含碳捕集电厂与氢能多元利用的综合能源系统低碳经济调度

随着中国“碳达峰·碳中和”战略的不断推进,综合能源系统的绿色低碳转型迫在眉睫。针对传统碳捕集电厂灵活性较差、风电并网难以消纳等问题,提出一种含碳捕集电厂与氢能多元利用的综合能源系统低碳经济调度模型。首先,引入储液罐对传统碳捕集电厂进行改造,提高电厂应对风电波动的运行灵活性;其次,构建含两段式电转气、氢燃料电池、储氢罐和掺氢热电联产在内的氢能多元利用结构,以充分挖掘氢能利用与碳捕集电厂的协同运行潜力。在此基础上,引入阶梯碳交易机制,建立以碳交易、碳封存、燃煤及购气成本之和最小为优化目标的低碳经济调度模型。算例结果表明,文中模型能够有效提高系统的风电消纳水平和能源利用效率,具有显著的低碳经济效益。此外,碳交易基准价格的合理设定能够引导系统提高碳捕集水平。

波流耦合影响下分层海床隧道周围砂土渗流孔压及液化分析

目前针对波浪作用下海底盾构隧道周围渗流场的既有理论研究一般将衬砌考虑为不透水介质,较少考虑隧道衬砌的渗透性,尤其是较少考虑波浪与海流共同作用对隧道的影响。此外,既有理论一般将海床视为均质且各向同性工况,忽略了实际情况下分层海床的影响。首先,基于波流共同作用下的海床表面的动力边界条件,采用传递-反射矩阵法得到波流共同作用下自由分层海床的孔压响应;其次,采用镜像法建立了由于隧道存在引起的砂土摄动压力控制方程,并利用砂土与衬砌间渗流连续条件获得了该方程的Fourier级数展开解析解;接着,采用叠加原理得到了波流共同作用下分层海床中隧道周围砂土的渗流压力响应及液化判定解答。最后,将理论解析解与数值结果及已有的试验结果进行对比,获得了较好的一致性。此外,针对海床渗透性和隧道衬砌渗透性进行了影响因素分析。结果表明:海流顺流会增大海床中的孔压和液化程度,逆流会减小海床中的孔压并抑制海床的液化,且流速相同时海床对逆流响应的相对差异总体上也大于顺流;当分层海床上层渗透系数较大时(k+s>1×10^(-2)m/s),海床整体孔压较大,且第一次分层处孔压变化明显;当隧道衬砌渗透系数较小时(k+l<1×10^(-6)m/s),隧道对超静孔隙水压在海床内传播“阻挡”效应明显。

基于ViT和LSTM的风速多步预测

精确的风速预测对风力发电具有指导作用,据此提出一种多维时间序列下Vision Transformer(ViT)和长短时记忆网络(LSTM)的风速预测方法,实现对风速的超前一步和超前多步预测。结合斯皮尔曼系数(Spearman)和变分模态分解将风速分解为多维时间序列,多维时间序列能更好地表征原始风速的周期性和波动性;采用ViT提取多维时间序列中的特征以及隐藏信息,在保持ViT模型自注意力机制优势的同时,用LSTM进一步建立所提取特征和风速之间的关系,从而提高ViT-LSTM模型的泛化性和预测准确性。使用内蒙古某风场记录的数据进行试验分析,在超前1步、超前6步、超前12步和超前24步预测时,该方法的平均绝对误差分别比LSTM模型减少了15.15%、34.41%、68.32%和81.71%,结果表明该模型在超前多步风速预测方面具有较好的效果。

基于Transformer-GRU并行网络的滚动轴承剩余寿命预测

为有效描述滚动轴承性能退化趋势和准确预测其剩余寿命,提出一种基于多域特征融合的Transformer-GRU并行网络的滚动轴承剩余寿命预测方法。建立评价指标对滚动轴承振动信号的时域、频域和时频域等多域特征进行筛选,得到评分高的敏感特征,获得退化特征集。利用自编码对退化特征集进行降维,减少数据复杂度和冗余度,得到滚动轴承的退化曲线。最后,利用Transformer-GRU并行网络进行剩余寿命预测,并将该方法运用到公开的轴承数据集分析中。结果表明:Transformer-GRU并行网络不仅可以高效准确地捕捉输入序列中的长期依赖关系,还能更好地处理时间序列之间的特征;该方法可以有效地预测滚动轴承剩余寿命,相比LSTM、GRU等经典方法更具优越性和泛化性。

