-
公开(公告)号:CN114707422B
公开(公告)日:2024-12-03
申请号:CN202210456062.8
申请日:2022-04-28
Applicant: 河北工业大学
IPC: G06F30/27 , G06F17/16 , G06F18/214 , G06F111/06 , G06F119/02 , G06F119/06
Abstract: 本发明提出一种基于改进飞蛾扑火算法‑优化极限学习机(IMFO‑ELM)模型对用电负荷进行预测的智能电力缉查方法,可有效缩小用电稽查范围;步骤如下:首先收集用电用户的电力负荷数据,对用电用户的电力负荷数据进行汇总;其次将汇总好的数据分成训练数据和预测数据两部分并训练IMFO‑ELM模型;再次检验训练好的IMFO‑ELM模型的预测效果是否达标,若达标则利用训练好的IMFO‑ELM模型对用电负荷进行预测,否则继续训练IMFO‑ELM模型;接着将用训练好的IMFO‑ELM模型对用电负荷预测的值与用户实际用电功率进行对比;最后根据异常数据点的判定公式来判断用户实际用电是否超过设定值,若超过设定值则标记该用户进行深度检测,若未超过设定值则代表该用户用电正常。
-
公开(公告)号:CN117797867A
公开(公告)日:2024-04-02
申请号:CN202311703402.3
申请日:2023-12-12
Applicant: 河北工业大学
IPC: B01J31/06 , C02F1/30 , B01J23/10 , B01J37/10 , B01J37/00 , B01J35/39 , C02F101/36 , C02F101/34
Abstract: 本发明公开了一种分子印迹氧化铈/生物炭复合材料及其制备方法和应用,包括:将氧化铈/生物炭复合材料和溶剂混合,超声,得到第一溶液;于室温下,将第一溶液和印迹聚合物混合,搅拌,得到第一混合物,印迹聚合物为模板分子和功能单体的混合物,模板分子为对氯苯酚,功能单体为甲基丙烯酸;将第一混合物用N2吹扫,于密封、紫外光辐射下聚合12~24h,得到第二混合物,将第二混合物离心,洗涤至检测不到模板分子,清洗,干燥,得到分子印迹氧化铈/生物炭复合材料。分子印迹氧化铈/生物炭复合材料作为催化剂在光催化去除水体中对氯苯酚的应用中表现出较高的特异选择性和催化活性,对对氯苯酚的去除效率达到了90%,在复杂的水环境中具有良好的抗干扰性。
-
公开(公告)号:CN102174034B
公开(公告)日:2013-02-06
申请号:CN201110067356.3
申请日:2011-03-21
Applicant: 河北工业大学
IPC: C07D333/08 , B01J23/888
Abstract: 本发明为一种以环丁砜为原料生产四氢噻吩的方法,该方法包括以下步骤:将质量百分比为10~30%环丁砜的混合溶液,在温度180~250℃,压力0.1~2.0MPa,氢气∶混合溶液体积比=200~500∶1,液时空速1~3h-1的条件下,连续通过装填有催化剂的单段绝热固定床反应器进行加氢脱氧反应,收集100h稳态操作运行时的反应混合物A,然后经过分离提纯得到四氢噻吩。本发明原料价廉易得,在原料成本和原料获取方面占有极大的优势。生产过程安全、无污染,工艺流程简单,投资小,适于规模工业化生产。
-
公开(公告)号:CN102174034A
公开(公告)日:2011-09-07
申请号:CN201110067356.3
申请日:2011-03-21
Applicant: 河北工业大学
IPC: C07D333/08 , B01J23/888
Abstract: 本发明为一种以环丁砜为原料生产四氢噻吩的方法,该方法包括以下步骤:将质量百分比为10~30%环丁砜的混合溶液,在温度180~250℃,压力0.1~2.0MPa,氢气∶混合溶液体积比=200~500∶1,液时空速1~3h-1的条件下,连续通过装填有催化剂的单段绝热固定床反应器进行加氢脱氧反应,收集100h稳态操作运行时的反应混合物A,然后经过分离提纯得到四氢噻吩。本发明原料价廉易得,在原料成本和原料获取方面占有极大的优势。生产过程安全、无污染,工艺流程简单,投资小,适于规模工业化生产。
-
公开(公告)号:CN114707422A
公开(公告)日:2022-07-05
申请号:CN202210456062.8
申请日:2022-04-28
Applicant: 河北工业大学
IPC: G06F30/27 , G06F17/16 , G06K9/62 , G06F111/06 , G06F119/02 , G06F119/06
Abstract: 本发明提出一种基于改进飞蛾扑火算法‑优化极限学习机(IMFO‑ELM)模型对用电负荷进行预测的智能电力缉查方法,可有效缩小用电稽查范围;步骤如下:首先收集用电用户的电力负荷数据,对用电用户的电力负荷数据进行汇总;其次将汇总好的数据分成训练数据和预测数据两部分并训练IMFO‑ELM模型;再次检验训练好的IMFO‑ELM模型的预测效果是否达标,若达标则利用训练好的IMFO‑ELM模型对用电负荷进行预测,否则继续训练IMFO‑ELM模型;接着将用训练好的IMFO‑ELM模型对用电负荷预测的值与用户实际用电功率进行对比;最后根据异常数据点的判定公式来判断用户实际用电是否超过设定值,若超过设定值则标记该用户进行深度检测,若未超过设定值则代表该用户用电正常。
-
-
-
-