分布式多元随机动态场景生成及快速精准场景降维算法

高比例新能源及多源耦合是电力系统发展的重要特征,这也为系统稳定经济运行提出了新挑战。该文以园区型多能系统为对象,研究了分布式多元随机动态场景分析,从多时空角度有效量化不确定因素给系统造成的影响,可为系统灵活重构、多维度协同运行与决策提供有力模型与场景支撑。首先由预测误差驱动拟合多元功率预测误差概率分布,全面反映随机功率出力信息,提高模型泛化性;以时序相关范围参数为数据驱动关联变量,高效动态控制波动强度;最终场景生成利用逆变换映射思想保证置信度。然后针对典型场景提取,提出一种综合递归聚类思想的多段嵌套削减算法,结合改进Wasserstein距离指标,兼具准确、时效、稳定方面的优势。最后由对比实验论证该方法的前沿有效性。     

隔热保温防磨油管下入深度确定方法

隔热保温防磨油管广泛应用于高凝原油开采,但其价格昂贵,准确计算其在油井的下入深度既可以实现保温效果的最大化,又能够有效控制材料成本,提高高凝、高含蜡油井开采效益。为此,以某隔热保温防磨油管为例,依据质量守恒定律、动量守恒定律和能量守恒定律,将油井产液看作气液两相流,建立了油井井筒温度场控制模型和井筒传热模型,开展了隔热保温防磨油管下入深度研究。通过对比多种计算方法,得到计算结果与现场实际很接近的迭代求解数值方法,保证了模型的收敛和稳定。B-2D井的应用结果表明:模型计算结果与生产现场测试结果相对误差为2. 12%; 30余口油井应用后平均节约225 m保温隔热防偏磨油管,平均井口温度提高18. 3℃,油井井口回压平均降低0. 42 MPa。建立的油井井筒温度场控制模型和井筒传热模型不仅可用于自喷井保温油管的下入深度计算,也可以为水合物形成、注氮气或注蒸汽工艺参数设计提供依据。     

退火炉内罩中气体流动及钢卷传热的数值模拟

摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。     

支撑裂缝导流能力的影响因素分析

本文通过调研国内外大量有关文献,总结出影响支撑裂缝导流能力的各种因素,对评价支撑剂性能提供参考。     

立筒仓保护与再利用对策研究

研究梳理总结了作为保护与再利用研究背景的立筒仓发展概况;进而,按功能、高度与内径比、结构材料、平面形式等对立筒仓进行了类型划分,并选取应用最广泛且遗存数量最多的高立筒仓作为"典型立筒仓"进行形体构成特征解析;进而,分析了立筒仓结构特征与改造难点;在此基础上,结合立筒仓再利用具体案例分析,从"功能演替"、"空间更新"和"表皮再生"三个层面,分别探讨了立筒仓保护与再利用的6种功能演替模式、4类空间更新模式和8种表皮再生方法。最后,提出深入开展立筒仓保护与再利用研究的框架。     

月桂酸改性氧化锌纳米颗粒的Pickering乳化性能研究

研究了不同程度月桂酸表面改性氧化锌纳米颗粒的Pickering乳化性能。通过调节月桂酸用量来改变氧化锌纳米颗粒表面亲疏水性(接触角θ),并探讨了不同接触角氧化锌纳米颗粒稳定的Pickering乳液的乳滴粒径、相转变及稳定性变化规律。结果表明,部分亲水的氧化锌纳米颗粒稳定(三相接触角40°～60°)的O/W型乳液具有最小的液滴尺寸和最优的稳定性。在最优条件下利用Pickering乳液聚合法制备了表面负载氧化锌纳米颗粒的有机硅弹性微球,粒径为5～20μm。     

预埋钢带止水内撑精确定位技术——以厦门市洪钟大道市政综合管廊为例

城市地下综合管廊集各种工程管线于一体,设有专门的检修口、吊装口和监测系统,是保障城市运行的重要基础设施和“生命线”。对于地下管廊中的结构部分,本文结合厦门市翔安区洪钟大道项目海绵城市改造工程的施工实践,预埋钢板定位采用止水内撑进行定位,可将预埋钢板定位误差控制在5mm内,且止水内撑中间设置止水钢板,加强结构防水性能,为类似工程的施工提供经验参考。