融合多元影响因素的配电台区BiLSTM负荷预测方法

配电台区负荷预测是保障电力供需平衡的关键,对电力系统的安全预警、应急维护和经济运行具有重要的指导作用．受多种耦合因素影响,面向台区负荷的中短期常规预测方法存在较大的局限性．为提高台区负荷预测方法的泛化能力,提出一种基于双向长短期记忆网络(bidirectionallongshort-termmemory,BiLSTM),并引入要素主成分分析(principalcomponentanalysis,PCA)和用电行为分析的中短期日负荷预测模型．首先,基于PCA方法提取预选的影响用电负荷外在因素的主成分,实现对包含冗余、缺失和异常信息的输入变量的降维和修正;其次,依据历史负荷数据,利用基于遗传算法(geneticalgorithm,GA)的模糊C均值(fuzzyC-means,FCM)聚类提取台区内不同用户的用电行为特征并依此划分台区内的用户集合,降低用电行为差异对预测结果的影响;然后,搭建每类用户的BiLSTM预测模型,并应用随机权重平均(stochasticweightaveraging,SWA)算法提升预测模型的泛化能力,以年为单位预测日负荷电量;最后,将每类用户的负荷预测数据进行线性...     

一类半线性抛物型方程的解熄灭现象

本文给出了一类半线性抛物型方程初边值问题解熄灭的充分和必要条件。     

Fe（phen）3^2＋光度法测定辉光放电等离子体中产生的羟基自由基

采用Fe(phen)32 光度法测定了辉光放电电解过程中产生的羟基自由基(.OH),考察了本方法的可行性及工作电压、溶液电导率和初始pH对.OH生成浓度的影响.结果表明,在电压为560 V,溶液电导率为4.500 mS/cm,初始pH=3.20的情况下,在盐桥装置中60 min内捕获到.OH的浓度约为1.01×10-4mol/L.     

水稻沼肥栽培试验初探

在贵州省贵阳市息烽县西山乡柏香山村进行了以沼渣作底肥、沼液浸种、沼液叶面喷施3种因素,8个处理的试验。试验结果表明:1)沼液浸种具有明显的催芽、壮苗和增产作用。出苗率、平均绿叶片数、平均枯死叶片、秧苗平均白根数、苗高分别比常规浸种高7.3个百分点、多0.33片、少0.13片、多0.59条、高0.31 cm。2)沼液的叶面喷施对稻瘟病、纹枯病、稻曲病、二化螟等病虫害的防止有一定的效果。3)大区设置的沼液浸种种植比常规浸种略有增产,但增产效果不明显;沼液叶面喷施两次比不喷施沼液新增产量24.7kg/666.7m2,增产6.33%。     

木瓜脂肪酶催化洛芬类药物的酶促拆分

利用木瓜脂肪酶(CPL)作为催化剂对布洛芬类药物进行手性拆分,建立了底物布洛芬、布洛芬乙酯及其他洛芬类底物的手性检测方法,重点研究了拆分过程中反应温度、有机溶剂、底物结构对拆分效果的影响,并结合动力学分析揭示了木瓜脂肪酶催化手性拆分的分子基础。动力学分析表明对同一底物的不同构型而言,反应速率常数k2S及k2R的差异是木瓜脂肪酶具有手性拆分能力的基础,而不是由于酶对不同构型的底物具有不同的Km值;对一系列化合物的拆分结果表明2-芳基丙酸类手性化合物2位上空间位阻较大的底物比空间位阻小的化合物具有更好的拆分效果。实验表明CPL对洛芬类底物均具有拆分能力,对萘普生的拆分效果最好,经过30h的反应转化率达到49%,反应的对映体选择值(E值)为173。     

耦合器对掺铒光纤放大器增益谱的修正及模拟

根据陷波滤波器均衡法的原理，用光无源器件耦合器来修正掺铒光纤放大器增益谱线的不平坦，并探索出一种可以方便快捷地得到耦合器相关参数的方法。利用该方法可以对任何一个掺铒光纤放大器的增益谱进行优化设计，从而得到耦合器的相关参数，使得通过耦合器后的掺铒光纤放大器增益谱线的起伏小于给定阈值。     

MDEA溶液吸收烟气中CO_2的实验研究

在N-甲基二乙醇胺(MDEA)溶液吸收CO2反应机理的指导下,探讨了MDEA溶液浓度、反应温度和进气总流量对工业烟气中CO2吸收速率及吸收容量的影响。结果表明,当醇胺溶液浓度为0.03 mol/L,进气总流量为46.6 mL/min,温度为22℃时,吸收效果最佳,可达最大吸收速率0.43 mmol/s,吸收容量为16.05 mmol/mL,为动态法吸收CO2提供一定理论依据。     

支持CAD的图形自动输入系统

如何使图形自动输入计算机，已成为一个急待解决的问题。本文介绍图形自动输入系统的基本结构与工作原理，以及有关实际应用的主要技术问题。     

粒子群优化算法在计算低压试验电路功率因数的应用

将粒子群优化算法应用于求解低压试验电路参数和全电路功率因数.与遗传算法比较,它简单易操作,无需繁琐的运算也不需要调整很多参数,适合在工程中应用.首先介绍这种算法的方法和策略,然后将它应用于求解低压试验电路的参数和功率因数,计算结果能满足实际工程的要求.     

用于癌症分类的随机子空间半监督维数约减

精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.