淀粉类粘合剂对高纤维饲料冷制粒颗粒质量的影响

冷制粒的高纤维颗粒饲料对部分家禽具有降低饲料成本,促进肠道健康的作用,但高粗纤维颗粒饲料的冷制粒生产常存在颗粒质量不佳的问题。本试验旨在通过评价不同种类和配制比例的淀粉类粘结剂对部分家禽高纤维饲料冷制粒的颗粒质量的影响,筛选提高颗粒质量的粘结剂和应用水平。试验分为10个处理,对照组为通过稻壳配制粗纤维含量为8.0%的高纤维基础饲粮;试验组9个,采用3×3双因素设计,因素一为粘结剂,分别为高筋面粉、预糊化淀粉、辛烯基琥珀酸淀粉钠;因素二为粘结剂水平,用粘结剂分别替代基础饲粮重量的1.5%、3%、4.5%。结果表明:(1)阴干3 h后,随着粘合剂种类的变化(高筋面粉~辛烯基琥珀酸淀粉钠),颗粒饲料的稳定性极显著提高(P <0.01),硬度极显著降低(P <0.01)。(2)阴干24 h后,随着粘合剂种类的变化(高筋面粉~辛烯基琥珀酸淀粉钠),颗粒饲料的硬度极显著提高(P <0.01)。(3)阴干3 h和24 h后,随着粘合剂使用水平的提高(1.5%~4.5%),颗粒饲料的各项指标均无显著改善(P> 0.05)。在高纤维饲料中使用1.5%的辛烯基琥珀酸淀粉钠作为粘合剂,阴干24 h,可使高纤维饲料获得最佳冷制粒颗粒质量。

基于ADASYN数据平衡化的PSO-BPNN变压器套管故障诊断

变压器套管作为设备重要的绝缘部件,其绝缘性能直接影响着设备的安全运行。为诊断变压器套管绝缘状态,改善变压器套管油中溶解气体的小样本不平衡数据对变压器套管故障诊断结果的影响,使用粒子群优化结合反向传播神经网络(particle swarm optimization combined with back propagation neural network,PSO-BPNN)和自适应综合过采样(adaptive synthetic sampling,ADASYN)算法对变压器套管进行故障诊断。首先收集变压器套管的历史故障数据,建立具有明确故障类别的变压器套管油中溶解气体样本集,并通过ADASYN算法对原始数据中的少数类样本进行合成,得到平衡后的故障数据,然后将平衡后的油中溶解气体作为模型输入,故障状态作为标签输出,通过PSO-BPNN模型对变压器套管进行诊断,最后在原始样本集下使用反向传播神经网络(back propagation neural network,BPNN)、遗传结合反向传播神经网络(genetic combined with back propagation neural network,G-BPNN)算法、布谷鸟搜索结合反向传播神经网络(cuckoo search combined with back propagation neural network,CS-BPNN)算法以及PSO-BPNN模型对套管进行诊断。结果表明,针对变压器油纸套管绝缘状态进行故障诊断的多个模型中,基于ADASYN平衡数据后的PSO-BPNN模型和其他模型相比准确度最高,能有效减小小样本不平衡数据对诊断结果的影响,为判断变压器油纸套管绝缘性能提供了有效方法。

基于置信规则库的干式空心电抗器状态评估方法研究

针对电力设备故障样本少且获取困难等问题,提出了基于置信规则库的干式空心电抗器状态评估方法。通过搭建多工况下干式空心电抗器电气及温升特性试验平台,获取不同工况下电抗器有功功率和最热点温升率数据样本集,建立基于置信规则库和证据推理的电抗器状态评估模型。为了减小因专家主观经验对状态评估模型预测结果的影响,提出置信规则库优化方法,并采用证据推理算法将电抗器输入特征信息转化为输出状态等级。利用测试数据对评估模型进行测试,结果验证了基于小训练样本的干式空心电抗器状态评估方法的有效性和准确性。

