摘要：针对现有风速预测手段有限且准确率较低的问题,文中提出了一种面向新能源发电的风机数据智能分析订正模型。该模型将风速、风向和气压等元素的历史数据作为输入,并利用改进的随机森林算法(RF)完成对重要元素的筛选,从而降低样本空间的维度。同时通过长短期记忆网络进行重要元素与风速之间内在关联关系的挖掘,实现精准的风速数据预测及订正分析。算法分析结果表明,所设计的RF-LSTM算法相较于ECMWF方案,风向误差下降了约40°,风速误差则降低了0.5 m/s以上,预测准确率显著提升。

摘要：输电走廊上的强对流天气会给电力生产、供应带来严重的威胁,从而影响居民的正常用电需求。针对此问题,研究了基于机器学习的输电走廊强对流临近预警技术。该技术选取有效反映输电走廊强对流预警的数据类型,构建数据特征并对样本数据进行预处理,再利用卷积与池化操作实现数据的特征识别。同时采用CL多小波融合方法将细节融入目标数据库以增加物理信息量,为后续预警处理提供更为准确的数据,并使用了交叉相关算法来解决图像的追踪问题。通过实际的算例分析,验证了所提算法的有效性,其预测精度可达93.64%。

摘要：强对流天气的破坏力大、预测准确率和实时性较差,且容易对电网造成严重危害,因此构建有效的电网强对流天气临近预警系统具有重要的现实意义。传统的雷达回波技术虽然能够根据云团位置的改变来推断后续天气的变化,但当云团发生融合或分裂时,其预报准确率较低。针对该方法存在的缺陷,文中使用深度学习技术对气象云图数据进行处理,其算法部分将卷积网络与长短期循环神经网络相结合,使其兼具准确性和实时性。在算法对比实验中,该算法的虚警率比卷积法以及LSTM法降低了5.2%和6.0%,说明该算法的性能较为理想。而在测试验证实验中,所提算法能够实现对1 h后强对流天气的预测,并可完成对电网的强对流临近预警,具有良好的工程应用价值。

摘要：输电线路覆冰是影响电网可靠性的重要因素,针对传统人工巡检提取数据的方法存在安全性较差且计算效率偏低的问题,文中对多源异构的相关电力气象数据进行了融合处理与分析,并提出了一种覆冰等级检测算法。该算法使用改进SVM对数据进行分类,以弥补计算冗余的不足,同时采用WOA算法对LS-SVM算法的参数加以优化,从而提高了算法的实时性和准确度。通过LSTM网络对分类后的数据进行特征提取,实现了对相关数据时序特征的分析。在实验测试中,所提算法的准确率、召回率及F1值等指标均优于对比算法,且准确率可达92.69%,证明其具有良好的运算性能,能够利用多源气象数据对输电线路的覆冰等级进行准确预测。

摘要：针对短期电力负荷进行预测时易受到不确定气象因素影响而导致预测准确率较低的问题,文中提出了一种基于气象数据融合与并行计算的电力负荷预测算法。该算法将时间和气象因子相结合来对预测的日气象数据进行关联度匹配,进而提升算法的准确率。通过对深度神经网络加以改进,并增加扩张卷积使模型具有更强的视觉野。同时结合Bi-GRU网络,利用其时序特征提取属性进一步增强算法的性能,再将算法部署至Spark并行平台以提高总体的运行效率。实验测试中,所提算法的MAPE、RMSE指标在所有对比算法中均为最优,且领先其他同类算法约0.2%和0.05,而增加运算节点后,算法的运行时间也会相应缩短,表明其具有良好的综合性能。

摘要：安全生产是保障劳动者人身安全和国家财产安全的重要方式。在电力生产过程中,需要通过有效的安全措施,确保电力作业人员的人身安全和电网设备安全,使电网系统持续、稳定地输出电能。鉴于此,文章对电力作业风险智能预警的设计与实现进行了研究,试图为之提供行之有效的可行性建议。

