数据分布多样性对锂电池SOC预测的泛化影响

数据驱动模型预测荷电状态(SOC)依赖高质量的实验数据,在应用于实际使用场景下的分布多样的锂电池组数据时会出现预测的准确性不稳定即泛化能力差的情况,限制了模型的实际应用。研究实际场景下的大规模数据的分布多样性对SOC预测模型的泛化性影响具有重要意义。因此,对32个锂电池组的实际运行数据集进行研究,采用经典算法与多输入多输出(MIMO)策略结合来预测多步SOC,对每份数据分别建立模型进行SOC预测,研究了不同算法的应用效果并分析了数据分布多样性对模型的泛化能力的影响规律。结果表明:对大规模的锂电池组数据,LR-MIMO模型训练精度普遍优于RF-MIMO、KNN-MIMO、LSTM-MIMO模型,其预测未来0.5 h的SOC的R^(2)一般在0.98及以上,MAPE基本低于0.05。与其他模型相比,LR-MIMO模型有优秀的预测性能,预测其他数据集的R^(2)基本在0.95以上。而KNN-MIMO模型的预测精度与RF-MIMO模型相当,R^(2)大致在0.7以上,LSTM-MIMO模型的预测性能因数据集不同存在较明显的差异;当数据满足SOC与电压的相关系数≥0.9、SOC和电压分布范围广、核密度曲线呈左偏趋势、分布较均匀时,可使模型训练精度提高。

蒸气压缩式制冷循环热力计算的虚拟仿真实验设计

蒸气压缩式制冷循环是制冷与低温技术原理课程中的重点内容,其热力计算结果为制冷系统各部件的设计或选型提供基础数据,但传统的教学方法难以直观解释其热力学本质、清晰显示变化规律。课程组基于培养制冷专业“绿色低碳人才”的需求,采用Matlab编程语言开发了单级蒸气压缩式制冷循环热力计算虚拟仿真实验平台,并结合课程知识点进行了相应的实践训练设计,实现了与教学内容紧密结合的效果,为学生提供了直观的循环工作过程展示并定量描述了因素影响制冷机性能的变化规律,有利于提升学生的工程设计能力与实际问题分析和解决能力。

基于虚拟仿真的“制冷压缩机”课程教学与实践训练改革——以“滚动转子式压缩机”教学为例

基于“卓越工程师培养计划”的课堂教学要求,结合“制冷压缩机”课程大纲及教学内容,提出了基于虚拟仿真平台的“制冷压缩机”课程教学与实践训练改革。在教学内容方面,通过归纳教学内容,加强学生对于知识内容的掌握,并使教学内容与前沿技术和工程应用紧密联系,拓宽学生的眼界;在教学方法方面,通过引入模拟软件和虚拟实验,丰富授课方法,激发学生的学习兴趣;在实践训练方面,着重强调理论知识的应用,开发多层次、多模块的实验实践训练体系,培养学生的理论知识应用能力、动手能力、解决实际工程问题的能力、创新思维、团队协作能力等综合素质。

硫代硫酸钠治疗尿毒症瘙痒症的临床疗效和安全性的meta分析

目的系统硫代硫酸钠在治疗尿毒症皮肤瘙痒症的临床疗效和安全性。方法计算机检索Pub Med、EMbase、the Cochrane Library、CNKI、CBMdisc、VIP和Wang Fang数据库,搜集公开发表的有关硫代硫酸钠(STS)治疗尿毒症瘙痒(UP)的随机对照试验(RCT),检索时限均从建库至2022年9月30日。由2名研究员独立筛选文献、提取资料并评价纳入研究的偏倚风险后,使用Rev Man 5.3软件对临床有效率、不良反应、匹兹堡睡眠质量指数(PSQI)、实验室化验甲状旁腺激素、钙、磷进行Meta分析。结果共纳入6个RCT,包括358例患者。与对照组相比,硫代硫酸钠组瘙痒评分显著降低(标准化平均差值=-3.20,95%可信区间=-4.65~-1.76,p=0.0001),不良反应无明显增加(风险比=1.30,95%可信区间=0.32~5.26,p=0.71)。结论硫代硫酸钠是改善慢性肾脏疾病患者尿毒症性瘙痒的一种安全有效的补充疗法。

马克思主义中国化的内在逻辑:逻辑起点、逻辑进程和逻辑旨归

马克思主义中国化贯穿中国共产党理论探索与实践探索全过程,是中国共产党自成立起领导团结中国人民完成两大历史任务,实现中华民族伟大复兴的中心课题,决定党和国家事业的前途命运和兴衰成败。理论与实践、目标与价值、一般与特殊、继承与发展的辩证统一,贯穿马克思主义中国化的全过程和全方位,构成马克思主义中国化的内在逻辑,突出表现为马克思主义中国化逻辑起点、逻辑进程、逻辑旨归的辩证统一。

