新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種燃煤運輸帶分布式降塵控制系統(tǒng)，包括:上 位機，用于實時監(jiān)控現(xiàn)場設(shè)備運轉(zhuǎn)情況;采用可編程控制器處理由串 行總線傳送回的現(xiàn)場數(shù)據(jù)并向遠(yuǎn)程 I/O 模塊發(fā)送相應(yīng)指令，同時通過 串行總線與上位機進(jìn)行通訊;使用遠(yuǎn)程 I/O 模塊采集運輸帶煤流信號 和犁煤器犁刀升降等信號，通過串行總線實時傳輸至可編程控制器， 并接收可編程控制器發(fā)出的相應(yīng)指令信號，打開和關(guān)閉防爆高壓電磁 閥，以啟停高壓細(xì)水霧噴霧;防爆高壓電磁閥用于啟閉高壓水進(jìn)入高 壓細(xì)水霧噴嘴的流道;高壓

1.痛點問題 電動汽車在未來將大規(guī)模接入電網(wǎng)。在居民小區(qū)與公共慢充站等場景下，優(yōu)化已接入電動汽車充電功率可實現(xiàn)削峰填谷、提高新能源滲透率和改善電壓水平。由于單輛電動汽車充電功率、電池容量過小，需要在電動汽車調(diào)度環(huán)節(jié)中引入集群代理作為中間商管理大型充電站或者同一供電區(qū)內(nèi)的電動汽車集群，并以此為單位參與電網(wǎng)調(diào)度。在獲得電網(wǎng)下發(fā)的集群調(diào)度結(jié)果后，集群代理通過優(yōu)化內(nèi)部電動汽車的充電功率，使所有電動汽車的總充電功率盡可能逼近理想曲線，從而使各電動汽車以對電網(wǎng)有利的方式充電。目前，該問題多采用集中優(yōu)化方案，需要各輛電動汽車向集群代理傳遞自身信息，當(dāng)集群規(guī)模較大時，大量數(shù)據(jù)的存儲和處理將占用較多資源，計算時間也較長，也和電動汽車的自治性不符。但采用分散優(yōu)化方案時算法設(shè)計不當(dāng)，分散優(yōu)化算法結(jié)果有可能只是次優(yōu)解甚至不可行。 另一方面，未來公共快充站的普及和車輛充電功率等級的提升將給電網(wǎng)運行帶來新的挑戰(zhàn)和機遇：一方面，公共充電站快充負(fù)荷的天然不確定性疊加上車輛大功率快充模式，使得部分充電站的充電負(fù)荷具有功率大、間歇性和波動性強等特點；如果不對這些公共充電站的快充負(fù)荷做合理調(diào)控，可能導(dǎo)致配網(wǎng)部分電壓越限、電能質(zhì)量惡化、甚至設(shè)備過載等問題；另一方面，電動汽車具有空間移動特性，在充電導(dǎo)航下，起到優(yōu)化電網(wǎng)潮流分布、促進(jìn)新能源發(fā)電消納、維持配網(wǎng)節(jié)點電壓水平、實現(xiàn)電網(wǎng)安全經(jīng)濟運行等目標(biāo)。目前，電動汽車導(dǎo)航多局限于簡單的車輛路徑規(guī)劃問題，缺乏對交通-電力信息的綜合考慮，無法實現(xiàn)電力-交通融合網(wǎng)絡(luò)的協(xié)同優(yōu)化，且在導(dǎo)航過程中對用戶隱私的保護不足。 2.解決方案 面向已接入充電的車輛，本項目提出一種對集群內(nèi)多輛電動汽車充電行為進(jìn)行分布式優(yōu)化的方法，屬于電力系統(tǒng)運行和控制技術(shù)領(lǐng)域。該方法采用停車場或者小區(qū)側(cè)的控制器作為優(yōu)化計算中的協(xié)調(diào)器，為各個汽車上的子控制器提供協(xié)調(diào)信息，子控制器根據(jù)這些協(xié)調(diào)信息優(yōu)化自身的充電功率曲線，并將信息反饋回協(xié)調(diào)器；如此進(jìn)行迭代計算：首先由各汽車的子控制器初始化一個滿足自身充電要求的初始曲線，作為迭代的開始步驟；每一步迭代過后，協(xié)調(diào)器將會得到各個電動汽車改進(jìn)后的充電功率，等迭代收斂得到的各個電動汽車的充電功率下發(fā)給子控制器。本方法所得到的充電方案將實現(xiàn)對理想曲線的最優(yōu)逼近。該成果既適應(yīng)汽車的物理分布特性，同時又有較高的計算效率。 面向未接入充電的車輛，本項目提出了一種基于智能交通系統(tǒng)的電動汽車充電路徑規(guī)劃方法，綜合考慮了交通狀況和電網(wǎng)狀態(tài)。該方法基于智能交通系統(tǒng)實現(xiàn)，包含四個模塊：電力系統(tǒng)控制中心、智能交通中心、充電站和電動汽車終端。電力系統(tǒng)控制中心根據(jù)電網(wǎng)數(shù)據(jù)計算可用充電容量和充電站充電容量，并將結(jié)果傳輸至充電站。充電站確定其充電計劃，估計未來電動汽車的可用充電功率，并將這些數(shù)據(jù)傳輸至智能交通中心。在從智能交通中心接收可用充電功率數(shù)據(jù)和交通數(shù)據(jù)后，電動汽車終端估計不同站點的總充電時間，包括駕駛時間、等待時間和充電時間。駕駛員可以查看這些結(jié)果，并選擇導(dǎo)航至與最小總充電時間相對應(yīng)的充電站。 合作需求 本項目擬應(yīng)用于新能源汽車充電管理與新能源汽車充電導(dǎo)航場景。針對已接入充電的車輛，以集群形式參與電網(wǎng)調(diào)度，收到電網(wǎng)下發(fā)的集群優(yōu)化充電調(diào)度指令后，集群代理需優(yōu)化集群內(nèi)的電動汽車充電功率以追蹤電網(wǎng)指令，從而降低車輛用戶的充電費用。針對未接入充電的車輛，為電動汽車車主提供一條最佳充電路徑，節(jié)約車主的時間，提高車主的出行效率。而且充電站的選取充分考慮了電力系統(tǒng)的運行要求，避免電力擁塞的現(xiàn)象，保障電力系統(tǒng)的安全運行。 本項目希望獲得產(chǎn)品化所需資金與試點產(chǎn)地、開發(fā)團隊等孵化資源支持。有意向與國家電網(wǎng)、南方電網(wǎng)等輸配電企業(yè)，國網(wǎng)電動、特來電、星星充電等充電設(shè)施建設(shè)與運營企業(yè)，百度地圖、高德地圖等地理導(dǎo)航企業(yè)，售電公司與負(fù)荷聚合代理商合作。

