-
公开(公告)号:CN108423164B
公开(公告)日:2021-07-30
申请号:CN201810301974.1
申请日:2018-04-04
Applicant: 东北大学
Abstract: 本发明一种折叠式手机无人机,包括机身模块、机臂模块、机臂锁紧模块、智能设备固定模块、控制模块以及电池模块,其中机臂模块通过机臂锁紧模块连接至机身模块的四个角部,智能设备固定模块安装于机身模块两个相对的侧边位置,电池模块安装于机身模块上,控制模块包括智能设备及内置控制模块,其中智能设备通过智能设备固定模块安装于机身模块上部,内置控制模块安装于机身模块底部。本发明利用现有智能设备的运算能力和搭载的高清摄像头,实现了智能设备控制无人机飞行,智能手机在飞行中处于竖直状态,在1‑2m的高度,手机摄像头就可以直接拍到人和手势,方便操作者直接面对无人机挥手,实现手势控制。
-
公开(公告)号:CN110991773A
公开(公告)日:2020-04-10
申请号:CN201911372287.X
申请日:2019-12-27
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 国网辽宁省电力有限公司 , 东北大学
Abstract: 本发明涉及一种面向风电消纳的两阶段源荷储优化调度方法,针对风电出力的不确定性,该方法利用日内调度对日前调度进行修正;划分负荷侧响应,以价格措施调动负荷响应的积极性;建立电、热负荷分时响应模型、激励型负荷响应模型和采暖负荷模型,在日前、日内时段分别调用;建立不同情况下的源荷储优化调度模型,日前调度以经济成本最小为目标,日内调度以弃风量最小为目标进行优化调度;最后用优化粒子群算法求解优化调度模型,避免算法陷入全局最优或局部最优。本发明能够充分调用源荷储侧资源灵活应对风电出力,充分消纳风电,便于快速、精确地求解模型,得到灵活、经济的消纳风电的源荷储优化调度结果。
-
公开(公告)号:CN110676847A
公开(公告)日:2020-01-10
申请号:CN201910970883.1
申请日:2019-10-14
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明的考虑风电-储热机组-电锅炉联合运行的优化调度方法,包括:步骤1:建立风电机组模型、火电机组模型、热电联产机组模型、储热机组模型及电锅炉模型;步骤2:以系统综合成本最小为目标,构建风电—储热机组—电锅炉联合运行优化模型,配置储热机组和电锅炉的容量;步骤3:考虑系统约束、机组约束、储热和电锅炉约束、预测误差成本约束以及环境惩罚成本约束,以系统运行的总成本最低为目标,进行系统各装置的出力配置;步骤4:在有弃风时,增强储热和电锅炉的出力;在谷风时,减弱储热和电锅炉的出力提升对风电的消纳能力。本发明将环境惩罚成本加入模型中,改进了火电,热电机组运行成本的描述方法,使调度模型更加接近实际情况。
-
公开(公告)号:CN105130426B
公开(公告)日:2017-10-27
申请号:CN201510355933.7
申请日:2015-06-25
Applicant: 东北大学
Abstract: 本发明属于固体氧化物燃料电池阳极材料技术领域,具体涉及一种高温化学稳定的SOFC钙钛矿阳极材料及其制备方法。本发明的高温化学稳定的SOFC钙钛矿阳极材料,其具体化学成分为(La0.25Sr0.75)0.9Ti0.9Al0.1O3,其与SOFC的Sc2O3稳定的ZrO2固态电解质在1200℃下空气气氛中退火30小时,保持立方钙钛矿结构相结构,具有高温化学稳定性,其制备方法是采用溶胶凝胶法。本发明的(La0.25Sr0.75)0.9Ti0.9Al0.1O3在高温下与作为SOFC单电池电解质的ScSZ之间具有很好的化学稳定性,在1200oC空气气氛中退火30小时后,既没有发生化学反应产生新相也没有明显的相互扩散现象。
-
公开(公告)号:CN105130426A
公开(公告)日:2015-12-09
申请号:CN201510355933.7
申请日:2015-06-25
Applicant: 东北大学
Abstract: 本发明属于固体氧化物燃料电池阳极材料技术领域,具体涉及一种高温化学稳定的SOFC钙钛矿阳极材料及其制备方法。本发明的高温化学稳定的SOFC钙钛矿阳极材料,其具体化学成分为(La0.25Sr0.75)0.9Ti0.9Al0.1O3,其与SOFC的Sc2O3稳定的ZrO2固态电解质在1200℃下空气气氛中退火30小时,保持立方钙钛矿结构相结构,具有高温化学稳定性,其制备方法是采用溶胶凝胶法。本发明的(La0.25Sr0.75)0.9Ti0.9Al0.1O3在高温下与作为SOFC单电池电解质的ScSZ之间具有很好的化学稳定性,在1200oC空气气氛中退火30小时后,既没有发生化学反应产生新相也没有明显的相互扩散现象。
-
