二次分解组合CNN-LSTM的短期负荷预测

短期电力负荷随机性强、波动性大。为提高负荷预测精度,文章提出一种基于二次分解的卷积神经网络（CNN）与长短期记忆（LSTM）神经网络组合的预测模型。其首先采用自适应噪声完备集合经验模态分解（CEEMDAN）方法将原始负荷序列分解为若干固有模态分量和残差;然后,引入样本熵与K均值（SEK-means, SK）,将分解得到的子序列重构为3个序列,并运用变分模态分解方法将重构分量中的强非平稳序列进行二次分解,建立CNN-LSTM模型,对分解得到的各个子序列分别进行预测;最后,将预测的结果叠加,以实现对负荷的有效预测。运用实际负荷数据从确定系数、平均绝对误差、均方根误差和平均绝对百分比误差这4种评价指标角度进行验证,结果表明,该模型与XGBoost、LSTM、CEEMDAN-LSTM和CEEMDANCNN-LSTM模型相比较,具有更高的拟合度和预测精度。     

硫脲型螯合纤维素对铜吸附性能的研究

将自制合成的三种新型硫脲型螫合纤维素——硫晚棉纤维（CC－TU），氨基硫脲棉纤维（CC－TSC）和二苯硫脲棉纤维（CC－DPTU）应用于钢的吸附性能的研究，采用火焰原子吸收法测定选择了吸附和解吸的最佳条件。在所选择条件下，这些螫合纤维素对钢具有吸附速度快、吸附完全，吸附能力强，解吸容易和洗脱体积小等特点。     

关于煤矿井下水仓清理方式的商榷

煤矿井下水仓清理一般有四种方式:用中央水泵自动清理;用喷射泵与泥浆泵配合清理;用清泥机清理;用压气排泥罐清理。这些先进经验,在许多条件不同的矿井,经过实践取得了较显著的成效。但是,上述四种清理方式对中、小型矿井来说很难实现。为此,我们对水仓清理工作采取了新的措施。 井下水仓清理工作,对安全生产、预防水患尤其重要。但是从五十年代到七十年代,井下水泵房、水仓及沉     

含时滞的不确定性交直流微电网直流母线电压H∞控制

针对含通信网络延时的不确定性交直流微电网的直流母线电压稳定问题,提出了一种将状态空间法和阻抗分析法相融合的方法,构建具有时滞的范数有界不确定交直流微电网模型。基于系统鲁棒二次稳定的求解,获得了满足H∞控制性能的时滞无关型状态反馈控制器的条件。然后应用S-procedure定理,提出一种降低时滞依赖型Lyapunov方法的泛函构造难度且无须再次求导的方法,引用Wirtinger积分不等式和自由矩阵的积分不等式,得到时滞依赖型的H∞控制器。仿真分析验证了所提控制方法能在一定的通信延时约束下抑制不确定参数对直流母线电压的影响。