本發(fā)明公開了一種高速公路網(wǎng)交通流量分布的預(yù)測方法，假設(shè)已經(jīng)預(yù)測了高速公路網(wǎng)在某一時間標(biāo)度下各入口站的未來產(chǎn)生量和各出口站的未來吸引量，通過站點的歷史流量分布來計算現(xiàn)狀流量分布和現(xiàn)狀效用系數(shù)，之后計算預(yù)測流量分布，得到預(yù)測結(jié)果。本發(fā)明的有益效果在于：（1）對高速公路流量分布預(yù)測具有較高的預(yù)測準(zhǔn)確率；（2）算法收斂速度快；（3）采用滑動窗口技術(shù)，能夠充分利用歷史流量數(shù)據(jù)，從而準(zhǔn)確、有效的修正分布預(yù)測模型中的參數(shù)，提高預(yù)測的準(zhǔn)確度；（4）具有較好的普遍適用性，不局限于某一特定高速路段。

本成果來自有重大應(yīng)用前景的橫向項目。該成果是一個集車站分布方案比選、運營費計算、列車牽引計算系統(tǒng)于一體的計算機輔助設(shè)計系統(tǒng)，它解決了軌道線路運輸組織設(shè)計過程中因為設(shè)計和計算工作量大、過程復(fù)雜、各環(huán)節(jié)之間數(shù)據(jù)孤立而嚴(yán)重影響項目設(shè)計進(jìn)度的問題，實現(xiàn)了自動列車牽引計算、運營費自動計算，大幅提高了工作效率、設(shè)計精度、為設(shè)計工作提供輔助決策功能。該成果已在鐵一院部分線路設(shè)計項目中應(yīng)用。

本發(fā)明公開了一種節(jié)點擾動功率轉(zhuǎn)移分布均衡度分析方法，包 括在電力系統(tǒng)當(dāng)前運行狀態(tài)下對電力系統(tǒng)進(jìn)行潮流計算，并獲得支路 功率對節(jié)點注入功率的靈敏度矩陣；根據(jù)靈敏度矩陣和支路有功功率 裕度獲得潮流轉(zhuǎn)移率矩陣；獲得潮流轉(zhuǎn)移率矩陣中對應(yīng)于每個節(jié)點的 列向量中各個元素在潮流轉(zhuǎn)移率統(tǒng)計區(qū)間內(nèi)的概率分布情況；根據(jù)概 率分布情況計算改進(jìn)信息熵，作為反映每個節(jié)點擾動功率轉(zhuǎn)移分布均 衡程度的指標(biāo)；根據(jù)轉(zhuǎn)移分布均衡度指標(biāo)對系統(tǒng)在各節(jié)點擾動下進(jìn)行 安全評估。本發(fā)明應(yīng)用于大規(guī)模電力系統(tǒng)節(jié)點注入功率抗擾能力快速 評估，其計算速

