产品详细介绍 工业用水处理设备 全自动纳离子交换器生产，性优价廉-服务完善       软化器即为钠离子交换器，离子交换器分为：钠离子交换器、阴阳床、混合床等种类。离子交换柱(器)外壳一般采用硬聚氯乙烯(PVC)、硬聚氯乙烯复合玻璃钢(PVC-FRP)、有机玻璃(PMMA)、有机玻璃复合透明玻璃钢(PMMA-FRP)、钢衬胶(JR)、不锈钢衬胶等材质。主要用于锅炉、热电站、化工、轻工、纺织、医药、生物、电子、原子能及纯水处理的前道处理，工业生产所需进行硬水软化、去离子水制备的场合，还可用于食品药物的脱色提纯，贵重金属、化工原料的回收，电镀废水的处理等。 　　混床是将阴阳离子交换树脂按一定混合比例装填在同一个离子交换器内，由于混合离子交换后进入水中的H离子与OH离子立即生成电离度很低的水分子，可以使交换反应进行得十分彻底。混床一般设置于一级复床之后，对水质的进一步纯化处理。当水质要求不高时，也可以单独使用。     钠离子交换器即软化器是用于去除水中钙离子、镁离子，制取软化水的离子交换器。组成水中硬度的钙、镁离子与软化器中的离子交换树脂进行交换，水中的钙、镁离子被钠离子交换，使水中不易形成碳酸盐垢及硫酸盐垢，从而获得软化水。 公司名称：泰安通利达水处理设备有限公司 联系人：  白经理  电  话：  0538-3308188 传  真：  0538-3301099 手  机：  18769828999 邮  编：  271600 邮  箱：  fctld8188@163.com 网  址：  www.tatld.cn 地  址：  山东泰安肥城市新城办事处工业园          

本发明公开了一种考虑逆变型分布式电源接入的配电网故障区域定位算法，包括如下步骤：(1)建立恒功率控制方式下逆变型分布式电源故障特性分析模型；(2)根据配电网中联络开关、断路器等开关器件的分布特点对配电网进行分区处理，使用图论的理论分析方法，建立配电网的图模型，并设定配电网的电流参考方向；(3)利用设定的配电网电流参考方向以及断路器处保护装置上传的故障信息，通过矩阵运算求取故障判断矩阵，实现故障区域的定位。本发明能够满足分布式电源接入，无需动作值整定，具备一定拓扑结构自适应的能力。

"BARMS技术的目标是发展一种兼具高效，低污泥产量，低能耗，能在有氧条件下清除氮磷污染的生化处理技术。在先进生物材料技术的支撑下，BARMS技术在微米尺度上实现了上述功能的有机整合。 污水处理机构现场使用结果显示，相对于通常情况下的“活性污泥法”，BARMS能显著提高处理效率，能处理COD高达10000 ppm的高浓污水；BARMS可大幅度降低生化污泥产率，减排达90%以上；BARMS使用搅拌装置即可满足反应需求，节约用电50%以上；结合SND菌培育技术，BARMS可在有氧条件下高效去除水体的氮磷污染，实现一步法去除水体中氮，磷和有机物等主要污染，简化处理流程，增加系统稳定性。BARMS的技术原理是制备了一种具有独特纳米微结构的微生物载体，BARMS载体 （已申请国家发明专利）。BARMS载体是一种直径10微米大小的微球，可支持环境友好型的微生物在其表面生长，并形成稳定性极高的“材料-微生物”复合结构，可以适应各种不良环境，显著提高了系统的适应性和稳定性。 每一个发育成熟的由微生物活化的载体微球就成为一个微米级的处理单元。微球表面的微生物全部参与污染物的降解，由于微球巨大的比表面积，相对于“活性污泥法”，BARMS系统的水接触面积提高了10000倍以上，是系统高效运转的根本保障。由于BARMS载体强大的吸附性，阻止了细菌之间自发形成的污泥，使得BARMS系统几乎做到了污泥零排放，污泥减排达90%以上，是目前国内外市场上唯一能做到这一点的技术产品。 SND菌是可在有氧情况下进行硝化和反硝化的细菌，并且具有磷聚合的特征，可以一步做到清除水体的三大污染物（N，P，COD）。BARMS载体配合特定的反应条件，可与SND菌形成稳定的复合物，从而实现有氧状态下的三种主要污染物的一步去除，这也是目前市场上唯一能实现该技术标准的产品。"