非营养性添加剂调控蛋鸡免疫性能的研究进展

当前集约化养殖模式在提高蛋鸡生产效率的同时,也可能导致鸡群免疫力下降从而影响生产性能。在“禁抗”背景下,寻找“替抗”产品以维护蛋鸡养殖业的健康发展成为亟待解决的问题。各类非营养性添加剂以高效、绿色、健康、毒副作用小等优势受到广泛研究和应用。文章主要阐述了中草药和益生菌两种非营养性添加剂在增强蛋鸡免疫性能方面的重要功能及作用机制,以期为研究饲料添加剂作为蛋鸡饲粮中的“替抗”产品提供参考。

基于改进YOLOv5模型的图像标志点特征智能提取方法

标志点被广泛应用于摄影测量和计算机视觉等领域,其中对影像标志点提取是后期进一步应用的关键步骤。因此,提出了基于改进YOLOv5模型的图像标志点特征智能提取方法,相比于传统算法具有更好的适应性和提取效率。首先,提出一种基于极限样本条件下的标志点样本库构建方法,能够快速、自动扩增标志点样本。然后根据标志点的小目标特点,对YOLOv5网络中空间和语义特征进行融合,并添加坐标注意力机制,提高了深度学习网络对标志点的特征提取能力。实验结果表明,本方法对标志点提取的正确率达到96%,平均对每幅图像的提取时间为0.073 s。该方法可为实际工程中标志点的智能提取提供新的思路和方法。

利用机器学习模拟湿物理参数化方案

数值天气预报模式的湿物理参数化方案对降水预报有很大影响。常规湿物理参数化方案计算复杂、计算量大,且存在较大不确定性。文中采用4种机器学习算法即基于决策树的梯度提升算法(LightGBM)、全连接神经网络(FC)、卷积神经网络(CNN)和卷积块注意力模块(CBAM)提取数值预报模式变量网格点周围的局部信息建模。针对一次中国南海台风过程开展湿物理参数化方案模拟试验,试验表明,4种机器学习模型均能较好地模拟湿物理参数化方案的温、湿效应,能够刻画台风对流活动产生的热源和水汽汇的螺旋结构。位温倾向在对流层中层误差较大,比湿倾向在对流层低层误差较大,随着预报时效延长模型的模拟能力有所降低。

考虑谐波电压的干式空心电抗器匝间短路早期故障诊断方法

针对干式空心电抗器匝间短路早期故障特征不明显、电力系统中谐波含量波动影响诊断准确率等问题,提出了考虑谐波电压影响的干式空心电抗器匝间短路故障特征分析与诊断方法。针对电抗器正常运行、早期匝间电弧性短路、中后期匝间金属熔接性短路等3种工况,通过分析串/并联电抗器故障工况运行特性,分别确定串/并联电抗器匝间短路早期故障特征量。建立考虑谐波电压的电抗器匝间短路故障仿真模型,分析多工况下串/并联电抗器电气特征量的变化规律,提出基于电流谐波比的串联电抗器匝间短路故障诊断方法,及基于有功功率比的并联电抗器匝间短路故障诊断方法。搭建串/并电抗器匝间故障试验平台,通过试验验证了所提方法的正确性和有效性。

集成学习和动态融合算法在福建省短时强降水预报中的应用

为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^(-1)为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空报样本超过52万个。

采食前后蛋鸡饲粮中营养物质的变化分析

试验旨在对采食前后蛋鸡饲粮中营养物质的变化进行分析,选取100只60周龄海兰褐蛋鸡随机分为5个重复,每个重复20只。饲料形式为粉料,喂料时(采食前)和采食20 min后(采食后)分别收集5个重复的饲料样品。结果表明:1)在常规养分方面,采食20min后粗灰分含量极显著高于采食前(P<0.01);而粗脂肪含量显著低于采食前(P<0.05);2)在矿物元素方面,采食20 min后硒含量极显著高于采食前(P<0.01)。由此可见,蛋鸡采食时会优先食用大颗粒饲料从而导致饲粮中常规养分和矿物元素的改变。

