-
题名温室典型藤蔓作物的燃烧特性分析
- 1
-
-
作者
赵洪瑞
袁修华
孙尚卫
闫明康
门会光
-
机构
聊城大学机械与汽车工程学院
聊城双能采暖工程有限公司
山东信发集团有限公司
-
出处
《农村科学实验》
2025年第5期161-163,共3页
-
基金
山东省科技型中小企业创新能力提升工程项目(2023TSGC0382)。
-
文摘
藤蔓废弃物的露天堆放会严重污染周边环境。该文提出了温室藤蔓作物燃烧用于发电取暖的设想,并对温室典型藤蔓作物的燃烧特性进行了研究,探讨了典型藤蔓作物燃烧后灰渣养分变化的规律。香瓜、豆角和茄子藤蔓的着火温度分别是240、290、250℃,燃烧热值分别是8900、6800、11000 J/g。藤蔓作物燃烧后的灰渣呈长条状、柱状,并附着小的颗粒物。灰渣中钾元素含量最高,镁、磷含量次之,钙元素最少。该结果为研究温室藤蔓作物燃烧发电取暖奠定了理论基础,并为藤蔓灰渣综合利用提供了数据支撑。
-
关键词
温室
藤蔓作物
燃烧特性
热量
灰渣养分
-
分类号
S625
[农业科学—园艺学]
-
-
题名基于GATv2模型的虚假数据注入攻击检测方法
被引量：1
- 2
-
-
作者
罗小元
耿艺帆
吴莉艳
王新宇
-
机构
燕山大学电气工程学院
信发集团有限公司
四川大学智能电网四川省重点实验室
-
出处
《电气工程学报》
CSCD
北大核心
2024年第3期353-361,共9页
-
基金
国家自然科学基金(62103357)
河北省自然科学基金青年(F2021203043)
智能电网四川省重点试验室(2023-IEPGKLSP-KFYB05)资助项目。
-
文摘
虚假数据注入攻击(False data injection attack,FDIA)能够躲避传统不良数据检测器,给智能电网的稳定运行带来了挑战。因此,提出了一种基于改进图注意力网络(Graph attention network v2,GATv2)模型的FDIA检测方法。首先,基于电力系统结构和FDIA的特性,构建模型所需数据集;然后,根据电力系统的拓扑信息和运行信息建立图数据;设计基于GATv2的检测模型对电网图数据的空间特征进行提取,进而检测注入的虚假数据攻击;最后,在IEEE 14节点和IEEE 118节点系统上验证了GATv2模型的有效性,且仿真结果表明GATv2模型检测性能优于其他模型,检测准确率达到98%以上,在不同攻击节点数和不同攻击强度情况中都具有较好的鲁棒性。
-
关键词
智能电网
虚假数据注入攻击
深度学习
图注意力网络
不良数据检测
-
Keywords
Smart grid
false data injection attacks
deep learning
graph attention network
bad data detection
-
分类号
TM561
[电气工程—电器]
-
