-
公开(公告)号：CN119706890A
公开(公告)日：2025-03-28
申请号：CN202411817953.7
申请日：2024-12-11
Applicant: 浙江大学
IPC: C01D15/08 , C01B25/37 , C01B32/215 , H01M10/54
Abstract: 本发明涉及一种元素回收方法，特别涉及一种退役磷酸铁锂电池的全元素回收方法，属于锂离子电池及其资源循环利用技术领域。该方法包括：氮气焙烧；稀硫酸酸浸；除铜、铝杂质；沉淀铁磷元素；含铁沉淀焙烧；锂溶液蒸发结晶几个步骤。氮气焙烧可以去除粘结剂，得到磷酸铁锂电极材料，同时将高价态铁元素还原为低价态,从而加速浸出过程，提高浸出率，还可以去除含氟电解液、隔膜等杂质。除铜的多种方式能够除去绝大部分铜，消除负极集流体影响的同时，还具有较强的兼容性。除铝步骤方法简单，效果显著，降低了前置步骤中对集流体分离要求。本发明契合工程应用实际，增强了废旧磷酸铁锂电池正极材料湿法回收工艺的实用性与普适性，提高了磷酸铁锂电池锂、铁、磷的回收效果，实现了磷酸铁锂电池正极材料的闭环回用。
-
公开(公告)号：CN119541698A
公开(公告)日：2025-02-28
申请号：CN202411528605.8
申请日：2024-10-30
Applicant: 浙江大学
IPC: G16C20/70 , F23N5/20 , G16C20/10 , G16C20/20 , G06F18/10 , G06F18/2113 , G06F18/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985
Abstract: 本发明提供一种基于CNN‑LSTM模型的燃烧装置CO2排放浓度预测方法，该方法包括以下步骤：根据各输入变量与CO2排放浓度之间的相关系数，对输入变量数据集进行筛选；进行数据转换处理；构建CNN‑LSTM模型作为初始预测模型，将训练集输入初始预测模型进行训练，直至平均绝对误差损失小于5％，保存该模型作为训练模型；改变初始预测模型的超参数，进行多次训练，选取其中均方根误差最小和决定系数最大的训练模型作为最终预测模型；将当前时间步的相关特征变量参数输入最终预测模型，获得下一时间步的CO2排放浓度预测值。本发明能够实时准确地预测燃烧装置CO2的排放浓度。
-
公开(公告)号：CN110876985B
公开(公告)日：2025-01-10
申请号：CN201911340488.1
申请日：2019-12-23
Applicant: 浙江大学
Abstract: 本发明涉及基于颗粒陷阱效应的收尘极板、新型极配形式及高效静电除尘器，收尘极板通过弯折形成多个凸起折板和凹槽，凹槽处形成颗粒陷阱，收尘极板与多角度双刺电极配合的新型极配形式在颗粒陷阱凸起处积灰厚度低、场强高，凸起处颗粒物在气流曳力或振打作用下易于进入陷阱；凹槽积灰厚度高，但形成的粉尘层内场强较低，防止颗粒间击穿和对放电的干扰，增大运行电压工作区间，配合智能振打系统组成静电除尘器。本发明减少二次扬尘，降低高比电阻飞灰有效场强损耗，拓宽电除尘器比电阻适用范围和工作温度窗口；具有提高电晕电流，强化细微颗粒物荷电，提高除尘效率等优势，可降低运行成本，具有较高的行业适用性和运行可靠性。
-
公开(公告)号：CN117713218A
公开(公告)日：2024-03-15
申请号：CN202311847004.9
申请日：2023-12-29
Applicant: 浙江大学 , 东方电气股份有限公司 , 东方电气长三角(杭州)创新研究院有限公司
IPC: H02J3/38 , G06F18/10 , G06F18/23213 , G06F18/25 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于知识与数据融合驱动的光伏出力预测方法，涉及电力系统技术领域，包括采集光伏历史数据、地理位置数据及NWP天气数据，进行数据预处理，分析光伏板吸收辐照度的机理建立有效辐照度机理模型，依据发电数据和天气数据，将数据聚类为晴天、阴天、雨天三个场景，结合天气数据和机理模型得到的特征序列，在不同天气场景下利用CNN‑LSTM神经网络建模得到不同场景下的光伏出力预测模型，判断未来一段时间内的天气类别，输入对应算法模型得到光伏出力预测数据，在晴天场景下，知识与数据融合驱动的光伏出力预测模型的预测结果相较于传统的BP神经网络模型、单一的LSTM数据模型、CNN‑LSTM混合数据模型，RMSE分别降低了32％、37％、26％，预测精度得到较大提升。
-
公开(公告)号：CN109133468B
公开(公告)日：2024-03-12
申请号：CN201811101328.7
申请日：2018-09-20
Applicant: 浙江大学
IPC: C02F9/00 , C02F1/66 , C02F1/00 , C02F1/52 , C02F1/04 , C02F101/12 , C02F103/18
