高压脉冲电解-压滤联合实现城市污泥深度脱水

设计了一种新型的聚丙烯/不锈钢绝缘复合电极及装置,采用高压脉冲电解-压滤联合处理城市污水厂离心污泥深度脱水,考察了脉冲电场强度、机械压力和处理时间对污泥脱水性能指标-比阻(SRF)和滤饼含水率的影响,并测定处理前后滤液中COD、胞外聚合物(EPS)和重金属离子的含量。结果表明:以7. 5 k V/cm电场强度,50 k Pa机械压力联合处理污泥15 min,污泥比阻由10. 8×10~(12)m/kg降低至4. 47×10~(12)m/kg,泥饼含水率由85. 60%降低至57. 83%;污泥滤出液蛋白质、多糖、SCOD浓度增大为原来的290. 2%、350. 1%、1070. 4%。高压脉冲电解-压滤法可有效破解污泥EPS并降低污泥含水率。     

基于向量加权算法优化ELM的变压器故障诊断

针对变压器设备,传统故障诊断方法的准确率与诊断效率难以满足当前的需求。本文提出了一种基于向量加权算法（INFO）优化极限学习机（ELM）的变压器故障诊断算法。在标准测试函数中选择3个测试函数对INFO算法进行寻优性能的测试,并与粒子群优化算法（PSO）、万有引力优化算法（GSA）、正余弦优化算法（SCA）和灰狼优化算法（GWO）进行了对比,经过测试验证INFO算法相较于其他优化算法具有更高的寻优性能。并使用INFO算法对ELM中初始输入权值和偏置进行优化,搭建基于油中溶解气体分析（DGA）的INFO-ELM变压器故障诊断分类模型,并与SVM、ELM、PSO-ELM、SSA-ELM、GWO-ELM故障诊断模型进行对比。结果表明,INFO-ELM故障诊断模型的综合准确率为98.71%,相对于上述对比模型分别提高了21.61%、16.87%、11.65%、10.36%和11.06%,本文提出的INFO-ELM变压器故障诊断模型具有更优良的故障诊断能力。