其他成果/n一种地表水的水处理系统及水处理方法。该水处理系统包括：电絮凝装置、超滤膜分离装置和混合液内回流单元；所述电絮凝装置和所述超滤膜分离装置连通，所述混合液内回流单元设置于所述电絮凝装置和所述超滤膜分离装置之间。本发明的水处理方法：采用电絮凝‑超滤耦合并辅以混合液内回流去除地表水体中有机污染物，使处理后的出水能满足我国《生活饮用水卫生标准》(GB5749‑2006)要求，该工艺结构简单，有机污染物去除比例高，超滤膜的膜装置运行压力损失小、膜通量衰减速度低、膜组件反洗频率低。

本发明公开了一种 FCoE 读写处理系统，包括交换 ID 管理模块、 请求帧封装发送模块、数据帧封装发送模块、数据帧接收处理模块、 准备帧接收处理模块、响应帧接收处理模块和接收队列；本发明还公 开了一种基于该 FCoE 读写处理系统的读写处理方法，对来自上层的 对应多队列块通用块层请求或块设备驱动层请求，按照 FCoE 协议和 FCP 协议处理，生成的 FCoE 帧通过标准以太网网络接口传输；缩短 了读写路径，减小处

本发明公开了一种应用于智能配电网的双有源桥直流变换器软启动控制方法，先解锁原边全桥，闭锁副边全桥和外移相角的闭环控制，原边全桥采用斩波控制，开关管Q3和开关管Q4以50％的占空比互补导通，开关管Q1和开关管Q2采用变占空比控制，并且每个开关周期以一定的步长增加；当副边电压上升到足以驱动开关管，且开关管Q1和开关管Q2的占空比都增至0.99时，解锁副边全桥及外移相角的闭环控制；当输出电压达到额定值时，切入负载，输出电压稳定完成启动过程。本发明有效抑制双有源桥直流变换器在启动过程中的电流过冲，保证电流的正负对称，降低对开关管的耐流要求，降低成本，避免变压器偏磁现象，降低变压器的容量、体积和成本。

本发明公开了一种应用于智能配电网的 EPON 通信系统的动态 带宽分配方法，包括步骤(1)基于不同需求将智能配电网各业务分为 EF 业务、AF 业务和 BE 业务；步骤(2)通过层次分析法计算 AF 业务和 BE 业务的权值，并计算一个轮询周期内 EF 业务和加权业务的缓存量和缓 存速率；步骤(3)根据电网故障情况，对各 ONU 业务缓存速率和业务 缓存量进行修正，计算一个轮询周期内各 EF 业务和加权业务的带宽需 求量；步骤(4)根据 EPON 带宽值对 EF 业务进行分配，然后对加权业 务进行分

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本发明公开了一种基于多核式处理器的高速数码印花处理系统，包括千兆以太网接口、I2C接口、StreamIO接口和多核处理器；多核处理器包括命令接收单元、命令处理单元、命令输出单元、数据接收单元、压缩数据缓存单元、数据解压单元、解压数据缓存单元和数据输出单元；同时本发明还公开了一种基于多核式处理器的高速数码印花处理方法。本发明以高性能多核处理器为核心，通过千兆以太网和StreamIO接口来完成打印数据从PC机到打印喷头的高速传输，通过千兆以太网和I2C接口实现打印命令的处理和转发，同时完成打印图像数据的解压缩和图像旋转等处理工作，大大提高了数码印花系统的工作效率。