基于跨临界CO2热泵的茶叶生产能源系统负荷削减潜力

乡村产业中的化石能源设备逐渐被电能技术替代，引起了乡村负荷波动增大、部分时段产生集中高负荷的问题。为了解决以上问题，将低品位清洁能源应用至乡村的茶叶生产中，针对烘茶全过程的工艺要求提出了跨临界CO₂热泵烘茶技术；并以某茶叶生产乡村为对象，对其代表台区的全年日用电量及产茶日负荷进行了分析，得出采用CO₂热泵烘茶后其负荷得到大幅度削减，整体可降低至原负荷的39.6%~46.8%，峰值负荷与平时负荷的比值由原本的13.6降至5.4~6.2。跨临界CO₂热泵应用至农产品生产中可有效缓解乡村供电压力。     

快速城市化流域综合径流系数确定方法比较研究

径流系数是表征流域的产水能力、反映自然地理因素对降水形成径流过程影响程度的重要参数。针对快速城市化背景下的海绵城市规划建设需求，为了寻求具有一定物理基础且较简捷快速的方法来确定区域产流，以武汉市后湖流域为研究对象，采用基于降雨径流试验的拟合函数、面积加权法和水量平衡法3种方法计算综合径流系数，并分析比较各个方法的优缺点。结果表明：(1)后湖流域3种方法计算的综合径流系数值分别为0.49,0.49和0.58;基于试验的拟合函数法计算简便，面积加权法各土地利用类型的径流系数取值主观性较大，水量平衡法具有水文学原理，适用于监测资料较充足区域。(2)降雨过程水量平衡法计算结果表明，前期影响雨量对场次径流系数有较大影响，在规划设计中应结合设计工况对应的成灾雨型、雨量、设计重现期等影响因素，优选水量平衡计算法。(3)当实测资料较为缺乏时，综合考虑排水规范中面积加权法和降雨径流试验方法可以快速得到区域综合径流系数的参考值。研究成果可为城市水资源利用和海绵城市建设提供参考。     

建筑电气设计中相关问题分析

在民用建筑电气设计中,经常会遇到一些让人感到困惑的问题,特别是在国家及行业设计规范、标准的更新替换时,设计师对于新标准、规范的理解,往往会有不同程度的偏差,导致设计过程中出现一些问题或错误.就执行GB 51348-2019《民用建筑电气设计标准》过程中收集到的几个具体问题进行分析.     

综合医院洁净手术部电气设计要点剖析

结合三级医院洁净手术部的设计实践,重点从供电电源、供电方案、配电设计、照明设计、安全接地、电气用房设计等方面,剖析洁净手术部的电气设计要点,为满足医院常态化疫情防控提供技术保障.     

巴斯夫推出基于可再生原料的增塑剂产品组合

巴斯夫已开始向PVC行业提供部分基于循环原料的增塑剂组合。对于这种新的增塑剂组合,在价值链的开始阶段,使用可再生或化学循环原料代替化石资源。替代原料根据质量平衡法分配到销售产品中。巴斯夫的生物质平衡(BMB)增塑剂基于可再生原料,名称为Hexamoll■DINCH BMB、Palatinol■N BMB、Palatinol■10-P BMB和Plastomoll■DOA BMB,使用所需数量的生物石脑油或沼气代替化石资源。这些材料来自有机废物或植物油。生物质平衡增塑剂比传统增塑剂的碳足迹更低,有助于节约化石资源。巴斯夫的质量平衡方法和BMB增塑剂都是根据REDcert2认证的。     

45 t门座起重机顶升方案设计

针对国内45 t门座起重机大车行走机构平衡梁裂缝问题。分析平衡梁裂缝产生原因并提出相应的维修方案,并对维修关键技术中的顶升方案设计,采用Ansys软件对其强度进行了有限元分析,同时对维修前后的平衡梁进行分析并对比。将维修方案应用于实际工程,取得了较好效果。该顶升机构修复方案设计符合工程实际,对工程实践具有一定的指导意义。     

电动平衡重式叉车轮胎设计特点及发展趋势

介绍电动平衡重式叉车的市场发展趋势，并根据其使用工况特点，提出电动平衡重式叉车轮胎在规格选取、负荷能力及滚动阻力等方面的设计要求，并给出相应的技术设计、花纹设计及施工设计等方面的建议。指出电动平衡重式叉车轮胎的发展方向。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。