摘要：互联网的进步促进了数字化管理技术的发展,尤其是在目前的物联网时代,传统的数字化管理平台已经不符合目前管理的需求,因此需要设计新的电网数字化管理平台。硬件部分设计了GPS定位器和GIS通信光缆,软件部分首先采集处理了电网管理数据,其次设计了电网主站端管理功能,最后基于物联网构建了综合管理模块。进行平台测试证明:设计的电网数字化管理平台在大量数据情况下依然能进行有效管理,因此平台性能良好,有一定的应用价值,可以为电力企业管理提供参考。

摘要：预制装配式建造技术在建筑行业中占有越来越重要的位置。文章阐述了一种不出筋式预制外墙板施工工艺技术,利用科学、合理的工艺来消除技术、管理方面的问题,以期提高预制装配式技术的综合效益。

摘要：随着城市的发展,堤岸建设占地多、征地拆迁难度大、投资高、不易实施等问题日益突出,传统堤岸形式已难以解决上述问题。为此,本文以东莞市东引运河堤防设计为例,采用双排桩的结构形式,相较与其他形式的堤岸,占地范围小、节省投资、施工方便,适用于各种地质基础,可为类似城市堤岸设计提供借鉴。

摘要：大望梧桐山片区位于深圳市罗湖区,地处深圳水库东岸、梧桐山西南侧。该片区采用合流制排水系统,污水排至埔地吓污水处理厂。片区排水设施存在严重的历史欠账,突出表现为两点。一是大望片区雨水与污水未分流,雨天时导致污水处理厂进水浓度偏低、承接水量超出设计规模。二是梧桐山片区雨天存在大量混流污水直排入河现象,对深圳水库水质产生严重威胁。本文结合片区排水系统现状,明确设计思路,实施正本清源、干管完善两类工程措施,以期优化片区排水系统,缓解污水处理厂处理压力,削减污染物排放量,提高防洪排涝标准,实现“河畅、水清、岸绿、景美”的工程目标。

摘要：碳捕集、利用与封存(CCUS)技术有望助力化石能源利用的近零排放,受到国际社会的广泛重视。为了评估CCUS在实现低碳制氢工艺中的潜力,本文梳理了CCUS技术的发展现状,通过对中国低碳制氢路径的分析,评估了CCUS耦合低碳制氢的减排潜力及市场竞争力,同时对低碳制氢耦合CO_(2)实现碳减排进行分析,归纳汇总了基于CO_(2)与氢气耦合新思路的CO_(2)捕获-转化一体化项目发展情况,为未来相关研究提供借鉴和参考。综上,CCUS技术对于保障我国低碳可持续发展的潜力巨大,促进CCUS耦合制氢发展对于实现大气环境治理和助力实现碳中和目标具有重要意义。

摘要：本文根据自升式平台结构特点以及换流站电气布置要求和性能指标,对自升式换流站平台的布置方案进行分析。根据自升式换流站荷载配置要求以及系统特点,利用复合和集成的布局法则,对换流站平台的舱室、主结构、重要设备、辅助系统等进行科学的规划布置。本文理清平台的作业流程和各个系统之间的逻辑关系,结合重量分布合理、经济性最优,考虑分舱设计和稳性分析,推荐了一套总体可行布置方案。本文提供的布置方案可作为100万kW容量换流站的参考。

摘要：本文讲述机器学习通过计算信息增益值降低特征维数,选择云用户隐性反馈信息特征,利用筛选后的特征构建特征子集,进而通过反馈信息文本来处理,统计每个特征项的文本频率,识别筛选反馈信息,实现对云用户隐性反馈信息的分类.

摘要：海底电缆在铺设的过程中受到海洋环境荷载的影响。为了保证海缆铺设作业的安全,需要对海缆铺设过程进行准确的受力分析,以确定可以接受的作业海况。基于OrcaFlex软件,建立了海底电缆铺设分析的“铺缆船 海缆 海床”耦合动力分析模型,并分析了海底电缆在海洋环境荷载作用下的动力响应。结果表明,海洋动力环境荷载对海底电缆的轴向拉力影响显著,且随着波高的不断增大,海缆轴向拉力呈非线性增长。在进行海缆铺设作业时,应重点关注,控制作业窗口。研究验证了海底电缆铺设作业数值模拟方法高效可行,研究方法和结果可为我国海底电缆的铺设分析工作提供参考。

摘要：氢能源是一种环保型能源,氢储能系统是远距离输送、存储氢能源的系统。为实现“碳达峰、碳中和”的双碳目标,缓解我国电力行业的减碳压力,氢储能系统关键技术将发挥重要作用。因此,本文基于氢储能技术,对氢储能系统中的关键技术展开分析,随后结合电力领域,着重分析了氢储能在电力行业的应用。通过研究可知,氢储能系统可满足电力行业供电需求,使其在配电、供电过程中顺利应用清洁能源,为双碳目标的实现提供助力。

摘要：网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络(SDN)架构,利用高阶图卷积网络(GCN)获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元(GRU)获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。