大数据在空调领域的应用

本文阐述了传统空调数据的主要来源,从空调研发等几个方面分析了传统空调数据的用途;围绕空调产品和空调企业,梳理了空调领域大数据的产生原因及来源;空调大数据的多度量性、多维度性、地域性等特点对数据挖掘提出了挑战;探讨了大数据在空调领域的应用,重点分析了大数据在空调系统优化、故障诊断、建筑能耗与维护预测、企业人力资源和资金分配、企业提供个性化定制服务等方面的用途;通过挖掘海量空调数据可以预测用户行为,表明空调领域大数据安全防护应当得到重视。

数据挖掘技术在制冷空调行业的应用

基于制冷空调行业大数据介绍了数据挖掘的基本过程,重点阐述了制冷空调行业中常用的决策树、支持向量机等有监督学习算法和聚类分析、关联规则分析等无监督学习算法的原理与应用;简要介绍了数据挖掘工具R及数据挖掘技术在制冷空调行业的研究现状。认为大数据可推动制冷空调行业转型发展,利用大数据可最终实现空调产品高度智能化、企业运营数字化、用户体验极致化等。

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测,难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度,利用实际锂电池数据研究了不同多步预测策略的效果。结果表明,实际锂电池荷电状态预测在充电过程中具有显著线性特性,放电过程表现出非线性特性。预测步长为15个时,LR模型、KNN模型、RF模型的MAPE均低于6%,R^(2)均大于0.90。线性回归结合MIMO策略具有最大的实际应用潜力。

基于CART算法的多联机压缩机回液故障检测

近年来,多联机在各类建筑上得到广泛应用。一旦压缩机发生回液故障,将会导致多联机偏离正常工况,能效降低,同时无法保障室内环境的舒适性。长久的回液故障还会导致压缩机部件的机械故障,造成高额的维修费用。因此,本文提出决策树模型检测多联机压缩机回液故障。首先,通过数据集成和剔除缺失值得到齐整数据;其次,通过专家知识和线性相关分析分别选取变量和剔除冗余变量;最后,建立决策树模型检测回液故障。结果表明,决策树模型能够有效地检测出回液故障,而且与专业知识吻合得较好。

浅谈如何做好中职学校班级管理工作

班级管理是学校教育教学管理的重要组成部分,其成功与否直接影响着学生的品行、学业,关系到学生能否健康和全面地发展,更决定了学校办学水平的高低。因此,班主任一定要做好班级管理工作。该文对如何做好中职学校的班级管理工作进行了具体分析,希望对班主任的工作能有所帮助。

多视角的宗教阐释及其方法论意义——再读佩顿《阐释神圣——多视角的宗教研究》

威廉·佩顿提出了多视角阐释宗教的研究路径和方法,指出阐释架构在研究宗教中对于取景和构建的关键作用。在关注"宗教"阐释的语境性基础之上既导入宗教外部的批判性眼光,又重视宗教内部的自我阐释;既注重对宗教的社会阐释,又不放弃对宗教的心理阐释;既要关注宗教比较研究,又要注意宗教及宗教研究的多样性问题。多视角的阐释路径和研究方法,对于认识人与人性、神与神性,对于文化和宗教阐释与研究,都有非常重要的方法论上的指导意义,值得借鉴。

哈尼族传统宗教文化的社会机制与结构

任何一种文化都是历史和社会的产物,没有脱离历史背景和社会结构与机制的纯精神现象和文化现象。哈尼族的传统宗教文化,就是与其特殊的民族迁徙史、"父子连名"的血亲机制、"师徒连名"的技术和文化传承机制、"地名连名"的民族区域结合机制相联系的。从宗教文化传承的社会结构上看,它是通过原生的"血亲力量集团"、"宗教文化贵族集团"和封建化时代的"村社议事会"所构成的特殊社会结构及其机制实现的。充分认识民族传统宗教文化存续的社会结构和机制,既是民族传统文化传承的关键,也是实现民族文化创新的重要课题。

基于PCA-Clustering的压缩机回液故障诊断

在多联机(VRF)空调系统中,压缩机回液将导致能量损失。本文结合大数据提出了一种基于PCA-Clustering的压缩机回液故障诊断的方法。首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签。结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29%。

哈尼族传统宗教文化的社会机制与结构

任何一种文化都是历史和社会的产物,没有脱离历史背景和社会结构与机制的纯精神现象和文化现象。哈尼族的传统宗教文化,就是与其特殊的民族迁徙史、"父子连名"的血亲机制、"师徒连名"的文化传承机制、"地名连名"的民族区域结合机制相联系的。从宗教文化传承的社会结构上看,它是通过原生的"血亲力量集团"、"宗教文化贵族集团"和封建化时代的"村社议事会"所构成的特殊社会结构及其机制实现的。充分认识民族传统宗教文化存续的社会结构和机制,既是民族传统文化传承的关键,也是实现民族文化创新的重要课题。

