不同粒径石蜡微胶囊悬浮液的传热性能研究

石蜡微胶囊悬浮液(MEPCMS)是石蜡微胶囊与传热流体混合形成的一种新型功能材料,依靠胶囊固-液相变吸收大量潜热的特性而具有强化传热能力,在电子电器、航空航天、新能源等领域的应用前景广阔。本文尝试从胶囊粒径入手,寻找促进MEPCMS安全高效传热的可靠途径。研究以正十八烷(C18)作芯材、三聚氰胺甲醛树脂(MF)作壁材,采用原位聚合法合成了粒径均匀的石蜡微胶囊;采用分散剂手段将胶囊添加进去离子水,获得了分散稳定的MEPCMS。在此基础上,围绕不同粒径MEPCMS的管内传热性能展开研究。结果表明,减小粒径是提升MEPCMS传热性能的有效途径。MEPCMS的粒径从20.0μm减小至2.6μm,其流动传热的平均努塞尔数(Nu)增加约20.3%,传热通道的温升降低约33.0%。

教育改革视域下加强高校学生课堂参与感路径探究

教育改革的一个重要方向是促进学生主体性的发挥,而学生的课堂参与是学生主体性的直接体现。文章试图从加强学校管理、丰富教学模式、信息化教学手段的应用等层面,展开对高校学生课堂参与感的提升研究,希望对高校教育改革有所助益。

基于多尺度卷积神经网络的短期电力负荷预测

为了提高电力系统短期负荷预测的准确率,提出了一种基于深度学习技术的多尺度信息融合卷积神经网络(MS-ConvNet)模型.引入了全卷积网络结构和因果逻辑约束增强时间序列特征表达;利用多尺度卷积提取不同长度时域数据相互关系来获取更加丰富的序列特征;并设计残差网络结构增加网络深度,以增加输出神经元的接受域并提升预测精度.仿真结果表明,MS-ConvNet模型的准确率及稳定性优于多层感知机、长短期记忆网络及门控循环单元网络,说明该模型在电力负荷预测方面具有良好的应用前景.

基于多模型融合神经网络的短期负荷预测

短期负荷预测在为电力系统制定经济、可靠和安全的运行策略中起着关键作用。为了提高预测精度,提出了一种基于多模型融合神经网络的短期负荷预测方法。首先将三种不同的神经网络单独训练:再将单独模型的输出作为输入,训练一个顶层全连接神经网络;最后并行排列三种单独模型,再将3个模型的输出层组合作为顶层全连接神经网络的输入层,使4个模型融合为一个模型,并进行精调训练。短期负荷预测的实验结果表明,该方法的精度优于单个全连接神经网络、长短期记忆网络或残差网络。说明该方法具有良好的实用价值。

基于FFT优化ResNet模型的短期负荷预测方法

电力行业需要精确的短期电力负荷预测,为电力系统的控制和调度提供精确的负载需求。为提高短期电力负荷预测的精度,提出了一种基于FFT优化ResNet模型的方法。模型首先将电力负荷预测定义为时间序列问题,随后引入一维ResNet进行电力负荷的回归预测,并提出使用FFT优化ResNet,通过对一层卷积结果进行FFT变换,赋予模型提取数据中周期性特征的能力。实验表明,在6 h电力负荷预测中,FFT-ResNet的预测精度优于几种基准模型,说明该方法在电力负荷预测方面具有良好的应用前景。

表面活性剂对水基纳米流体湍流流动和传热性能的影响

采用聚乙烯吡咯烷酮作为表面活性剂,制备悬浮稳定的水基二氧化硅纳米流体,对水基二氧化硅纳米流体在圆管内的湍流流动和传热性能进行试验研究。结果表明:水基二氧化硅纳米流体的强化传热综合性能随着聚乙烯吡咯烷酮与二氧化硅质量比的增大呈现先增大后减小的变化趋势,聚乙烯吡咯烷酮与二氧化硅的质量比为1∶1的流体的强化传热综合性能最好;固定聚乙烯吡咯烷酮与二氧化硅的质量比为1∶1,水基二氧化硅纳米流体的强化传热综合性能随着二氧化硅纳米颗粒添加量的增加而增强,与纯水相比,二氧化硅纳米颗粒质量分数为6.0%的水基二氧化硅纳米流体的强化传热综合评价因子提高约46%,流动传热综合性能显著改善。

基于BFA-Elman的电力负荷可靠性预测系统设计

针对现有负荷预测系统耗时长且精度较差等问题,文中设计了一种基于BFA-Elman的电力负荷可靠性的预测系统。利用细菌觅食算法(BFA)优化Elman网络模型的结构参数获得最佳的权值和阈值,同时避免Elman网络陷入局部最优。通过结合BFA和Elman网络构建BFA-Elman电力负荷预测模型,以实现可靠的预测。利用历史电力负荷对所提系统进行实验论证。结果表明,计算量对所提系统的性能影响较小,预测耗时不超过20 s且预测误差均值为0.41%,低于对比方法,从而能够有效提高发电设备的利用率与调度的经济性。

基于分位数损失的短期概率负荷预测

为提高电力负荷预测精度,并针对用电不规律导致的负荷数据波动性大的问题,提出一种分位数损失引导的门控卷积神经网络模型。首先,使用卷积神经网络提取出历史数据中更多的重要特征;其次,在模型训练过程中采用分位数损失指导训练,然后添加门控单元使得关键特征更加明显;最后,模型输出每个分位点的预测值。实验结果表明,相对于多种概率负荷预测模型,所提的分位数引导的门控卷积神经网络模型在概率负荷预测方面具有更好的预测精度,同时具有良好的实际应用前景。

MF/C18微胶囊悬浮液相变过程中的黏度特性

本文以正十八烷(C18)为芯材,三聚氰胺甲醛树脂(MF)为壳材,采用原位聚合法得到粒径均匀的MF/C18微胶囊;以十二烷基硫酸钠作活性剂,采用两步法得到分散稳定的MF/C18微胶囊悬浮液。在此基础上,采用旋转流变仪测试MF/C18微胶囊悬浮液的黏度,重点探讨了微胶囊的固-液相变对悬浮液黏度的影响。结果显示,MF/C18微胶囊发生熔化会导致其悬浮液的黏度增大,发生凝固会导致悬浮液黏度减小,且随着升温、降温速率的增大,MF/C18微胶囊悬浮液的黏度均呈现减小的变化趋势。