超高效液相色谱-串联质谱法检测白酒中9种甜味剂含量

目的建立超高效液相色谱-串联质谱法(ultraperformanceliquidchromatography-tandemmass spectrometry, UPLC-MS/MS)同时检测白酒中爱德万甜、甜菊糖苷等9种甜味剂的分析方法。方法白酒样品经水浴加热除去乙醇、定容、过0.22μm滤膜后,采用体积分数0.1%甲酸水溶液和纯甲醇作为流动相进行梯度洗脱,色谱柱选用迪马Endeavorsil C_(18) (100 mm×2.1 mm, 1.8μm)色谱柱,质谱(ESI+、ESI-)采用多反应监测模式(multiple response monitoring, MRM),对9种甜味剂的定量、定性离子进行检测。结果本方法在10 min内可完成9种目标化合物的分离分析。9种甜味剂分别根据检出限在20、50、100、500μg/L等2个添加水平的回收率范围为84.8%～102.4%,相对标准偏差范围3.6%～8.3%(n=6),各个甜味剂组分方法定量限范围1.0～15μg/kg。结论该方法简单快、快速、结果准确、灵敏度高,适合测定白酒中爱德万甜、甜菊糖苷等9种甜味剂。     

计及含光伏发电配电网故障的特征提取方法

基于信息熵理论和变分模态分解理论,提出一种熵-变分模态分量相结合(Entropy-VariationalModeDecom- position,E-VMD)的故障特征提取方法.首先通过含光伏发电的配电网仿真模型获取故障数据,挖掘数据的时域频 域特征,利用VMD对原始信号分解重建出K 个不同的频带分量,将采集到的故障信号通过分解重构放大故障特征, 然后在不同频带上基于信息熵等其他特征进行故障特征提取并构建矩阵.通过分析不同故障类型下的信号分解图,证 明该方法能够有效地进行特征提取.     

含光伏电源配电网故障的智能辨识方法研究

在光伏电源接入配电网后，由于光伏发电的不确定性、间歇性、波动性增加了配电网故障的辨识难度。针对此问题，提出一种熵-变分模态分量与神经网络改进ResNet模型相结合的方法。首先搭建含光伏电源配电网PSCAD仿真模型，获取不同复杂故障情景下的批量数据。其次，利用熵-变分模态(E-VMD)方法重构样本的特征矩阵，再采用改进残差网络进一步挖掘故障样本的隐含特征，然后通过模型的训练与测试。与其他文献模型的分类效果对比，改进ResNet模型故障类型识别的准确率平均达到99.95%,故障馈线识别的准确率达到99.75%,且具有良好的鲁棒性，可以有效地实现含光伏电源配电网故障的快速辨识。     

超高效液相色谱法同时测定食用植物油中的4种植物甾醇

目的建立超高效液相色谱(UPLC)法测定食用植物油中4种植物甾醇(菜籽甾醇、豆甾醇、菜油甾醇、β-谷甾醇)的方法。方法食用植物油样品经皂化后,用冰醋酸调节p H=6.0~7.5,乙醇定容后冷冻离心,取上清液测定。采用Endoavorsil C_(18)(100 mm×2.1 mm,1.8μm)色谱柱,以甲醇作为流动相等度洗脱,使用二极管阵列检测器在波长205 nm下进行检测。结果方法的线性范围:β-谷甾醇、豆甾醇、菜籽甾醇为20~200μg/ml;菜油甾醇为10~100μg/ml,相关系数r均大于0.999 9。方法检出限(S/N=3):菜籽甾醇、豆甾醇、菜油甾醇、β-谷甾醇分别为23.2、18.8、18.6、23.8μg/g;定量限(S/N=10)分别为77.5、62.8、62.2、79.4μg/g;4种组分按高、中、低3个浓度水平加标回收率为84.7%~100.7%,相对标准偏差RSD(n=6)均3%。结论本方法简便稳定,准确灵敏,适用于食用植物油中4种主要植物甾醇的同时测定。