基于ARMA模型的地铁站环控系统能耗预测

本文通过对时间序列的研究分析,提出一种基于自回归移动平均(ARMA)模型来预测地铁站环控系统能耗的方法。对采集的地铁站环控系统能耗数据进行平稳性检验和白噪声检验;依据数据样本的自相关系数、偏自相关系数及AIC准则确定模型最优参数,建立可有效预测地铁站环控系统能耗的ARMA模型;采用4种方法对拟合模型的有效性进行检验;利用平均绝对误差(MAE)和均方根误差(RMSE)对模型拟合效果进行分析。结果表明,该方法能够有效提取能耗数据中有用的信息,MAE和RMSE分别可达0.101和0.470,对于地铁站环控系统能耗预测具有较高的拟合精度。

基于决策树算法的多联机气液分离器插反故障诊断

本文将决策树算法应用于多联机气分插反故障诊断中,搭建了多联机实验平台采集数据,根据专家知识及数据变化模型验证选取了建模的特征变量,采用决策树C5.0算法构建气分插反故障诊断模型,进一步对由模型分类规则生成的最优变量即过冷器的EEV(电子膨胀阀)进行深入分析和验证。结果表明:将决策树算法应用于多联机气分插反故障诊断的方法,准确率为96%,此诊断方法能满足多联机故障诊断实际运用的需要,并可及时处理多联机发生气分插反故障时,系统过热度降低,从而保证多联机系统的制冷效果和能效比,可通过增大过冷器EEV开度调节。

基于支持向量机的多联机系统制冷剂充注量故障检测与诊断

利用支持向量机算法,建立了制冷剂充注量故障检测与诊断模型。采用网格搜索和十折交叉验证方法优化模型,通过测试数据验证模型性能。结果表明,制冷剂充注不足时的故障检测与诊断准确率较高,但制冷剂充注过量时准确率明显偏低。经过优化后,制冷剂充注量故障检测与诊断的总准确率由82.2%提高到94.6%。

基于全年负荷的复合能源系统双层协同整体优化方法

将可再生能源技术、储能技术与天然气冷热电联产技术相融合的复合能源系统是构筑未来清洁低碳、安全高效能源体系的重要方式。然而,这种复合能源系统结构复杂、变量众多、各种形式的能量输出相互耦合,难以优化;同时,由于气象参数及用户侧需求的强烈波动,对能源系统的设计优化通常需要详细的模拟和大量的输入数据,而现有方法在长时间尺度的优化上无法兼顾计算速度及其准确性。为此,基于全年逐时负荷,设计一个结合遗传算法和优劣解距离法的双层协同多目标整体优化框架。内层以运行成本、余热利用率、电网交互为目标优化余热分配比及发电单元功率;外层则以年成本、一次能源消耗、二氧化碳排放为目标优化设备容量,通过内外层间的迭代确定设备最优容量及运行规划。此外,通过与基于典型日负荷的典型日优化方案对比发现,基于全年负荷的全年优化方案下的年成本、二氧化碳排放、一次能源消耗、电网依赖程度分别减少3.64%、3.04%、17.56%及40.27%,整体表现优异,表明该方法可为研究类似能源系统的设计和运行优化提供有效借鉴和解决方案。

基于PSO的SVR模型在多联机功耗预测上的应用

支持向量回归(SVR)模型在多联机系统功耗预测稳定性和精度上存在不足,本文引入粒子群优化(PSO)算法,对SVR预测模型的惩罚系数C和核参数γ进行最优求解,来改善模型预测性能。在制冷剂充注量为95. 75%工况下,对多联机组进行运行实验,并对实验数据进行预处理。基于PSO算法建立PSO-SVR模型,对多联机功耗进行预测,并与SVR模型的预测结果和理论公式计算结果进行对比。结果表明:SVR、PSO-SVR、理论公式计算法总体预测误差分别为1. 43%、1. 08%和1. 57%,均方根误差RMSE分别为105. 36、88. 79、91. 37 W,参数寻优结果为惩罚系数C=10 000和核参数γ=4. 275。粒子群优化算法的引入显著提高了SVR模型的预测精度和稳定性;相较于理论公式计算法,PSO-SVR精度更高,且需要测量的参数数目明显减少,在降低了测量系统复杂性同时更具经济适用性。

基于ReliefF与mRMR耦合特征选择的多联机制冷剂充注量故障诊断

针对制冷剂充注量故障,提出了一种结合ReliefF和mRMR特征选择算法的故障诊断方法。首先,利用ReliefF算法计算出每个特征变量的权重系数W (A),剔除权重系数低于阈值的特征;然后,利用集成的mRMR算法选出与目标类别具有最大相关性且相互之间具有最小冗余性的特征子集;最后,利用特征提取后的变量建立BP神经网络模型进行故障诊断,并和单一特征选择算法的结果进行对比。结果表明:该方法较好地提高了多联机制冷剂充注量故障诊断模型的诊断精度和效率。