Abstract: 本发明涉及一种燃煤电站脱硫废水脱氯处理装置及工艺，包括顺次相连通的湿法脱硫系统、一体化沉淀池、固液分离系统、反应池系统和蒸发结晶系统，一体化沉淀池、反应池系统分别与加药系统相连通。本发明的有益效果在于：1、采用脱氯剂，靶向脱氯，用量小，抗干扰能力强；2、采用回收剂再生脱氯剂，实现脱氯剂循环利用，循环经济效益好；3、所有产物资源化，节省运行成本；4、提高水资源利用率，节约水资源，能耗低；5、技术成熟，系统投资少，运行成本低；6、工艺设备占地少，节省改造空间和用地投资；7、无废物外排，无二次污染，清洁环保。
-
Patent Agency Ranking
公开(公告)号：CN116251586A
公开(公告)日：2023-06-13
申请号：CN202310162505.7
申请日：2023-02-24
Applicant: 浙江大学
Abstract: 本发明属于环境催化技术领域，特别涉及一种抗硫CO氧化催化剂、制备方法及应用。本发明所述抗硫CO氧化催化剂的制备方法中，经过涂层浆液的制备、涂层涂覆于蜂窝陶瓷载体上并烘干煅烧，得到涂覆好复合氧化物牢固涂层的蜂窝陶瓷。通过采用微波辅助的方法扩孔了浸有扩孔溶液的TiO2‑SiO2涂层，并通过浸渍法在扩孔好的TiO2‑SiO2复合氧化物涂层负载了活性组分Pt，制得的催化剂的比表面积增大，孔容增加，优化了催化剂的孔道结构，改善了杂质SO2参与副反应生成的硫酸盐堵塞催化剂微孔孔道而导致催化剂失活。所得催化剂具有催化氧化CO效率高、抗硫性明显提高的特点。
-
公开(公告)号：CN113205861B
公开(公告)日：2023-04-07
申请号：CN202110394289.X
申请日：2021-04-13
Applicant: 浙江大学
Abstract: 本发明提供一种能够提高开发效率的基于机器学习技术预测SCR催化剂孔隙结构的方法。一种基于机器学习技术预测SCR催化剂孔隙结构的方法，包括以下步骤：收集已知的SCR催化剂信息作为数据建立数据库；对数据进行初筛和归一化，将数据库内数据按比例划分为训练集和测试集；采用训练集构建机器学习预测模型，采用交叉验证评估机器学习预测模型的泛化能力；采用测试集测试机器学习预测模型的精度并以评价指标进行评价；采用机器学习预测模型对SCR催化剂孔隙结构进行预测。本发明可以用于对未知催化剂的高通量筛选，与传统的实验‑表征开发手段相比，极大的节约了成本，加快了开发速度，可推广应用于各种吸附和催化材料的设计与开发。
-
公开(公告)号：CN107321124B
公开(公告)日：2023-04-07
申请号：CN201710317618.4
申请日：2017-05-08
Applicant: 浙江大学
Abstract: 本发明涉及一种燃煤电厂节能除尘增效协同智能化调控除白系统及方法，包括顺次相连通的脱硫塔、烟气相变凝聚器、湿式静电多脱器、烟气升温除白装置和智能化调温系统，烟气相变凝聚器、湿式静电多脱器分别与排水箱相连通，排水箱与脱硫塔、循环水箱相连通，循环水箱通过自清洗过滤器与湿式静电多脱器喷淋水管、除雾器冲洗水管相连通。本发明稳定性高，投资和运行费用低，系统简单；智能化调控排烟温度，实现烟气高可靠低成本无明显可视白雾排放；系统内水的可实现重复利用，减少水资源的浪费，利用锅炉低品位蒸汽作为热源，能耗降低10％以上，本发明在能耗低、无白雾排放的同时，综合提高颗粒物脱除效率20％以上，气态SOx协同脱除效率提高10％以上。
-
公开(公告)号：CN113433911B
公开(公告)日：2022-05-20
申请号：CN202110736767.0
申请日：2021-06-30
Applicant: 浙江大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于浓度精准预测的脱硝装置喷氨精准控制系统与方法，所述喷氨精准控制系统包括电站信息系统、脱硝装置入口NOx浓度预测模型、多模型预测控制模块、脱硝装置控制对象。本发明通过提前预测脱硝装置入口NOx浓度，为脱硝装置喷氨量控制提供精准前馈，同时建立多变负荷工况下的多模型预测控制模块，实现脱硝装置喷氨量的精准控制，克服脱硝系统的大延迟、大惯性及强非线性缺点；在大范围变负荷工况下，本发明在保证出口NOx浓度达标的情况下，大幅提高了脱硝装置喷氨量控制的经济性与稳定性。
-
公开(公告)号：CN110849955B
公开(公告)日：2022-01-04
申请号：CN201911224960.5
申请日：2019-12-03
Applicant: 浙江大学
IPC: G01N27/416 , G01N27/30
Abstract: 本发明涉及一种高灵敏度的氨气气体传感器及其制备方法，所述高灵敏度氨气气体传感器包括金叉指电极基片和气敏材料层，所述金叉指电极基片由下层的氧化铝陶瓷衬底和固定于在其表面的金叉指电极构成，所述气敏材料层涂覆在金叉指电极表面；所述气敏材料层主体成分为贵金属钌修饰的氧化钨，采用钨酸钠作为钨源，氯化钌作为贵金属来源。本发明使用3D打印方法在金叉指电极上沉积气敏材料，能方便快速的得到厚度和形状可控的气敏薄膜，制备方法简单，制作成本低，适合大规模生产；本发明中贵金属钌的修饰增强了气敏材料的表面活性，促进了待测气体与气敏材料的反应，从而进一步提高了气敏性能。
-
-
-
-
-
-
-
-
-
Search Results
320
records
(took 0.024 seconds)
