危险化学品流域污染模拟

危险化学品的流域污染关系到社会安全的重大问题.本论文二次开发CE-QUAL-W2,得突发性流域污染模型.通过建立二维水力学模型及二维水质模型,运用数值计算方法,自动计算水力学变量,快速应急模拟危险化学品造成的流域污染.同时,作者利用收集到的信息,模拟吉林双苯厂爆炸造成的松花江的流域污染,结果基本达到迅速、直观的应急反应要求,表明模型有效.     

基于深度学习预测有机光伏电池能量转换效率

采用一种针对有机化合物提出的类语言分子描述符对哈佛清洁能源项目数据库（CEPDB）中29000个有机太阳能电池供体分子进行描述,分子将基于最近邻子图理论被分解成片段（词）,并利用广度优先搜索算法将片段排列成一定的序列（句子）,在每个片段的信息被嵌入一个数值向量后,每个分子可表示为一个信息矩阵。在此基础上,通过一个深层神经网络提取嵌入信息,并与对应材料的光电转换效率（PCE）关联,获得了决定系数（R²）为0.97、均方误差（MSE）为0.16的预测结果。与现有方法的比较表明该方法在精度上具有竞争力。在建模过程中引入注意力机制,识别出了几个对PCE值具有决定性意义的分子片段,可为有机光伏材料的逆向设计提供指导信息。     

基于本体的HAZOP因果知识描述模型

传统HAZOP分析通过专家头脑风暴的讨论形式进行,耗时耗力且无法保证分析结果完备性。针对此问题,本文在语义模型改进HAZOP分析方法的研究领域,提出一种基于本体的HAZOP因果知识描述模型。本文首先对传统HAZOP分析文本抽取共性知识,获得自然语言表述的HAZOP因果知识描述模型结构;再借助本体论的方法,通过对HAZOP因果知识中类、属性、实例的定义实现模型结构化修正;最后,使用本体开发软件Protégé将HAZOP因果知识描述模型通过OWL语言进行表示,构建了基于本体的HAZOP因果知识描述模型,可辅助人工HAZOP分析,提高人工HAZOP分析的效率,同时保障分析结果的完备性。本文以寻找储罐液位变化的致因、后果为例,对该HAZOP因果知识本体的推理过程进行验证,结果表明,该HAZOP因果知识本体可辅助人工推理分析过程,同时发掘HAZOP分析过程的浅层、深层知识,保障分析结果的深度和完备性。     

中电电气新型变压器系列产品

一半包封型SGRB系列干式配电变压器优势卖点:SGRB是根据产品的结构特点而命名的,结构上采用固体(NOMEX纸 H级浸渍漆)绝缘与气体(空气)绝缘相结合,高压线圈采用多层分段圆筒式、纵向多气道结构,采用NOMEX纸包无氧扁铜线作导体,用NOMEX纸作层间绝缘,以H级绝缘材料作端部绝缘,气道     

集成轻烃回收单元代理模型的氢气网络多目标优化

当前炼油企业氢气需求持续增长,导致炼厂成本及生产过程温室气体排放增加,炼油企业通过增设轻烃回收单元对氢气和轻烃组分进行回收利用,能有效缓解这一现状。因此,在氢气网络优化中有必要考虑轻烃回收单元。本研究提出了一种集成轻烃回收单元的氢气网络多目标数学规划模型,对轻烃回收单元采用代理模型建模方法,解决了直接嵌入严格机理模型可能导致的高计算成本问题,以总年度费用最小为优化目标,同时将系统的环境影响也纳入优化目标。实例计算表明,所提出的方法能够有效降低氢气网络的年度费用及温室气体排放,并揭示了集成轻烃回收单元的氢气网络经济性能与环境影响之间的权衡关系,为工业应用提供了一定的理论基础。     

化学工业多尺度融合的智能制造模式——互联化工

化工过程通过物质和能量的可控转化和传递来实现化工产品制备，具有多相性、非线性、非平衡、多尺度和多时空域等特性，化工行业智能制造发展的关键是实现多尺度条件下的互联协同与过程高效。一方面，化工过程多尺度互联机制的认识和调控是化工过程系统的安全可靠运行的关键；另一方面，实现化工过程多尺度下的互联、融合与协同是化工产业绿色发展的路径。鉴于此，本文提出了化学工业面向多尺度融合的智能制造模式——互联化工，给出了“互联化工”的概念、目标、特点和架构，并讨论了互联化工的相关关键技术，包括化学工业多层级的信息物理系统、云制造，以及全生命周期的安全管理技术、耦合互锁机制下的动态安全监控与决策模型、基于区块链的互联化工数据安全技术。     

