The flue dust emission of the coal fired power plants in Zhejiang Province attains target

According to statistics, the average dust collection efficiency of flue gas emission in the large and medium- sized power plants in Zhejiang Province at present has attained higher than 97% which surpasses the 95% standard as stipulated by the Ministry of Electric Power. The dust collection efficiency of the Beilungang Power Plant has already attained 99.92%. In recent years, Zhejiang Electric Power Corporation has stipulated that all the newly constructed generating units shall be equipped with high efficiency electrostatic precipitator (ESP) while the existing power plants shall speed up their renovation work for their dust collectors. In combination with the fourth stage project of the Taizhou Power Plant, the improvement work of the dust

Targets and Misunderstandings in Pollutants Reduction of Power Plants—An Interview with Wang Zhixuan,Vice-Secretary of CEC

● The demand for organics reduction in power industry needs to be analyzed. Generally speaking, the organicsfrom power plants is neither a main source of water pollution nor an emphasis of pollution control.● The normal operation of FGD facilities is the key to fulfill the mission of SO2 emission reduction.● The control of SO2 emission should not be imposed uniformly on all power plants nationwide.● It is difficult to promote the emission trading of SO2 institutionally.● The active policy of levying for SO2 emission starting from zero emission and using levies for SO2 control isunreasonable. It should be reformed as levying only for over-limit emission, and not levying for emissionsbelow limit or levying indicatively.● Environmental regulations on SO2 control should make differences depending on environmental function ofzones, time period of generating units installed and manner of emissions.

低碳目标下计及电动汽车V2G的虚拟电厂优化调度方法

促使风电、光伏等分布式能源和电动汽车保有量快速增长。考虑电动汽车到电网(vehicle to grid,V2G)能量互动对多元化能源发电出力随机性及波动性的平抑作用,以及提升风/光电的消纳水平,采用虚拟电厂(virtual power plant,VPP)技术实现对二者的统一协调管理,进而结合电动汽车全生命周期碳排放数量和分布式能源运行时碳排放数量,构建电动汽车参与的虚拟电厂整体多目标优化模型,采用粒子群优化算法对该模型进行求解,从而优化系统运行成本及碳排放成本。在结合真实数据配置的算例模型上进行实验分析,实验结果表明,提出的优化模型可以有效调度虚拟电厂各要素,充分发挥电动汽车V2G入网充放电带来的运行和碳排放收益,可以为低碳目标背景下电网系统的安全稳定运行提供技术参考。

2种植物提取物对杂拟谷盗的生物活性及几种酶活性的影响

杂拟谷盗(Tribolium confusum)是一种重要的储粮害虫,熏蒸是目前主要的防治方法。相比化学熏蒸,植物源杀虫剂作用方式多样且对环境和粮食安全。因此本论文研究了2种植物[瑞香狼毒(Stellera chamaejasme L.)根石油醚提取物和百里香(Thymus mongolicus Ronn.)甲醇提取物]对杂拟谷盗的熏蒸、拒食和驱避活性,以及对杂拟谷盗2种靶标酶和3种解毒酶活性的影响。结果表明,瑞香狼毒根石油醚提取物和百里香甲醇提取物熏蒸杂拟谷盗24 h后,致死中浓度(Lethal concentration,LC 50)分别为88.50和119.57 mg·L^(-1);拒食处理杂拟谷盗5 d后的拒食中浓度(Antifeedant concentration,AFC 50)分别为23.00和14.78 mg·L^(-1);4 h的驱避率分别为63.49%和71.90%。2种植物提取物对杂拟谷盗乙酰胆碱酯酶和三磷酸腺苷酶活性均有抑制作用。2种植物提取物处理杂拟谷盗后,细胞色素P450和谷胱甘肽-S-转移酶活性被诱导升高,而羧酸酯酶活性降低。本试验结果为未来进一步开发利用这2种植物源农药防治储粮害虫提供了一定的理论基础。

基于EP-YOLO v8的瓶栽金针菇最优抓取位置定位方法

针对工厂化瓶栽金针菇自动切根过程中,夹持末端因结构设计导致行程固定,进而影响抓取效果甚至切根质量的问题,本文基于YOLO v8(You only look once)构建改进的Enoki-pick_region-YOLO v8(EP-YOLO v8),实现瓶栽金针菇整体及最佳受力区域(关键抓取区域)的精准定位与轮廓提取,保障抓取参数的可靠性。该方法在网络优化基础上,基于最小欧几里得距离(Euclidean distance,ED)构建掩膜关系归属与判断模型,明确金针菇菇体与关键抓取区域掩膜间父子关系并合并优化。通过解析合并前后关键抓取区域的相对位置编码,确定抓取参数并进行坐标转换,为建立末端控制映射模型实现末端机械手运动行程的精确控制提供基础。实验结果表明,本文所提算法的金针菇菇体掩膜识别精确率达99.3%,关键抓取区域掩膜识别精确率达99.6%。同时,对比发现掩膜质量得到了提高,获取的参数抓取区域宽度与实际宽度之间的误差仅为0.7%,抓取参数基本满足抓取条件,能有效实现最优抓取位置的精准识别与定位。

