     

基于改进的AHP-CRITIC组合赋权与可拓评估模型的配电网综合评价方法

针对配电网综合评价问题,提出了一种改进的基于最小二乘的AHP-CRITIC组合赋权与可拓评估模型。针对单一赋权法具有一定偏向性的问题,通过层次分析法和CRITIC法分别确定主观权重与客观权重,构建基于最小二乘的组合赋权模型并采用遗传算法求解,从而确定综合权重。针对传统可拓评估模型中经典域确定的主观性,引入三角模糊数对其进行构建。针对现有关联度与等级变量特征值计算的准确性问题,分别提出了关联度的修正方法与等级扩展方法。算例表明,所提方法能够对配电网进行科学合理的分类,评价结果可信度高。     

基于影子价格和空间误差面板数据模型的配电网投资优化方法

针对目前配电网的投资分配忽略地理邻接及电网互联影响的问题,提出了一种基于影子价格和空间误差面板数据模型的配电网投资优化方法.首先建立由底层指标和目标层指标构成的评价体系,利用最优化问题的求解方法求解各底层指标的影子价格和最优解.据此,结合各层指标权重得出配电网综合评分.引入空间误差面板数据模型,根据综合评分结果,构建投...     

基于改进人工蜂群算法的直流配电网典型应用场景拓扑结构研究

为了解决直流配电网规划中场景针对性不强的问题,给出了不同场景下直流配电网的网络拓扑结构规划方案。将直流配电网应用场景分为居民住宅区、工业园区和新能源集结区,考虑不同应用场景的特点,利用层次分析法提出一种新的可靠性指标计算方法。结合变权的思想,综合考虑电网的经济性和可靠性,给出了直流配电网的规划模型。利用由最大最小积改进的人工蜂群算法,以IEEE标准14节点电路为对象,对三种场景下的规划模型进行寻优,并利用griewank函数对比了改进前后算法的性能。仿真结果表明,所得线路规划方案满足各场景要求,改进后的蜂群算法收敛速度和精度均有提升。所提方法可为直流配电网规划提供参考。     

一种直流配电网中换流站的选址定容方法

为了更精确地确定换流站的站址和配置换流站的容量,对直流配电网换流站选址定容进行了研究。利用数理统计方法分析光伏电池与风力发电机的实测功率数据,得出光伏电池和风力发电机的四季出力时序曲线,以分布式电源接入造价和负荷距最小为目标函数确定规划区分布式电源的位置。对传统负荷距模型进行改进,计及规划区内负荷大小、负荷性质、负荷同时使用率、地理环境等影响因素。同时考虑分布式电源的季节波动性,提出了一种改进的负荷距模型。利用遗传算法对该模型进行寻优,进而确定换流站的站址与容量。该方法可供相关工程技术研究人员参考。     

炉峪口煤矿8号煤层长壁工作面矿压观测及顶板分类

根据采场薄板矿压理论计算预测的8号煤层长壁工作面顶板矿压观测,得出了8号煤层长壁工作面采场矿压规律,同时对8号煤层进行了直接顶分类和基本顶分级,为炉峪口煤矿8号长壁工作面顶板管理提供了科学依据。     

基于风险理论的配电网储能优化配置方法

合理的配电网储能容量规划对消纳分布式光伏及电网的稳定运行至关重要。提出了一种基于风险理论的配电网储能优化配置方法。首先,从系统灵活性角度给出了面向分布式光伏消纳的条件风险价值计算方法,再给出了储能成本计算方法,并以风险价值和总规划成本最低为目标,在考虑传统火电机组、分布式光伏、储能与负荷之间的协调优化基础上,构建储能的优化配置模型,利用混合粒子群算法进行求解。经对江西省会昌县某配网线路进行分析表明,所提出的规划方法合理有效。     

基于Bayes-LSTM网络的风电出力预测方法

为提高风电出力的预测精度,提出一种基于Bayes优化的长短期记忆人工神经网络(long-short term memory, LSTM)的预测模型。首先,利用经验模态分解对风电历史出力序列进行分解,并对各分量及原始数据分别提取8个统计特征量,与预测前6个时刻出力值共同组成预测特征集。然后,采用绳索算法(least absolute shrinkage and selection operator, LASSO)从预测特征集中提取具有统计意义的特征子集,作为预测模型的输入。最后,提出基于Bayes超参数寻优的LSTM网络优化方法,以提高预测精度。选取湖北某市风电出力历史数据进行预测实验,结果表明：相较于BP神经网络、SVM、RBF网络、GRNN网络等预测模型,所提模型预测精度较高,特征提取方法较为合理。     

基于CNN-SVM的高压输电线路故障识别方法

高压输电线路故障识别对保证电网安全稳定运行具有重要意义。提出了一种基于CNN-SVM的高压输电线路故障分段识别方法。针对传统故障识别方法数据特征提取过程复杂的问题,通过深度学习的CNN模型,将故障特征以时序矩阵形式输入其卷积层与池化层,从而简化特征提取与计算过程。此外,针对高压输电线路故障特征不明显导致相间故障识别率较低的问题,提出将故障相间电流差及非故障相负序与零序分量作为特征,输入到SVM模型,进而判断相间故障接地类型。仿真结果表明,所提方法准确率高,与其他深度学习方法相比,在相间故障识别的准确率上提升尤为显著。     

电动自行车用阀控铅酸蓄电池的研究开发

对电动自行车用密封铅酸蓄电池的结构、材料和性能以及电池的比能量与循环寿命的分析,提出了改进电动自行车用密封铅酸蓄电池性能的可能性。