数字孪生技术在集装箱港口智能调度中的实践与挑战

随着全球贸易的蓬勃发展,集装箱港口在贸易中扮演着至关重要的角色。为了提升港口运营效率和服务质量,数字孪生技术应运而生,其为集装箱港口智能调度提供了新的解决方案。通过数字孪生技术,港口管理者可以实时监控和模拟港口运营情况,优化集装箱堆场布局和船舶调度,提高作业效率和减少等待时间。随着技术的不断进步和经验的积累,数字孪生技术将为集装箱港口带来更多机遇和挑战。

5-FU和奥沙利铂对结肠癌细胞自噬与外泌体释放的影响及其机制探讨

目的:探究5-氟尿嘧啶(5-fluorouracil,5-FU)和奥沙利铂对小鼠结肠腺癌CT26.WT细胞自噬与外泌体释放的影响及两者之间的关联机制。方法:通过蛋白印迹试验(Western blot)检测经正常培养、5-FU、奥沙利铂和饥饿培养处理CT26.WT细胞后自噬相关蛋白以及胞吐调节蛋白Syntaxin的表达情况,利用激光扫描共聚焦显微镜(confocal laser scanning microscope,CLSM)检测CT26.WT细胞内多泡体与自噬小体的相对位置关系以及多泡体与溶酶体的相对位置关系。利用超速离心法提取定量培养各组细胞的培养上清液中的外泌体,用Western blot检测与多泡体的形成和外泌体的释放有关的Syntaxin及外泌体标志蛋白表达情况。结果:5-FU、奥沙利铂和饥饿处理CT26.WT细胞均可诱导细胞自噬的发生,CLSM下可分别观察到部分多泡体同自噬小体,部分多泡体同溶酶体发生位置重合。CT26.WT细胞经饥饿培养后,Syntaxin蛋白较正常对照组表达下调,经5-FU或奥沙利铂处理后,Syntaxin蛋白同正常对照组相比表达无明显变化。5-FU和奥沙利铂处理组的外泌体EGFP-CD63蛋白表达较正常对照组明显下降。结论:5-FU和奥沙利铂不影响CT26.WT细胞内多泡体的形成,但均可诱导CT26.WT细胞发生自噬,并促进多泡体经自噬溶酶体途径降解,从而下调外泌体的释放。

基于会话的推荐方法综述

近年来,基于会话的推荐方法受到学术界的广泛关注。随着深度学习技术的不断发展,不同的模型结构被应用于基于会话的推荐方法中,如循环神经网络、注意力机制、图神经网络等。该文对这些基于会话的推荐模型进行了详细的分析、分类和对比,阐明了这些方法各自解决的问题与存在的不足。具体而言,该文首先通过调研,将基于会话的推荐方法与传统推荐方法进行比较,阐明基于会话的推荐方法的主要优缺点;其次,详细描述了现有的基于会话的推荐模型如何建模会话集中的复杂数据信息,以及这些模型方法可解决的技术问题;最后,该文讨论并指出了在基于会话推荐的领域中存在的挑战和未来研究的方向。

基于误差修正的极端天气下风速预测

精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用.本文提出基于时间卷积网络(Temporal Convolutional Network,TCN)与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测.首先对天气数据进行预处理,用TCN提取多特征数据的时间序列特性,将提取信息输入到BiLSTM中进行风速预测.为进一步提高预测精度,引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解,分别对分解后的误差子序列构建BiLSTM模型进行误差预测,用误差预测值对风速预测值进行误差修正.结合河南省某地实测天气数据进行实验,仿真结果验证了所提方法能有效预测风速,并在极端天气发生时,对风速具有较高的预测精度.