基于改进YOLOv5算法的水淹电厂检测算法研究

为能实现对电厂水淹或设备漏水等现象快速、准确的检测与识别,通过利用区域上下文信息补充特征信息,采用改进的多尺度检测部分融合浅层的位置信息,提出了一种基于改进YOLOv5的水淹电厂图像检测算法;此外,针对水淹电厂现象构建一个电厂设备的水渍渗漏数据集并使用了数据增强策略;经实验测试表明,算法在检测效果上提升明显,相比于基于原始YOLOv5算法的水淹电厂模型的平均精度均值mAP提升了5.24%,满足了工程实际需求,具有较高的实用性。

3种植物源化合物对杂拟谷盗的毒力及几种酶活性的影响

杂拟谷盗(Tribolium confusum)是一种重要的储粮害虫,为明确3种植物源化合物新狼毒素A、百里香酚和印楝素对杂拟谷盗的毒杀作用,研究了3种植物源化合物对杂拟谷盗的熏蒸和拒食作用,以及对杂拟谷盗2种靶标酶离体活性的抑制和对3种解毒酶活性的影响。结果显示,新狼毒素A、百里香酚和印楝素熏蒸杂拟谷盗24 h后,致死中浓度LC 50分别为28.366、51.009、42.201 mg/L;非选择性拒食处理杂拟谷盗5 d后的拒食中浓度AFC 50分别为6.630、2.862和0.489 mg/L。3种化合物对杂拟谷盗离体AChE和ATPase活性均有抑制作用。3种化合物处理杂拟谷盗后,细胞色素P450和GST活性被诱导升高;而CarE活性降低,表现为抑制作用。3种植物源化合物对杂拟谷盗具有一定的毒杀作用,对AChE、ATPase和CarE有抑制作用,对细胞色素P450和GST活性有诱导作用。

基因编辑在植物育种领域中的应用进展研究

基因编辑作为一种起源于20世纪80年代的新兴学科,近年来发展迅速,在各个领域呈迅猛增长态势。为探究基因编辑在植物育种中的最新进展,以及基因编辑在植物育种中的重要作用,该文分别论述基因编辑在提高植物的抗病性、改良种子品质、提高植物营养、改善植物风味和增加植物适应能力等多种方面的应用,结合国内外最新文献,介绍基因编辑在植物育种领域的最新进展。

基于复杂种植结构多情景分析的灌区多目标多水源优化配置

为改善多水源灌区农业用水供需矛盾,通过合理调整种植结构,优化灌区水资源配置,该研究以河北省邯郸市漳滏河灌区为研究对象,将农业灌溉缺水量最小和农作物经济效益最大作为目标函数,兼顾灌区生态安全约束,构建了基于种植结构优化的多目标多水源优化配置模型,针对作物熟制、作物种类、种植制度以及灌溉方式设置了8种不同的种植结构优化情景,通过自主改进的基于精英策略并协遗传算法(NSGAⅡ-S)对模型求解,获得不同情景下的水资源优化配置方案。结果表明:应用模型进行水资源配置后,各情景配水总量均有所减少,其中水库配水量高于其他水源的配水量,水库水、引黄水和引江水均达到用水总量控制目标,民有分区的各计算单元间的配水量变化明显,总配水量高于滏阳河分区;适当压减主要依靠抽取地下水灌溉的冬小麦的播种面积,变灌溉农业为旱作雨养农业,可以极大地减少地下水用量,增加灌区经济效益;最佳的种植结构优化方案为CS_(4)(削减冬小麦的种植面积,种植苜蓿,灌溉方式采取管灌或喷灌),该方案冬小麦播种面积压减17.10%,地下水开采量减少了16.42%,灌区的经济效益增加了26.41%,在保证配水总量最小的同时,具有更高的经济效益。该研究所构建的多目标多水源优化配置模型和作物配水结果可为类似地区的水资源配置提供参考。

植保无人机对水稻病虫害防治应用效果分析

植保无人机通过搭载各类传感器和作业设备,实现对农田作物的病虫害监测、识别和防治,与传统人工施药和检测方式相比,植保无人机具有作业效率高、作业范围广、作业精度高等优点,正逐渐在农业生产中发挥重要作用。该文通过对植保无人机在水稻病虫害防治中的应用效果进行综述分析,总结了现存问题,并对未来发展趋势进行展望,得到植保无人机在病虫害防治过程中具有作业效率高、施药精准、环境友好等特点,可为实现精准农业、提高农业产值提供参考。

