首页期刊导航|三峡大学学报(自然科学版)
期刊信息/Journal information
三峡大学学报(自然科学版)
三峡大学
三峡大学学报(自然科学版)

三峡大学

王康平

双月刊

1672-948X

xbbjb@ctgu.edu.cn

0717-6392057

443002

湖北省宜昌市大学路8号

三峡大学学报(自然科学版)/Journal Journal of China Three Gorges University(Natural Sciences)北大核心CSTPCD
查看更多>>本刊系三峡大学主办的以水电工程技术为主的综合性学术刊物,国内外公开发行,科技部中国科技论文统计源期刊,并已成为俄罗斯《文摘杂志》与美国《化学文摘》的源头期刊。本刊注重理论联系实际、探索创新,择优登载水利水电工程、土木工程、机械工程、电气工程、工程管理以及数学、物理、化学等基础学科方面的文章。
正式出版
收录年代

    水泥-蔗渣灰-陶瓷粉三元胶凝材料体系早期水化研究

    王晶杨玉柱黄维蓉
    73-80页
    查看更多>>摘要:为探究工业固废蔗渣灰、陶瓷粉作为辅助胶凝材料在水泥基材料中的适用性,本文通过单纯型重心设计方法对水泥-蔗渣灰-陶瓷粉三元胶凝体系进行混料设计,并通过凝结时间、水化热与氢核磁共振探究其早期水化性能.研究表明:蔗渣灰与陶瓷粉均会延长水泥浆体的凝结时间,陶瓷粉的延缓幅度更大;水泥浆体水化放热峰会随着蔗渣灰掺量的增加而后移,随陶瓷粉掺量的增加而略微向前移,且蔗渣灰与陶瓷粉的掺入都会使浆体水化放热降低,72h 水化程度也会降低;蔗渣灰与陶瓷粉的掺入会增加氢核磁共振信号强度,其中水泥-蔗渣灰组合的信号强度更高.水泥-蔗渣灰-陶瓷粉有较好的协同作用,三元体系可以制备凝结时间符合规范要求、水化热较低的胶凝材料,试验成果为工业固废的绿色应用以及低热混凝土的制备提供参考.

    水泥蔗渣灰陶瓷粉早期水化氢核磁共振水化程度

    基于RIME-IAOA的混合模型短期光伏功率预测

    王仁明魏逸明席磊
    81-88页
    查看更多>>摘要:光伏发电在如今的新能源发展中逐渐成为重点,其中光伏功率预测成为研究的主要方向.为了提升光伏功率预测的精度和效率,提出了 RIME-VMD-IAOA-LSTM模型.该模型通过霜冰优化算法(RIME)优化变分模态分解(VMD)的参数来提升分解效率;引入余弦控制因子的动态边界策略来控制算数优化算法(AOA)数值的增长速率从而提升算法的精度和稳定性;利用自适应 T分布变异策略来改进AOA的局部搜索能力和全局开发能力,更好地避免局部最优解.两种智能优化算法的加入使得整体模型的预测效率和速度都有很大提升,实验结果表明组合模型 RIME-VMD-IAOA-LSTM相比于其他预测模型有较高的光伏功率预测精度.

    霜冰优化算法变分模态分解算术优化算法余弦控制因子策略自适应T分布策略短期光伏功率预测

    计及沼气重整制氢和燃气掺氢的综合能源系统优化调度

    王守文袁莹超徐丽洁叶金根...
    89-98页
    查看更多>>摘要:为推动氢能多元生产和利用,提出一种计及沼气重整制氢和燃气掺氢的综合能源系统优化调度模型.首先,构建沼气重整制氢模型,满足天然气负荷的同时,实现生物天然气制氢.其次,将电解水和沼气重整产生的氢气联合,探究沼气重整制氢对系统经济性、低碳性的影响.然后,生成的氢气供给氢燃料电池、掺氢燃气轮机,并引入阶梯碳交易机制,限制系统碳排放.最后,以日运行总成本最低为目标函数,设置 4 种不同场景进行仿真分析.仿真结果表明:所提模型总成本降低5.33%,碳排放量降低 5.17%;合适的秸秆价格有利于消纳风光和利用生物质能;燃气轮机适度掺氢燃烧可以进一步降低总成本和碳排放量.

    沼气重整制氢电解水制氢燃气掺氢阶梯碳交易低碳经济调度

    混流式水轮机压力脉动及叶片裂纹生长分析

    姬中瑞曲力涛迟福东陈小翠...
    99-105页
    查看更多>>摘要:目前,水轮机转轮叶片出现裂纹甚至脱落的情况时有发生,严重影响了电站的安全运行.本文以某水电站机组为研究对象,基于流固耦合理论和扩展有限元方法对该水轮机全流道及转轮结构进行仿真分析,提取不同运行工况下转轮叶片的压力脉动信息,进行其转轮结构强度及叶片疲劳裂纹扩展情况分析.研究表明转轮内部的压力脉动主要由转轮旋转、导叶出口不均匀流场以及低频尾水涡带所引起.在不同运行工况下,叶片所受应力分布大致相同,且均在叶片出水边与上冠以及下环交接处附近存在应力集中的现象.当转轮出水边靠近下环连接处出现裂纹时,裂纹会从出水边逐渐向转轮下环附近扩展,并最终发展为贯穿性裂纹.且叶片出现贯穿性裂纹所经历的载荷循环次数与应力大小以及裂纹的扩展形状有关.

    水轮机转轮单向流固耦合压力脉动强度分析疲劳裂纹扩展疲劳寿命分析

    锂离子电池健康状态的DCAE-Transformer预测方法研究

    李浩平于波涛孟荣华金朱鸿...
    106-112页
    查看更多>>摘要:提出了一种基于 Transformer 的 DCAE-Transformer 模型,旨在改善健康状态(SOH)估计的准确性.该方法通过Pearson相关系数筛选关键特征,利用去噪自编码器(DAE)和卷积神经网络(CNN)相结合进行数据预处理和特征提取,再将数据输入 Transformer 框架完成预测.使用NASA和CALCE提供的数据集进行验证,DCAE-Transformer模型在 NASA电池样本上的误差指标(EMA、EMAP 和ERMS)均低于 1%,R2 值超过 99.5%;在 CALCE 样本上,误差指标低于 5%,R2 值超过 98%.结果表明,该模型在锂电池SOH 估计方面具有较高的精确性和泛化性.

    锂电池健康状态估计卷积去噪自编码器Transformer预测性能

    《三峡大学学报(自然科学版)》征稿简则

    封3页