新型2,6-二氟苯甲酰脲类化合物对草地贪夜蛾的生物活性及其几丁质合成的影响

本文通过对已报道的具有优异杀虫活性的肟醚苯甲酰脲类化合物NK-17进行结构改造,得到化合物(E)-N-((4-((叔丁氧亚氨基)甲基)苯基)甲氨基甲酰基)-2,6-二氟苯甲酰胺(以下简称为“HN-21”),以改善其在有机溶剂中的溶解能力。采用叶片药膜法测定HN-21和对照药剂虱螨脲对草地贪夜蛾Spodoptera frugiperda 2龄幼虫的生物活性,并分析其对草地贪夜蛾几丁质合成过程的影响。结果表明,HN-21对草地贪夜蛾幼虫72 h的致死中浓度为0.681 mg/L,显著低于虱螨脲(10.052 mg/L),受试昆虫均死于蜕皮过程中。受试昆虫用虱螨脲10.052 mg/L处理24 h时,几丁质合成通路基因(sfTRE1、sfTRE2、sfGFAT、sfUAP、sfCHS1)表达量明显下降,早于用HN-210.681 mg/L处理组,但48 h时两组昆虫基因表达量下调程度已无显著性差异。该研究结果可为更好地开发利用苯甲酰脲类化合物提供理论依据。

石斑鱼PPAR-δ基因SNP位点和单倍型与抗虹彩病毒和神经坏死病毒抗性的关联

[目的]获得石斑鱼Epinephelus spp.抗病分子标记,选育石斑鱼抗病品系以解决石斑鱼病害频发的问题。[方法]基于免疫基因PPAR-δ的基因组DNA序列开展单核苷酸多态性(Single nucleotide polymorphism,SNP)位点筛选,并对这些位点分别进行石斑鱼虹彩病毒(Singapore grouper iridovirus, SGIV)和神经坏死病毒(Red-spotted grouper nervous necrosis virus, RGNNV)抗性的关联分析。[结果]在SGIV感染的易感组和抗感组样品中共筛查到9个SNP位点,均位于内含子中;多态信息含量(Polymorphism information content, PIC)的范围为0.177~0.375,其中,SNP-S1(g.940T>A)属于低度多态(PIC<0.25),其余SNP位点属于中度多态(0.25≤PIC<0.50);关联分析结果显示,SNP-S7(g.4595T>A)基因型频率在SGIV易感组和抗感组中存在显著差异分布(P<0.05),SNP-S7的TT和AA这2种纯合子基因型与SGIV抗感性状相关,而AT杂合子基因型与SGIV易感性相关。在RGNNV感染的易感组和抗感组样品中共筛查到8个SNP位点,其中,SNP-N1位于外显子中,属于同义突变,其余SNP均位于内含子中;PIC的范围为0.106~0.317,其中,SNP-N1(g.324G>A)和SNPN2(g.883A>G)属于低度多态(PIC<0.25),其余SNP属于中度多态(0.25≤PIC<0.50);关联分析表明,SNPN5(g.2510C>T)基因型频率在RGNNV易感组和抗感组中存在显著差异分布(P<0.05),SNP-N5的CT基因型与RGNNV抗感性状相关, CC基因型与RGNNV易感性状相关。[结论]本研究在PPAR-δ的基因组DNA序列中分别筛选到与SGIV和RGNNV抗性相关的SNP标记各1个,可以为石斑鱼抗病育种提供技术支持和理论依据。

基于集成学习的沿海低能见度天气分类预报方法

在2020年3月—2021年7月福建漳州沿海地区融合实况资料与欧洲中心细网格模式预报产品的基础上,应用集成学习中的LightGBM(Light Gradient Boosting Machine)算法建立分类预报模型以预测低能见度天气。针对样本极端不均衡的问题,在建模与检验中分别采用Bagging(Bootstrap Aggregating)技术和AUC(Area Under Curve)评分进行解决。根据有无新特征构造和模型融合划分为四种方案进行试验,同时将逻辑回归建模方案作为对比。结果表明:(1)在所有特征中,2 m露点对判断低能见度天气发生发展最为重要,2 m与1000 hPa温差的重要性次之;(2)所有建模方案均能改善模式原始预报,其中LightGBM模型总体效果优于逻辑回归模型,两者命中率相似,但前者空报率显著降低;(3)新特征构造与模型融合的技巧能够进一步改善预测性能,包含这两者的建模方案在测试集上表现更佳,其中新特征构造对模型的提升幅度更为突出。