基于改进YOLOv8和无人机遥感影像的大田烟株数量检测

植株精确计数在精准化农业中至关重要,是监测作物生长和预测产量的重要基础。针对成熟期烟草植株存在的密植、重叠和高空小目标等难题,研究提出了一种轻量级GEW-YOLOv8烟株检测算法。该算法采用GhostC2f模块减少了模型的参数和计算量,并应用高效的多尺度注意力机制来区分被遮挡的烟草植株。此外,还引入了WIoU损失函数,以加速模型收敛并提高准确性。实验结果表明,与原始模型相比,模型的效率和准确性有了显著提高,浮点运算次数减少了24.7%,模型大小减少了26.7%。改进后的模型烟草植株检测平均精度AP 0.5和AP 0.5~0.95分别为99.1%和86.2%,相较于原YOLOv8n模型分别提高了0.8%和3.6%。改进后的模型能够更快、更精确地识别田间烟草植物,为智慧烟草农业提供技术支持。

植保机械智能化技术研究现状与趋势

大田智能化植保机械是提高农药利用率、提升粮食品质、保障农业可持续发展的重要手段。为了解植保机械智能化技术的研究现状、明确未来发展方向,围绕高地隙植保机智能化作业的规模农田大尺度下的处方施药、地块级小尺度下的对靶喷药以及随速变量喷药三大主流方向,从感知、分析、决策、控制等方面,阐述了融合高精度卫星定位的处方图构建、空间坐标变换方法和处方识别的技术原理、对靶喷药技术路线及杂草识别关键技术研究水平,认为基于在线处方的高精度喷药是未来研究的重点;针对随速变量喷药的高精度测速这一关键技术,进行了4种测速模式的优缺点对比分析,随着卫星定位在农机上的广泛应用,卫星测速以其更加通用、便捷、精准将成为高精度测速的主要方式。为探究变量喷药控制的发展现状,对压力控制变量喷药和管路截流式流量控制变量喷药两种控制方式及实现方法进行了总结,从结构复杂性、实现的安全性和系统稳定性方面综合来看,管路截流式流量控制是实现变量喷药的主要方式,并从技术原理、实现过程及优化应用情况对流量控制的分段控制、脉宽调制、PID控制3种控制算法进行了论述,认为基于机器学习的PID控制将是改善流量调控性能重要方向。随着人工智能技术的不断发展,融合智能感知、分析决策和自主作业能力的植保机器人将成为植保机械未来主流的发展方向。

边坡修复中边坡类型及绿化植物对目标群落有效性的研究

【目的】研究绿化植物和受损边坡对生态修复的有效性,探索重建目标植物群落的主要依据。【方法】用AHP方法分析绿化植物和受损边坡在边坡修复中的有效性,按有效性排序选择先锋和建群种植物构建目标植物群落。【结果】受损高速公路边坡体量大,且主要分布于经济发达和人口密集区域,对环境和社会经济影响大,因此修复受损高速公路边坡见效快,且对总体目标贡献率高达50.24%;不同种及不同生活型的植物有效性差别很大,可有多种组合搭配模式,但针对目标群落应首选对修复类型最有效的植物作为绿化植物。【结论】拟以灌草型、乔灌草型和藤草型植物群落分别作为山区高速公路边坡、废弃矿山堆积坡和采石场石质边坡修复重建的目标植物群落。

基于改进YOLOv8算法的实时细粒度植物病害检测

为解决现有识别方法在植物病害检测中遇到的密集分布、不规则形态、多尺度目标类别、纹理相似性等障碍,提出一种高性能的实时细粒度植物病害检测框架。首先,在YOLOv8主干网络和颈部设计两个新的残差块,增强特征提取和降低计算成本;其次,引入DenseNet层,并使用Hard-Swish函数作为主要激活函数,以提高模型的准确性;最后,设计PANet网络,用于保留细粒度的局部信息和改善特征融合。在不同的复杂环境下,对番茄植株的四种不同病害进行检测。试验结果表明,所提改进模型在检测准确性和速度上均优于现有模型的检测模型。当检测速度为71.23 FPS时,所提改进模型精确度为92.58%,召回率为97.59%,F_(1)分数为93.64%。为精准农业自动化提供有效的技术手段。

黄山市徽州区森林植物检疫执法现状及对策

植物检疫是保护农林业生产安全和生态安全的重要工作,对于维护国家和人民利益、顺利推进生态文明建设具有重要基础性意义。本文以黄山市徽州区为例,分析森林植物检疫执法工作现状,并针对存在的问题提出相应的对策,以期做好森林植物检疫执法工作。