摘要：针对现有短期风速预测算法准确度较低且计算复杂的问题,提出了一种基于改进决策树的短期风速预测算法。该算法采用改进经验模态算法进行风电数据的预处理,以获得多个固有模态分量和残差分量。同时引入改进初始学习机选择策略、自适应学习率以及梯度拟合逼近方法,弥补了传统梯度提升决策树算法中存在的学习训练效果差、计算速度低等不足。利用改进梯度提升决策对风电数据进行特征提取与学习训练,进而实现了短期风速的精准预测。算例分析结果表明,与IEMD-GDBT和EMD-GDBT算法相比,所提算法的训练时间仅为1489.5 s,预测指标RMSE、MAE和MAPE的值分别为0.2286%、0.1827%以及2.37%,在计算速度及预测准确度方面均具有显著优势,实际风速预测误差小于1 m/s。

摘要：目的将斑蝥毒性成分斑蝥素(CTD)整合在新型纳米载体(纳米结构脂质载体,NLC)中,并优化斑蝥素纳米结构脂质载体(CTD-NLC)处方工艺,从而降低斑蝥素的毒性并增强其靶向性。方法乳化超声分散法制备CTD-NLC,建立透析法测定其包封率,以平均粒径、粒径分布(多分散指数,PDI)、Zeta电位、包封率与载药量为考察指标,采用单因素考察与星点设计-效应面法(CCD-RSM)优化CTD-NLC的处方工艺,多元二次项拟合评价指标与因素间的模型方程,对拟合方程进行方差分析,效应面法预测最优处方。结果优化后的CTD-NLC处方工艺:脂质总量为453.66mg、固体脂质与液体脂质的比例为1∶2、总稳定剂质量浓度为16.9 mg/mL、Pluronic F68与蛋黄卵磷脂(Lipoid E PC S)的比例为3.88∶1、超声30 min(工作2 s、停2 s);所制得的CTD-NLC外观为澄清透明伴有淡蓝色乳光,平均粒径为(85.99±0.49)nm,PDI为0.280±0.002,Zeta电位为(-8.21±0.24)m V,包封率为(98.57±0.05)%,载药量为(0.65±0.01)%。结论 CCD-RSM建立的拟合模型精准可靠,优化后处方制备的CTD-NLC分布集中,包封率高,物理稳定性好,为CTD-NLC的后续体内外研究奠定了制剂基础。

摘要：肿瘤已成为危害人类健康和生命的第二大疾病,化学药物治疗(简称化疗)是最基本的治疗手段,但大多数化疗药物会对正常组织造成损害。如何更高效地递送抗肿瘤药物,提高药物在肿瘤部位的浓度,增强抗肿瘤作用,同时减少其在正常组织中的分布以减少对正常组织的损伤,是生物医药研究领域的难题。为实现抗肿瘤药物的精准递送并达到增效减毒的目标,研究人员利用指数富集的配体系统进化技术(SELEX技术)筛选可特异性靶向肿瘤标志物或肿瘤细胞的核酸适配体,设计了以适配体为靶向分子(配体)的新型脂质体靶向递药系统。笔者对核酸适配体技术与常见的肿瘤标志物进行了简要介绍,并对适配体-脂质体递药系统的抗肿瘤研究进展进行了总结与分析,可为选择适宜的肿瘤标志物作为靶标以及应用核酸适配体技术研发高效低毒的抗肿瘤中药脂质体靶向制剂提供参考,同时对于促进核酸适配体技术在靶向递药系统中的应用具有重要意义。

摘要：该文设计了一种用于数据机房散热用的热管散热器,建立了数值分析模型,通过热分析软件ICEPAK,对其使用时的温度分布、流速分布进行了数值模拟分析。采用热力学理论,对其换热性能进行了计算,得出其换热功率可达900~1000W。并通过试验进行了验证。