目的:研究淫羊藿总黄酮(total flavone of herba epimediumon,TFE)对缺氧模型小鼠抗缺氧的药理作用。方法:利用实验室常压密闭缺氧装置,建立小鼠缺氧模型,并对TFE不同给药剂量进行对比,通过测定小鼠的存活时间、外周血象、大脑和肺脏含...目的:研究淫羊藿总黄酮(total flavone of herba epimediumon,TFE)对缺氧模型小鼠抗缺氧的药理作用。方法:利用实验室常压密闭缺氧装置,建立小鼠缺氧模型,并对TFE不同给药剂量进行对比,通过测定小鼠的存活时间、外周血象、大脑和肺脏含水率等指标,观察TFE的抗缺氧作用。结果:与模型组比较,TFE可显著延长小鼠在常压密闭缺氧条件下的存活时间,显著提高缺氧小鼠血液中的白细胞和红细胞的数量,减轻脑水肿及肺水肿的程度。TFE给药剂量为900 mg/(kg.d)时,抗急性缺氧的作用最强。结论:TFE对缺氧模型小鼠具有显著的抗缺氧作用。展开更多
变速恒频风力发电技术已广泛用于实际风机中,其中一个经典问题即最大功率跟踪(Maximum Power Point Tracking,MPPT)。针对双馈感应电机(Doubly-Fed Induction Generator,DFIG)设计了一款基于扰动观测器的滑模控制(Perturbation Observer...变速恒频风力发电技术已广泛用于实际风机中,其中一个经典问题即最大功率跟踪(Maximum Power Point Tracking,MPPT)。针对双馈感应电机(Doubly-Fed Induction Generator,DFIG)设计了一款基于扰动观测器的滑模控制(Perturbation Observer Based Sliding-Mode Control,POSMC)来实现MPPT。所提控制器将扰动观测器和滑模控制(Sliding-Mode Control,SMC)相结合,从而大幅提高了DFIG的鲁棒性。首先,应用扰动观测器对系统扰动(发电机非线性、参数不确定和随机风速)进行在线估计。随后,通过SMC对该扰动估计进行实时完全补偿,从而实现不同工况下的控制全局一致性以及各类不确定环境下的鲁棒控制。最后,POSMC无需精确的DFIG系统模型,仅需测量转子角速度和定子无功功率,易于实现。进行了三个算例研究,即阶跃风速、随机风速和发电机参数不确定性。仿真结果表明,与矢量控制(Vector Control,VC)、反馈线性控制(Feedback Linearization Control,FLC)和SMC相比,POSMC在各类工况下均可捕获最大的风能并具有最强的鲁棒性。展开更多
本文针对电网短期负荷预测的时序性和非线性特点,提出一种基于改进长短时记忆网络(Long Short Term Memory,LSTM)的短期负荷预测方法。在PyCharm平台上对以天为分辨率的电力数据进行数据预处理,建立LSTM模型,使用了Adam优化器并设置了...本文针对电网短期负荷预测的时序性和非线性特点,提出一种基于改进长短时记忆网络(Long Short Term Memory,LSTM)的短期负荷预测方法。在PyCharm平台上对以天为分辨率的电力数据进行数据预处理,建立LSTM模型,使用了Adam优化器并设置了学习率自动调整方法。仿真结果表明所提方法能够获得较好的预测效果,具有较好的非线性拟合能力。展开更多
文摘变速恒频风力发电技术已广泛用于实际风机中,其中一个经典问题即最大功率跟踪(Maximum Power Point Tracking,MPPT)。针对双馈感应电机(Doubly-Fed Induction Generator,DFIG)设计了一款基于扰动观测器的滑模控制(Perturbation Observer Based Sliding-Mode Control,POSMC)来实现MPPT。所提控制器将扰动观测器和滑模控制(Sliding-Mode Control,SMC)相结合,从而大幅提高了DFIG的鲁棒性。首先,应用扰动观测器对系统扰动(发电机非线性、参数不确定和随机风速)进行在线估计。随后,通过SMC对该扰动估计进行实时完全补偿,从而实现不同工况下的控制全局一致性以及各类不确定环境下的鲁棒控制。最后,POSMC无需精确的DFIG系统模型,仅需测量转子角速度和定子无功功率,易于实现。进行了三个算例研究,即阶跃风速、随机风速和发电机参数不确定性。仿真结果表明,与矢量控制(Vector Control,VC)、反馈线性控制(Feedback Linearization Control,FLC)和SMC相比,POSMC在各类工况下均可捕获最大的风能并具有最强的鲁棒性。
文摘本文针对电网短期负荷预测的时序性和非线性特点,提出一种基于改进长短时记忆网络(Long Short Term Memory,LSTM)的短期负荷预测方法。在PyCharm平台上对以天为分辨率的电力数据进行数据预处理,建立LSTM模型,使用了Adam优化器并设置了学习率自动调整方法。仿真结果表明所提方法能够获得较好的预测效果,具有较好的非线性拟合能力。