一种利用工业废水制备半导体BiOxCly型光催化剂的方法

    公开(公告)号:CN106984338B

    公开(公告)日:2019-05-10

    申请号:CN201710258649.7

    申请日:2017-04-19

    Abstract: 本发明提供了一种利用工业废水制备半导体BiOxCly型光催化剂的方法,将五水硝酸铋加入至工业废水中,在功率为100Hz的超声机中超声并搅拌30min,使五水硝酸铋均匀分散在工业废水中,然后将工业废水和五水硝酸铋的混合溶液全部转移至反应釜中,拧紧反应釜后再置于均相反应器中,在一定温度条件下加热制备高光催化活性的半导体BiOxCly型光催化剂。本发明所制备的半导体BiOxCly型光催化剂在紫外光照射下的光催化活性显著高于P25型二氧化钛及氯氧化铋半导体光催化剂的光催化活性;在制备半导体BiOxCly型光催化剂过程中,显著降低了废水中的COD、氯化钠等难以处理的污染物,同时总磷大部分转化成正磷酸盐。

    基于CMOPSO算法的储能系统控制参数分步辨识方法

    公开(公告)号:CN120073798A

    公开(公告)日:2025-05-30

    申请号:CN202510036696.1

    申请日:2025-01-09

    Applicant: 三峡大学

    Abstract: 基于CMOPSO算法的储能系统控制参数辨识方法,在硬件在环平台上搭建储能系统主电路模型,与实际储能系统控制器交互,采集多种故障穿越工况下的储能系统输出响应数据集。搭建储能系统辨识模型,对内环PI参数等非关键参数采用典型值,建立通用的储能系统故障穿越控制公式,确定待辨识参数。对储能系统的故障穿越控制参数采用分步辨识,先辨识故障穿越电压阈值,其次辨识无功电流限幅值,最后结合测试数据采用CMOPSO算法辨识储能系统的故障穿越控制参数。最后对储能系统故障穿越辨识结果进行验证,计算误差,评估辨识结果的准确性。该方法辨识精度相比传统算法精度更高,且参数辨识结果具有更高的一致性。

    一种单相倍压式交错并联功率校正电路

    公开(公告)号:CN119134936A

    公开(公告)日:2024-12-13

    申请号:CN202411168132.5

    申请日:2024-08-23

    Applicant: 三峡大学

    Abstract: 一种单相倍压式交错并联功率校正电路,该校正电路包括交流电源Ug、电感L1、电感L2、二极管D1~D8、开关管S1~S2、电容C1、电容C2、电容C3、负载RL;开关电容C3、电容C1、二极管D7、二极管D8分别连接构成开关电容电路,形成倍压结构。本发明结合了单相交错并联技术和倍压整流电路的优势,通过多个功率变换器单元交错并联运行,并采用倍压整流电路实现电压的倍增。与传统整流器相比,该技术通过多个功率变换器单元交错并联运行,可以有效地减小功率器件的电压应力、输入电流THD和EMI滤波器的大小,从而提高系统的整体性能和可靠性。同时,倍压整流电路还可以根据需要进行设计调整,以适应不同的输入和输出电压要求。

    考虑风险规避的微网群两阶段低频减载方法

    公开(公告)号:CN117039924B

    公开(公告)日:2024-05-28

    申请号:CN202310853650.X

    申请日:2023-07-12

    Applicant: 三峡大学

    Abstract: 考虑风险规避的微网群两阶段低频减载方法,包括以下步骤:步骤1:构建孤岛微电网系统功率缺额计算模型,确定系统总的功率缺额量;步骤2:构建第一阶段快速低频减载模型,分配第一阶段减载量;步骤3:分配第二阶段减载量,并构建第二阶段风险规避减载优化模型;步骤4:执行两阶段低频减载策略。本发明考虑风险规避的微网群两阶段低频减载方法,不仅能有效降低孤岛微电网频率的波动幅度和减少频率恢复时间;而且能减少负荷功率不确定性所带来的系统经济风险损失。实现了微电网孤岛状态下的运行可靠性和经济性的双重提高。

    基于改进多目标粒子群算法的双馈风机控制参数辨识方法

    公开(公告)号:CN114977939B

    公开(公告)日:2024-04-19

    申请号:CN202210582993.2

    申请日:2022-05-26

    Applicant: 三峡大学

    Abstract: 本发明公开了一种基于改进多目标粒子群算法的双馈风机控制参数辨识方法,本方法将双馈风机的控制参数划分为关键控制参数和非关键控制参数,在PSASP中搭建双馈风机低电压穿越暂态模型,通过调节关键控制参数得到多组输出数据,构建原模型与辨识模型的多目标误差函数;采用改进多目标粒子群算法基于关键控制参数和输出数据对建立的多目标误差函数寻优求解,得到双馈风机待辨识控制参数的辨识结果,并对辨识得到的辨识模型和原模型进行对比验证;本方法能准确可靠辨识出双馈风机暂态模型中关键控制参数。

Patent Agency Ranking