公开(公告)号:CN118507787A
公开(公告)日:2024-08-16
申请号:CN202410624039.4
申请日:2024-05-20
Applicant: 东北大学
IPC: H01M8/1253
Abstract: 本发明涉及一种制备固体氧化物电解质粉体的方法,包括:将Sc2O3溶于沸腾的浓硝酸中得Sc(NO3)3水溶液;按预设摩尔比例分别称取ZrO2·8H2O、(Ce(NO)3)3·6H2O、CO(NH3)2和PEG800溶于去离子水中得到第一混合液;将Sc(NO3)3水溶液和第一混合液混合加热搅拌均匀得到第二混合液并倒入特氟龙衬里高压釜中密封后,放入干燥箱190℃~230℃保温16小时,得到水热共沉淀处理后的产物;将水热共沉淀处理后的产物分别使用去离子水和无水乙醇清洗,直到氯离子洗干净;然后放入110℃的烘箱中干燥12小时,得到干燥产物;研磨粉碎干燥产物后马弗炉800℃烧5小时得到ScSZ粉体。其有益效果是,在无需昂贵设备和复杂操作、减少能量消耗和环境污染的情况下,制备出粒径均匀,分散性好,产率较高的ScSZ电解质粉体。
-
公开(公告)号:CN115172833B
公开(公告)日:2024-07-05
申请号:CN202210745070.4
申请日:2022-06-27
Applicant: 东北大学
IPC: H01M8/1016 , H01M8/10
Abstract: 本发明涉及一种锂化合物电极陶瓷燃料电池电解质、制备方法及应用。其电解质包括NaFeO2和MgO。其用于制备锂化合物电极陶瓷燃料电池,包括S1、用高温固相法制备NaFeO2;S2、将步骤S1制备的NaFeO2与MgO的粉末进行研磨混合得到复合电解质粉末;S3、首先用涂覆法制备泡沫镍‑NCAL电极,之后将复合电解质粉末与电极在高压下压制成电池。本发明提供的一种锂化合物电极陶瓷燃料电池的制备方法,其制备操作简单,易行,成本低,获得的固体燃料电池的运行稳定在550℃时,稳定性高,有较好的功率密度。
-
公开(公告)号:CN117438593A
公开(公告)日:2024-01-23
申请号:CN202311152427.9
申请日:2023-09-07
Applicant: 东北大学
Abstract: 本发明涉及一种陶瓷燃料电池的电极材料及制备方法和陶瓷燃料电池。其中,所述陶瓷燃料电池的电极材料化学式为LiNixAl1‑xO2(0.6≦x≦0.9),其中以化学式LiNi0.8Al0.2O2为电极材料所制备的陶瓷燃料电池取得的电化学性能最为优异。其有益效果是,实现了对电极材料成本的控制,在降低电极成本的同时,保证了陶瓷燃料电池的性能。
-
公开(公告)号:CN110796373B
公开(公告)日:2023-06-02
申请号:CN201911045512.9
申请日:2019-10-30
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 东北大学 , 国家电网有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06Q10/0639
Abstract: 本发明公开一种基于风电消纳的多阶段场景生成电热系统优化调度方法,属于电热联合系统经济调度技术领域,该方法在考虑风电出力不确定的基础上通过蒙特卡洛和轮盘赌选择机制,生成日前风电预测和包含预测误差的日内和实时风电预测,并以电量比例确立实时电价,构建日内需求响应模型。为有效促进系统消纳风电,构建成本随弃风量动态增加的弃风惩罚项。以系统成本最小为目标函数,日前通过调节常规机组和CHP机组进行调度,日内调度通过蓄热式电锅炉和基于电量设立的日内需求响应模型实施,实时市场的不平衡电量通过储电装置和机组的调节,采用动态权重的粒子群算法对模型求解,得到合理的电热联合优化方案。
-
公开(公告)号:CN111191835A
公开(公告)日:2020-05-22
申请号:CN201911372296.9
申请日:2019-12-27
Applicant: 国网辽宁省电力有限公司阜新供电公司 , 国网辽宁省电力有限公司 , 东北大学
Abstract: 本发明提供一种基于C-GAN迁移学习的IES不完备数据负荷预测方法及系统。首先采集原始样本数据并进行归一化处理,然后将归一化处理后的样本数据采用深度变分自编码网络提取样本特征,再将提取的样本特征输入到构建的第一个C-GAN的生成器中,当生成器和判别器博弈达到纳什均衡时对不完备样本数据进行扩展,将扩展后的样本数据集输入到构建的第二个条件C-GAN的生成器中,当生成器和判别器博弈达到纳什均衡时并行预测电、气、热负荷,基于C-GAN的判别器对预测精度进行判断,并且在生成器和判别器博弈达到纳什均衡过程不断修正和提高综合能源负荷预测的预测精度,通过本发明提供的预测系统进行负荷预测,减少了网络训练所需的参数,同时缩短了预测时间。
-
-
-
-
-
-
-
-
-