基于目标级联法的虚拟电厂日前调频容量计算方法

光伏、风电等清洁能源的大规模并网加重了系统调频负担,同时,微型燃气轮机、储能等调频性能稳定良好的分布式资源的接入为减小系统调频负担提供了新的思路。为此提出一种基于目标级联分析的优化调度模型,旨在通过虚拟电厂聚合分布式资源以参与调频辅助服务市场。首先,建立了配电网层和虚拟电厂层的双层优化调度模型,通过配电网协调虚拟电厂的协调互补来提高资源的利用效率;然后,虚拟电厂对内部成员进行优化调度,采用机会约束规划对调频信号不确定性进行约束;最后,通过目标级联分析法对所建立的模型进行求解,并通过仿真算例验证优化调度模型的有效性和可行性。结果表明,虚拟电厂参与调频辅助服务能够有效降低其运行成本。

火电厂节能降耗技术分析及应用

通过介绍火电厂节能降耗技术要求,分析锅炉燃烧系统改造、燃煤管理和烟气余热利用对节能和降耗的作用。结合实际情况,分析常见的火电厂节能降耗技术方案,厘清火电厂节能降耗技术并提出实现效果,为火电厂技术人员分析和实现同类技术要求提供参考。

基于同步辐射X射线荧光光谱与机器学习的非靶标金属组学预测PVC纳米塑料对水稻毒性的浓度依赖性

环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的非靶标金属组学方法,以预测聚氯乙烯纳米塑料(nPVC)对水稻的毒性。首先将水稻暴露于不同浓度(500 ng/g与500μg/g)nPVC中,培养35 d后,收集水稻叶;其次,利用SRXRF研究暴露nPVC后水稻叶中金属组的变化;然后,利用机器学习方法区分暴露不同浓度nPVC水稻样品。对SRXRF光谱进行主成分分析(PCA)非监督聚类,发现500μg/g组能够良好聚类,而500 ng/g组与对照组无明显差异,表明500 ng/g的nPVC暴露对植物的毒性远低于500μg/g nPVC。对SRXRF全光谱,利用线性模型k近邻算法(kNN)和非线性模型支持向量机(SVM)建立预测模型,区分不同组别的准确率可达94.12%。为了提升运算速度,减少模型计算量,使用竞争性自适应加权重采样算法(CARS)挑选特征光谱建立预测模型,区分不同组别的准确率为89.51%。相对全光谱模型,特征光谱预测模型虽然预测准确率下降了4.61%,但模型输入参数减少了99.38%,因此同样具有良好潜力。研究表明,基于SRXRF和机器学习的非靶标金属组学可准确预测不同浓度nPVC对水稻金属组的干扰程度,从而反映nPVC对水稻毒性的浓度依赖性。方法同样可用于预测其他微/纳米塑料毒性的浓度依赖性。

植物精油在软质奶酪防腐保鲜中的应用研究

以软质奶酪为主要原料,从中分离目标菌株,利用单因素和正交试验检测不同植物精油配方对软质奶酪的防腐保鲜作用。结果表明,由0.7%肉桂精油,0.5%罗勒精油以及0.5%玫瑰精油所构成的复配植物精油能够有效抑制软质奶酪中菌株的生长,长时间维持奶酪的特性,在4℃冷藏条件下能够将软质奶酪的保质期由15 d延长至25 d,对软质奶酪有良好的防腐保鲜能力。

大田环境下的马铃薯早疫病叶片检测和严重程度评估

马铃薯早疫病的病害严重程度监测对于马铃薯的产量影响非常重要,根据早疫病病害严重度调整农药使用,可以有效降低使用成本,避免因农药使用过量对马铃薯造成伤害。而田间病害监测设备需要轻量化模型的部署,为了解决病害评估网络因硬件计算资源有限,在田间设备上难以部署、运行速度慢等问题,实现对田间场景下的马铃薯早疫病病害严重程度的田块级评估,提出了一种针对马铃薯早疫病检测与严重度评估的模型。模型主要包括基于轻量级检测器CS-YOLO的叶片识别、结合DeepSORT跟踪算法的叶片碰线计数、以及基于BP网络对早疫病发病严重度的回归预测。试验结果表明,评估模型在马铃薯叶片(健康与早疫病)检测任务上的参数量相较于YOLOv5s减少了90.03%,准确率达到62.35%;叶片碰线计数的准确度能够达到0.686,能够较好地捕捉早疫病叶片;BP神经网络对早疫病发病严重程度的预测拟合效果较好,决定系数R^(2)达到0.81。为植保机器人在田间场景中的部署提供了一种有效的技术手段,为实现马铃薯早疫病的监测和实时评估提供了可行的解决方案。