摘要：介绍了真空预压法软基加固的机理,重点探讨聚氯乙烯(PVC)复合土工膜在真空预压加固区作为防渗材料的设计,结合了珠海市西区海堤达标加固工程低位真空预压技术实例进行了论证,通过防渗系统稳定计算分析,与同行共勉。

摘要：对2017年危险化学品企业发生事故的原因进行简要分析,根据分析并结合实际从法规政策、人员管理、教育培训、应急处置等方面提出合理化建议。

摘要：为提升风电机组超短期功率预测的准确性,文章提出了一种考虑风电机组健康状况与双重注意力机制CNN-BiLSTM的超短期功率预测模型。首先,综合考虑环境因素与风电机组各子部件的相互作用对风电机组输出功率的影响,将风电机组各个子部件正常运行时的相对误差作为监测指标的劣化度;然后,采用模糊综合评价法对风电机组健康状况进行评估,根据评估结果对其历史数据集进行健康状况划分;最后,采用双重注意力机制CNN-BiLSTM模型对分类后的数据集构建超短期功率预测模型。实验结果表明,在风电机组功率预测过程中,相较于未考虑机组健康状况,考虑机组健康状况的均方根误差(RMSE)和平均绝对误差(MAE)分别降低了17.3%和20.5%。

摘要：为解决首钢京唐公司二期投产的碱性球团生产线及烟气脱硫对石灰的需求,需配套建设63万t/a的石灰窑。根据设计基本条件进行分析,确定了建设3座使用高炉煤气的600 t/d TGS中心烧嘴窑,经过10个月的建设,3座窑交付使用。从投产后情况来看,产量、质量、消耗和污染物排放等指标均达到了设计要求,满足了二期投产的生产线对石灰的需求。

摘要：针对风电历史信息运用不充分和未充分挖掘机器学习模型潜力的问题,提出一种特征奇异谱分析和模型误差修正的超短期功率预测。首先,利用随机森林分析不同特征对输出功率的影响程度,并利用累积贡献率进行特征提取。其次,通过改进的Cao算法确定奇异谱分析最佳嵌入维数,对提取的特征实现降噪处理,从而构建风电功率预测模型。最后,利用预测值与真实值的误差构建误差预测模型,通过预测的误差来修正功率预测的结果。以国内某小型风电场算例结果表明,所提方法较卷积神经网络-长短期记忆(CNN-LSTM)预测模型均方根误差(RSME)和均方误差(MSE)分别降低45%和53%,验证了所提模型的有效性。

摘要：随着风电在电力系统中的占比逐步提高,风电功率的精确预测对电力系统的安全稳定运行具有重要意义。然而,风电的随机性和间歇性极大地影响其功率的精确预测。为此,提出二次分解组合长短期记忆(LSTM)的短期风电功率预测模型。首先,采用经验模态分解(EMD)技术将原始风电序列分解为若干固有模态分量;再采用样本熵(SE)技术将各分量重组为高、中、低频3个序列,针对高频模态混叠再次采用麻雀搜索算法-变分模态分解(SSA-VMD)二次分解技术;最后,采用SSA算法对LSTM的参数进行寻优并完成风电功率预测。以湖北省某风电场对所提模型进行验证,并与其他模型进行对比。结果表明,所提模型的平均绝对误差(MAE)为5.79 kW,均方根误差(RMSE)为5.64 kW,平均百分比误差(MAPE)为17.38%,具有更好的预测精度。