低温等离子体(Low temperature plasma,LTP)可以将热力学稳定的CO_(2)和H_(2)O转化为高附加值产物,在CO_(2)资源化利用和能源转化等领域有广阔前景,但是H_(2)O的强猝灭效应使得LTP转化CO_(2)/H_(2)O的性能提升极具挑战。本文综述了LTP转...低温等离子体(Low temperature plasma,LTP)可以将热力学稳定的CO_(2)和H_(2)O转化为高附加值产物,在CO_(2)资源化利用和能源转化等领域有广阔前景,但是H_(2)O的强猝灭效应使得LTP转化CO_(2)/H_(2)O的性能提升极具挑战。本文综述了LTP转化CO_(2)/H_(2)O的研究进展,包括LTP转化CO_(2)/H_(2)O的反应动力学,以及不同LTP、催化剂、反应器对CO_(2)/H_(2)O转化性能的影响。通过对转化性能和反应机理分析,发现H_(2)O对电子的强吸附效应、产物复合反应和H原子的低密度、副反应的竞争分别是抑制原料气转化率和高附加值产物选择性的关键。针对上述问题,本文从反应器优化、引入其他反应物、催化剂设计和串联催化四个方面,提出性能提升策略。最后,对LTP转化CO_(2)/H_(2)O的重点研究方向进行了展望。展开更多
套管是变压器的关键设备。目前,运行人员已积累大量文字、图片等套管运行数据,如何对其有效利用实现套管故障的预测和原因推演是提升套管运维效率的关键。该文提出一种基于跨模态数据的变压器套管故障知识图谱构建方法。首先,采用自顶...套管是变压器的关键设备。目前,运行人员已积累大量文字、图片等套管运行数据,如何对其有效利用实现套管故障的预测和原因推演是提升套管运维效率的关键。该文提出一种基于跨模态数据的变压器套管故障知识图谱构建方法。首先,采用自顶向下的方法进行知识建模,构建套管故障知识图谱本体层;其次,采用ALBERT(a lite bidirectional encoder representations from transformers)-BiLSTM(bidirectional long short term memory)-CRF(conditional random field)模型和ALBERT-FC(fully connected)模型对变压器套管故障文本进行实体和关系抽取,F1值分别达到96.60%和98.99%;然后,通过ResNet(residual network)-50模型对套管故障图像进行特征提取,结合BADGE(batch active learning by diverse gradient embeddings)主动学习采样策略,实现基于少量训练样本的变压器套管故障图像的分类,分类结果的F1值达到92.11%;最后,将文本转换为词向量,并通过语义相似度计算,将文本知识和图像知识关联融合,构建包含文本、图像信息的变压器套管故障知识图谱,并在现场案例中进行应用,推理出变压器套管故障的产生原因和演变过程。展开更多
文摘低温等离子体(Low temperature plasma,LTP)可以将热力学稳定的CO_(2)和H_(2)O转化为高附加值产物,在CO_(2)资源化利用和能源转化等领域有广阔前景,但是H_(2)O的强猝灭效应使得LTP转化CO_(2)/H_(2)O的性能提升极具挑战。本文综述了LTP转化CO_(2)/H_(2)O的研究进展,包括LTP转化CO_(2)/H_(2)O的反应动力学,以及不同LTP、催化剂、反应器对CO_(2)/H_(2)O转化性能的影响。通过对转化性能和反应机理分析,发现H_(2)O对电子的强吸附效应、产物复合反应和H原子的低密度、副反应的竞争分别是抑制原料气转化率和高附加值产物选择性的关键。针对上述问题,本文从反应器优化、引入其他反应物、催化剂设计和串联催化四个方面,提出性能提升策略。最后,对LTP转化CO_(2)/H_(2)O的重点研究方向进行了展望。
文摘套管是变压器的关键设备。目前,运行人员已积累大量文字、图片等套管运行数据,如何对其有效利用实现套管故障的预测和原因推演是提升套管运维效率的关键。该文提出一种基于跨模态数据的变压器套管故障知识图谱构建方法。首先,采用自顶向下的方法进行知识建模,构建套管故障知识图谱本体层;其次,采用ALBERT(a lite bidirectional encoder representations from transformers)-BiLSTM(bidirectional long short term memory)-CRF(conditional random field)模型和ALBERT-FC(fully connected)模型对变压器套管故障文本进行实体和关系抽取,F1值分别达到96.60%和98.99%;然后,通过ResNet(residual network)-50模型对套管故障图像进行特征提取,结合BADGE(batch active learning by diverse gradient embeddings)主动学习采样策略,实现基于少量训练样本的变压器套管故障图像的分类,分类结果的F1值达到92.11%;最后,将文本转换为词向量,并通过语义相似度计算,将文本知识和图像知识关联融合,构建包含文本、图像信息的变压器套管故障知识图谱,并在现场案例中进行应用,推理出变压器套管故障的产生原因和演变过程。