数据驱动方法在化工过程故障诊断中的研究进展

数据驱动方法是一种黑箱模型,具有自主挖掘和构建数据内在关系的优点。随着感知设备的发展和计算能力的提升,数据驱动方法在化工过程故障诊断的研究领域体现出了更大的优势。本文介绍了各类数据驱动方法的原理和作用,并分析了其各自的优缺点与实际应用方向,总结得出深度学习和集成学习是数据驱动方法未来研究重点。同时,本文回顾了近五年来国内外数据驱动方法在化工过程故障诊断中的研究与应用,综合分析了现阶段该领域的研究情况,表明将多种数据驱动方法进行组合来解决化工过程问题的思路具有一定的有效性。并进一步给出了关于数据异常、时间滞后等问题的研究方向。最后,本文建议更多地从方法的机理出发对方法进行研究和优化,在未来的研究思考中应更着重于实用性和时效性。     

基于随机森林的不可靠数据化工过程故障诊断方法

针对化工过程的监测数据存在数据缺失、漂移和卡死等不可靠现象可能严重影响故障诊断的准确性问题,提出了一种基于随机森林(RF)的故障诊断方法。利用训练集对RF分类器进行训练和调优,得到最优的RF分类器模型,确定决策树数量和随机属性个数,最后将存在不可靠变量的测试集数据输入RF分类器模型,利用随机森林方法的强抗干扰能力,实现对存在不可靠数据的化工过程进行诊断。将该方法应用到田纳西-伊斯曼(TE)过程的故障诊断,并与反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和深度信念网络(DBN)方法相比,结果表明,基于RF的故障诊断方法能在数据不可靠的条件下,更加有效地检测并识别故障类型,在实际工业环境的应用中具有一定的优越性。     

化工过程混合故障诊断系统的应用

故障诊断是保障化工过程安全、平稳进行的一个重要工具。主成分分析法(PCA)作为典型的故障诊断方法,已经广泛应用于各类化工过程的故障诊断,但在复杂过程的故障类别判断上还存在不足。而人工免疫系统对于自我-非我的识别能力有助于对故障类别的判断,并且其良好的自适应、自学习能力,有助于在诊断过程中对系统的完善和改进。本文将主成分分析法与人工免疫系统结合,建立了一个新的混合故障诊断系统,实现对于化工过程故障的早期诊断,并用Honeywell公司的UniSim平台建立了一个动态的化工过程模型,对该诊断系统进行了验证。     

适用可再生能源不确定特性的合成氨多稳态柔性工艺技术

双碳背景下,风光可再生能源发电是能源发展的重要方向,“绿氢”由于其长周期存储和零碳特征,可以有效解决风光电力消纳的难题,有望与电能一同成为未来能源体系的两大支柱。但是由于氢气自身特性和氢脆造成的材料瓶颈,“绿氢”发展遇到制储运多环节安全性与经济性挑战。绿电制氢制氨的“电制绿氨”路径被认为是解决“绿电”“绿氢”技术经济困局的重要途径之一。针对风光资源的不确定性,分析了基于合成氨“哈-博”工艺多种解决方案的优劣,提出了多稳态柔性“电制绿氨”工艺模式以解决“源网氢氨”复杂技术特征耦合下的设计、装置和运行问题;研究了多稳态柔性“电制绿氨”工艺的系统性技术架构、整定经济运行负荷与运行周期的最优化方法;开发了电氢氨一体化数字仿真模型,计及电力约束、资源波动、氢氨需求、系统运行效率和可靠性等因素,对全场景、全流程下的“电制绿氨”进行协同优化,形成了一套面向动态运行的绿电耦合化工的设计方法;研究了催化剂结构性能调优与合成塔内件结构的优化方法,开发了复杂变工况条件的催化剂宏观动力学模型,以及电氢氨一体化协同调度与智能控制技术。多稳态柔性“电制绿氨”工艺实现了合成氨经济运行负荷在30%～110%,负荷调节...