基于互信息变量选择与LSTM的电站锅炉NOx排放动态预测

电站锅炉NO_x排放是大气污染物的重要来源,建立有效的预测模型是降低NO_x排放的基础。NO_x的排放特性受多个热工变量的影响,针对变量间的相关性和强耦合性,提出一种基于互信息变量选择和长短期记忆神经网络的预测模型,实现对NO_x排放的动态预测。以互信息"最小冗余最大相关"为准则对特征变量进行重要性排序和变量选择。在变量筛选过程中采用序列前向选择方法,以模型预测精度为目标确定最优输入特征集和最佳模型参数。将筛选出来的特征变量集作为LSTM预测模型的输入,并采用多层网格搜索算法优化网络超参数,建立了NO_x排放动态预测模型。基于某660 MW超超临界燃煤机组的运行数据对模型进行验证,实验结果表明该方法能够有效地减少模型输入变量的数目,降低变量间的信息冗余,同时提高了预测模型的精度和鲁棒性。     

基于粒子群优化的双向门控循环神经网络燃煤电厂NOx排放预测

针对燃煤电厂NOx排放的预测问题,提出了基于粒子群优化算法和双向门控循环（PSO-Bi- GRU）神经网络的NOx排放预测模型。通过主成分分析对影响NOx排放的运行参数进行降维,消除变量间的耦合;基于双向门控循环神经网络学习NOx排放的非线性特性和前后时序信息,提高特征提取能力;采用粒子群算法对Bi-GRU神经网络模型进行超参数寻优,使网络结构最大程度匹配影响NOx排放的变量特征,克服依靠经验选取或手动调节参数而导致预测精度低的问题。最后基于某电厂660 MW机组燃煤锅炉运行参数,建立NOx排放预测模型,并与单向门控循环神经网络、传统Bi-GRU神经网络预测模型进行对比。仿真结果表明,PSO-Bi-GRU神经网络模型预测效果最好,其平均绝对误差、平均绝对百分误差、均方根误差均最小,验证了本文所提PSO-Bi-GRU神经网络NOx排放预测模型的有效性。     

基于Copula联合AT-GRU网络的火电机组实发功率辨识

辨识火电机组的实发功率与机组参数的动态非线性关系便于机组的深度调峰分析以及先进控制算法应用。针对辨识参数相关性重要程度考虑不足和辨识方法泛化能力差的问题,提出了一种基于Copula函数联合含注意力机制的门控循环神经网络的辨识算法。该算法采用Copula函数对影响机组实发功率的参数进行相关性分析,通过注意力机制赋予相关参数注意力系数,提高辨识精度;采用门控循环神经网络进行辨识,克服梯度爆炸与泛化能力差的问题。基于某320 MW亚临界机组的历史数据进行辨识,并对比多种神经网络模型,验证了考虑参数重要程度的优越性。离线实验结果表明所提算法具有良好的泛化能力,对现场机组状态分析与在线应用具有一定的参考价值。     

乳酸及其低碳醇酯脱水合成丙烯酸（酯）的催化剂研究进展

丙烯酸及其酯应用广泛,全球需求量日益增加。目前,丙烯酸的制备主要靠丙烯部分氧化法,对不可再生资源石油高度依赖,而石油资源日渐短缺与丙烯酸需求快速增长产生矛盾不可避免。寻求一条可持续的绿色发展路线合成丙烯酸及其酯迫在眉睫,乳酸及其低碳醇脱水法就是丙烯酸及其酯制备的理想方法。文章对乳酸及其低碳醇酯脱水制备丙烯酸及其酯的催化剂及工艺条件进行了较为系统的总结,特别是对近十年的研究进展的总结。以二氧化硅负载的磷酸盐、硫酸盐催化剂研究较多,活性较高;以改性后的分子筛譬如Y型分子筛具有非常高的反应活性和丙烯酸及其酯的选择性。另外,锂皂石、膨润土的良好催化性能也值得关注。     

中小企业在INTERNET上的国际贸易初探

随着国际互联网(Internet)的不断发展,使国际贸易出现网络化趋势.国内中小企业要在激烈的国际市场竞争环境下生存并发展,必须发展电子商务,信息化建设为中小企业扩大出口搭建起电子商务快车,为中小企业实施"走出去"战略提供了一条新的渠道.     

基于多种群遗传算法的含分布式电源的配电网 故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。     

DZ20—W系列无飞弧塑料外壳式断路器

断路器分断的四个过程和游离气体通过灭弧室喷出壳外而形成飞弧，通过对飞弧形成的研究，提出了对原ＤＺ２０系列断路器的改进，成为无飞弧断器器的措施及其主要技术参数。     

基于互信息–图卷积神经网络的燃煤电站NOx排放预测

燃煤电站NO_x排放预测模型可提高脱硝经济性。NO_x排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NO_x排放预测精度。提出了一种基于互信息-图卷积神经网络的NO_x排放预测模型。基于某660MW燃煤电站的运行参数,计算影响NO_x排放的特征变量之间的互信息,设计特征变量间的邻接关系,获取特征邻接矩阵,构建了基于图卷积神经网络的NO_x排放预测模型。将所提出的NO_x预测模型与基于LSTM、BPNN和LS-SVM的典型NO_x预测模型进行对比,实验结果表明,MI-GCN预测模型具有较好的泛化能力和较高的预测精度。     

硅烷馈入方式对微晶硅薄膜光发射谱和结构的影响

采用SR500光谱光度计对甚高频等离子体增强化学气相沉积本征微晶硅薄膜过程进行了在线监测,分析了硅烷不同注入方式对等离子体光发射谱和薄膜结构的影响。结果表明,采用硅烷梯度注入时,等离子体中的Hα*、Hβ*和Si H*峰强度逐步升高,且高的Hα*/Si H*比值有利于高晶化率界面层的沉积;这与采用XRD分析薄膜的结构得到的结果一致。选择硅烷梯度注入方式沉积微晶硅薄膜电池本征层,在沉积速率为1 nm/s本征层厚度为2400 nm时,最终获得了光电转换效率为7.81%的单结微晶硅薄膜太阳能电池。     

TM30系列塑料外壳式断路器

天津市低压电器公司(以下简称天低TIANDI)是以生产塑壳式断路器为主导产品的企业,在国内历次塑壳断路器的联合设计中都是主要设计、试制单位.从DZ10到DZ20等系列不但在设计、工艺制造水平上有了显著进步,而且在产品的分断能力、体积、结构等方面都有了很大提高.天低TIANDI为适应低压配电系统的需求,率先开发生产了具有:体积小、无飞弧、分断能力高、智能脱扣器、接线方式多、安装方式灵活等特点的TM30系列塑壳断路器,