加氢换热器用321不锈钢、镍基合金825氢脆敏感性研究

加氢换热器作为加氢装置的核心设备,其安全运行对我国石化行业发展有着重要意义。由于加氢换热器长期运行于高温、高压、临氢等恶劣工况条件下,因氢脆等原因引起的泄漏、开裂事故频繁发生,造成非计划停工。因此,本工作选取加氢换热器常用材料镍基合金Incoloy 825和AISI 321不锈钢作为研究对象,采用电化学动态充氢慢应变速率拉伸试验(SSRT),同时借助SEM对样品进行断口分析,借助XRD分析充氢前后样品的物相变化,比较研究了两种材料在氢环境下的力学性能劣化趋势、断裂行为及抗氢性能。研究结果表明:(1)321不锈钢在氢的作用下会发生马氏体相变,而镍基合金825则会生成氢化物。(2)氢会显著降低321不锈钢和镍基合金825的塑性,且随充氢电流密度增大,氢致塑性损失程度增大。(3)不锈钢321和镍基合金825在空气中拉伸时均为韧窝型断裂,随充氢电流密度增大321不锈钢的断裂模式转变为沿晶开裂和准解理型穿晶开裂共存的混合断裂,镍基合金825的断裂模式转变为准解理断裂。因此,321不锈钢在应力/氢的交互作用下会使抗氢性能较好的奥氏体发生马氏体相变,故321不锈钢的抗氢性能比镍基合金825差。

长短期记忆神经网络模型改进及其在循环冷却水管道腐蚀预测的应用

炼油工业循环冷却水系统的管道腐蚀是多因素相互作用的复杂过程。为了实现对循环冷却水系统管道腐蚀问题的准确预测,针对传统长短期记忆(LSTM)神经网络模型对于多因素影响的特征提取不足、需要靠人为经验选取超参数的问题,通过在LSTM网络前添加全连接层来提取数据多变量的特征、采用网络搜索法优选超参数对LSTM模型进行改进。从兰州某石化公司按时间采集的循环水质巡检历史数据入手,提取水质数据的多变量和时间序列影响特征,采用改进LSTM模型预测循环冷却水系统管道腐蚀情况。结果表明,相比传统LSTM模型和BP神经网络模型,改进LSTM模型用于循环冷却水系统管道腐蚀预测具有较高的预测精度和泛化能力,为循环冷却水系统的管道腐蚀预测并提前进行防护提供了一种新思路。

基于GCN-LSTM的日前市场边际电价预测

传统电价预测往往采用基于时间序列的时域预测方法,未能充分利用电力市场的地域信息,忽略了跨区域输电条件下影响区内电价的域外因素,为进一步提升电价预测精度提出一种基于图卷积神经网络与长短时记忆网络(graph convolution network-long short term memory,GCN-LSTM)的时空预测算法。该算法首先通过建立图模型,描述地域分布的电力市场数据,并使用图卷积神经网络,提取所研究区域和周围地区传导到域内的域外信息;其次,将不同时刻图卷积神经网络提取到的信息构成时间序列,输入长短时循环网络,从而对日前市场边际电价进行预测。利用北欧电力交易所Nord Pool的运营数据进行算例分析,通过与对照算法对比,该算法具有更好的预测精准度和普适性。

海归女博士:带上学生,走在科研路上——记东华大学先进低维材料中心博导储玲玲

青春,靓丽,是东华大学先进低维材料中心特聘研究员、博士生导师储玲玲给人的第一印象。翻一翻履历,储玲玲青春靓丽的外表下拥有一颗坚韧顽强的进取心——这位从中国科学院上海有机化学研究所走出来的女博士,在美国普林斯顿大学化学系从事过博士后研究。求学时她和导师一起提出并发展了“氧化三氟甲基化”反应模式,上过美国化学会会刊的封面专题;工作中在催化烯烃选择性转化领域取得突破性进展,发表高水平SCI论文12篇,一区论文8篇,主要参与项目获上海市自然科学一等奖。

课改:架起理论与行动的桥梁

“中国和美国的教育是不同的.发达国家的教育模式比较符合人的正常成长规律.知识是途径不是教育本身,教育本身是让学生对学习产生兴趣.小学一年级甚至可以不用教材.”