关于降低变压器损耗的几点探讨

本文详细论述了降低变压器运行损耗的原理和措施，导出了相关公式，并给出了一些降损节电的实例。     

氧同位素标准样品的研制

使用高纯同位素物质精确配制同位素混合物,作为标准物,确定质谱仪器的系统误差。本工作用天然丰度水定量稀释高浓重氧水,制取从0.1982至96.92原子％~(18)O的氧同位素标准水样,用来校准质谱仪器。 实验采用BrF_5将水样转化成O_2。用质谱峰高法测定(18)~O和(17)~O丰度。比较质谱测定值和计算得到的丰度值C,求出质谱仪固有偏差校正系数K、并得到K与C的线性相关关系。 共得到16个具有准确丰度值的氧同位素标准水样。     

能耗率极值原理和重力理论交互作用下粗质颗粒的浓度垂线分布

本文同时运用能耗率极值原理和重力理论研究了固液两相流在粗质颗粒时固相浓度的垂线分布,通过探讨能耗率极值原理对“非单向性”作用问题,进一步揭示了两相流运动的机理。计算结果与实测数据有较好的吻合。其研究方法、原理、步骤也极易推广到其它各种粒径的固相。     

通讯基站分离式热管换热器的传热性能实验研究

通讯基站面临散热不均、散热系统能耗高等问题。分离式热管换热器能替代机房内空调的使用,有效减少基站散热系统能耗。分离式热管换热器传热性能的影响因素有充液率、工质类型和风量等。为了研究不同因素对换热性能的影响,通过理论计算对比分析了理论充液率和实际充液率的差异;搭建实验平台研究了不同充液率下换热器的传热性能变化规律,不同高、中温工质下换热器性能的差异以及室内外风机功率的改变对换热器性能的影响规律。研究发现：使用工质R134a时,最小充液率理论值和实际值的误差为4.74%,换热器最优充液率范围为27.1%～47.9%,且最佳充液率为31.6%,最佳充液率下换热器当量换热系数为909 W/℃;随着充液率的提升,换热器内部相变区域先增大后减小,传热形式由气态工质显热传热为主先变为工质相变潜热传热为主,而后变成液态工质显热传热为主;高温工质不适用于该分离式热管换热器,使用高温工质时,换热器内部无明显相变区域,换热器使用的工质沸点越低,相变区域越大,换热器性能越好,其最佳充液率范围也越大;随着室内、外风机功率增大,换热器性能均先迅速提升而后提升速率减缓,但蒸发器侧由于散热条件较差,提升内风机功率对系...     

QuEChERS-气相色谱串联质谱法测定茶叶中甲氧滴滴涕残留量

基于一种QuEChERS结合气相色谱串联质谱的方法,测定茶叶中甲氧滴滴涕的残留量,样品中甲氧滴滴涕采用QuEChERS(quick, easy, cheap, effective, rugged, safe)前处理方法,用乙腈提取,试剂盒净化,动态多反映监测(DMRM)扫描,内标法以及基质匹配校准曲线精准定量,在0.01～0.20μg/mL线性范围内,相关系数值R²=0.99902,精密度(RSD)在2.0%～7.9%之间,回收率在80.2%～90.1%之间。该方法省时省力,重现性好,线性范围宽,具有良好的灵敏度和准确度,适用于茶叶中农药多残留的检测分析。     

基于计算流体力学的体育馆风驱雨环境数值模拟分析

实际大气边界层近地面风驱雨效应会影响开敞体育场建筑外立面挡雨设计和观众看台舒适性,在方案设计阶段应用计算流体力学技术可以为该类建筑挡雨设计提供分析支撑。采用欧拉-欧拉多相流计算模型,针对实际开敞大跨悬挑体育场馆建筑开展了风雨环境三维数值模拟分析,重点研究了不同等级风力和主导风向对悬挑屋盖建筑外立面风驱雨强度特征影响,分析了不同粒径雨滴风驱雨作用下观众看台区域的等效覆雨面积指标。研究表明,考虑风驱雨作用后体育场馆看台区域的雨滴捕获率可达到1.2,超过仅考虑垂直降雨的雨滴捕获率;风向和风力等级对体育场馆观众看台的风驱雨强度分布规律影响较大,而降雨强度对观众看台位置的单位降雨量雨滴捕获率影响较小;建议在方案设计阶段通过风驱雨数值分析方法评估主导风向风速下建筑风驱雨强度,同时评估最不利风向的建筑遭受的整体单位时间降水量。研究可为同类型体育场馆建筑抗风雨设计提供相关技术参考。     

基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

四硝基酞菁合钴化学修饰电极的制备及对氧的电催化还原

合成了4,4′,4″,4″′—四硝基酞菁合钴(Ⅱ),并进行了表征,用不可逆吸附法制备了该化合物为修饰物的化学修饰电极,以光电子能谱法进行了表面表征。并研究了分子氧在该化学修饰电极上的电化学行为,发现该化学修饰电极对氧的还原有明显的电催化作用。