用電設(shè)備的最優(yōu)管理是智能電網(wǎng)中實現(xiàn)需求側(cè)響應(yīng)的關(guān)鍵一環(huán)。然而該問題通常需要同時管理調(diào)度大量的用電設(shè)備，同時考慮多個時槽，是一個時間空間耦合的復(fù)雜問題，想要在短時間內(nèi)解決該問題十分困難。因此，如何設(shè)計合理的算法，提高計算效率，降低計算時間，是目前的研究熱點。?

本發(fā)明公開了一種局部特征的分布式并行提取方法，包括：利 用圖像爬蟲軟件下載圖像到云環(huán)境中的各個計算節(jié)點，并建立圖像數(shù) 據(jù)庫，圖像數(shù)據(jù)庫中存儲了每張圖像的 ID 與計算節(jié)點的 ID 之間的映 射關(guān)系，并行地獲取每個計算節(jié)點上存儲的每張圖像的像素值，并建 立圖像的 ID 與其像素大小之間的映射關(guān)系，根據(jù)云環(huán)境中每個計算節(jié) 點存儲的每張圖像像素大小，獲得云環(huán)境中每個計算節(jié)點上總像素值， 根據(jù)云環(huán)境里每個計算節(jié)點總像素值、計

項目簡介：     本技術(shù)是一種阻燃劑層狀分布及其復(fù)合材料制備方法。阻燃劑層狀分布的制備

本發(fā)明公開了一種分布式 GNSS 實時數(shù)據(jù)處理方法及系統(tǒng)，包括步驟:在接收機端，首先，對原始 觀測數(shù)據(jù)進(jìn)行周跳探測，獲得周跳時間信息;然后，將周跳時間信息和原始觀測數(shù)據(jù)編碼后發(fā)送至服務(wù) 器端。在服務(wù)器端，首先，對編碼數(shù)據(jù)進(jìn)行解碼獲得觀測數(shù)據(jù)和周跳時間信息;然后，根據(jù)周跳時間信 息進(jìn)行周跳判斷;最后，根據(jù)周跳判斷結(jié)果進(jìn)行精密差分產(chǎn)品解算，并保存當(dāng)前歷元解算獲得的濾波器 狀態(tài)參數(shù)信息，當(dāng)解算中斷，服務(wù)器端重啟后，采用存儲的濾波器狀態(tài)參數(shù)恢復(fù)中斷歷元下的濾波器， 繼續(xù)解算中斷前的解算狀態(tài)。本發(fā)明方法避免了服務(wù)器端中斷重新時的初始化，可為用戶提供連續(xù)、一 致的精密差分產(chǎn)品，可保證高精度定位服務(wù)。

XM-D017脊神經(jīng)的組成和分布電動模型 ? XM-D017脊神經(jīng)的組成和分布電動模型示感覺纖維傳導(dǎo)本體感覺、觸覺、痛覺，運動纖維傳導(dǎo)內(nèi)臟和軀體的運動傳導(dǎo)及相應(yīng)的效應(yīng)器，適用于大、中專醫(yī)學(xué)院校在講解脊神經(jīng)組成及分布范圍時作為直觀教具。 一、示教內(nèi)容： 根據(jù)脊神經(jīng)的分布和功能，可將其組成的纖維成份分為四類： ■ 軀體感覺纖維：分布于皮膚、骨骼面、腱和關(guān)節(jié)，??? 將皮膚的淺部感覺（痛、溫度等）和腱、肌、關(guān)節(jié)的深部感覺沖動傳入中樞。 ■ 內(nèi)臟感覺纖維：分布于內(nèi)臟、心血管和腺體、傳導(dǎo)來自這些結(jié)構(gòu)的感覺沖動。 ■ 軀體運動纖維：分布于骨骼肌、支配其運動。 ■ 內(nèi)臟運動纖維：分布于內(nèi)臟、心血管和腺體，支配平滑肌和心肌的運動，控制腺體的分泌。 二、技術(shù)參數(shù)： ■ 尺寸：40×40×8cm ■ 材質(zhì)：PVC材料+木框 三、標(biāo)準(zhǔn)配置： ■ XM-D017脊神經(jīng)的組成和分布電動模型：1臺 ■ 電源線：1根 ■ 說明書：1冊 ■ 保修卡合格證：1張