成果介绍 成果名称：一种采用白泥的双塔脱硫系统 成果参与单位：华北电力大学 成果完成人：马双忱 知识产权情况：成果对应发明及实用新型专利11项，已形成完整知识产权体系 创新点 本团队主要从事燃煤污染控制，包括脱硫脱硝、碳减排、脱硫废水处理、高温高压水化学等技术开发与工艺优化研究，本科研团队瞄准电力行业环保需求，切实解决行业发展中存在的技术问题，在脱硫废水零排放、白泥脱硫、脱硝副产品硫酸氢铵控制、碳捕集、燃煤固废综合利用等领域开展创新研究，并将科研成果与生产实践紧密结合，不少成果已在生产中得以应用，促进了行业可持续发展。该成果在电力污染控制领域开展创新研究，以企业需求为导向，解决企业生产过程中面临的污染控制与节能减排方面技术难题。 应用案例 华电泸州电厂、国电南宁电厂白泥脱硫 华电渠东电厂ORP调控脱硫系统氧化风机 华电襄阳电厂ORP与氯离子调控脱硫系统运行优化 保定深能电厂脱硫废水零排放与脱硫系统优化控制 获奖情况 2017年燃煤电厂典型环保工程运行绩效综合评价与应用获中国电力创新奖三等奖 2018年大气污染控制工程课程群的建设与改革实践获北京市教育教学成果奖二等奖 2021年燃煤电厂大气污染防治运行保障技术及应用获河南省科技进步奖二等奖 2022年燃煤机组脱硝提效及空预器防堵关键技术研究及应用获河南省电力科学技术进步奖一等奖

项目背景：1.传统污水厂占地指标较高，对于土地资源浪费 严重，建立基于高排放标准的集约型污水处理厂刻不容缓；解决 传统水厂工艺流程长、占地大、工艺段复杂、运行管理难题。2. 通过开发基于移动床生物膜纯膜生化技术，实现技术集成和智能 化集成，形成短流程、少占地、高效率为目标的污水处理全套工 艺。 所需技术需求简要描述：建立基于 MBBR 的纯膜 MBBR 中试， 验证纯膜工艺处理污染物的可行性，给定基于不同出水标准要求 的纯膜 MBBR 工艺的有机物、硝化、反硝化负荷；针对脱落生物 膜的膜水分离问题，优化磁加载沉淀技术，要求耐受冲击、分离 脱落生物膜效果好、运行稳定，给定基于脱落生物膜磁混凝的水 力负荷，优化磁加载沉淀设备满足脱落生物膜粘度高特性；研发 针对全系统的自动化控制系统，并加载人工智能领域算法，实现 水处理全过程自动化控制及智慧化控制。主要技术指标：1）常 规污水水质，达到准 IV 类出水水质时，吨水占地<0.3m2/(m3·d) 或吨水占地为常规工艺的 40%以下；2）常规污水水质，吨水电 耗、药耗、产泥量分别小于 0.6kwh/t、0.2 元/t、0.25kg/t，或 低于同类水质替代工艺消耗的 80%；3）实现全程自动化、智能化控制，系统全过程实现云端控制，实现设备控制智能化连锁调 整，运行人工降低 50%；4）建立示范工程，规模不小于 20000 吨/天，出水达到准 V 或更高排放标准，稳定运行不少于 180 天。  对技术提供方的要求:从事 MBBR 相关研究，且研究成果处于 国内领先水平。 

“新型聚苯乙烯保温材料的关键技术开发与应用”主要涉及一种新型的聚苯乙烯防火保温材料。这种新型防火保温材料内部为独立的密闭式气泡结构，具有稳定的化学和物理结构，比普通EPS泡沫板具有更好的隔热和保温性能，导热系数在（0.028-0.032）W/（m.k），保温持久稳定，其抗压、抗冲击、防潮和不透气、耐腐蚀、抗老化等性能也表现非常优异，且无毒无害，是最佳的环保型防火保温材料之一，可广泛应用于建筑外墙和地面、机场跑道、高铁路基、冷库、河道防渗等领域，市场前景广阔。   2014年度天津市科学技术三等奖（第一单位） 获奖人：刘志华

目前国内染料厂、农药厂、制药厂、造纸厂、化工厂、食品厂等，每年排放的高浓度难降解废水约30亿吨左右。对这类高浓度难降解工业废水的处理一直是困扰国内环保界的难题。超临界水的特殊性质使其在有机废水治理方面所具有的无可比拟的优点。 现已成功完成一套固定式和一套撬装式超临界水氧化装置。采用自主建造的超临界水氧化反应器，分别对造纸黑液、印染废水、碱渣废水、农药废水、垃圾渗滤液、化工废水、印染厌氧污泥和PTA残渣等进行了测试，在进口COD（化学耗氧值）几万mg/L条件下，可保证出水COD浓度不高于60mg/L，并析出无机盐。

黑臭河道治理是目前各级政府环境治理工作的重点。城市黑臭河道面大量广，治理难度大，治理效果易反弹，传统的物理法、生物法、化学法都不同程度存在成本高、易反弹以及容易造成二次污染等问题。利用电化学处理降解废水中的有机污染物具有速度快、降解彻底、效率高等优点，但是电极材料的低稳定性使这一技术难以投入实际应用。本项目在提高电极材料的稳定性方面取得了突破性进展，从而使得电化学-生物复合黑臭河道治理技术的成本降低到可以大规模产业化应用的水平，同时治理效果稳定，治理速度快，治理过程中不投加化学药剂和生物制剂，不会对环境造成二次污染。目前本技术已经完成实验室小试、样机制备和中试，等待风投进入将本技术做大做强。

本项目针对筛选优良生产性状菌株、提高菌株生长性能、增强菌株有机酸合 成能力、提升菌株环境适应性等四个制约有机酸发酵过程效能的技术瓶颈，发展和实践了一整套提高短链有机酸发酵过程性能的的策略与方法。(1) 在菌株筛选方面，建立了基于微生物生理特性的理性定向筛选技术、基于有机酸生化特性的高通量定向选育技术。(2) 在营养供给方面，建立了基于全基因组序列的微生物营养需求解析技术、基于微生物营养需求的定向定量元素供给技术。(3) 在代谢流调控方面，建立了辅因子调控碳代谢流速度和流向的方法、微生物亚细胞代谢工程的碳流分区调控技术，发展了基于最优合成途径的碳代谢流流向及通量的调控方法、基于转运子工程的代谢流传输调控方法、基于微生物生理特性的分阶段过程控制技术。(4) 在环境适应性方面，建立了胁迫与耐受响应的有机酸发酵强化技术、发展了环境适应性的全局调控因子扰动解析技术。

实验内容 1、理解激光产生的基本原理及外腔面发射激光器的工作原理； 2、掌握谐振腔的设计及基本调节方法，熟悉激光器主要性能参数的测试； 3、理解非线性频率变换的基本原理，认识相位匹配的概念和种类； 4、掌握腔内倍频激光器调节的要领，研究影响倍频转换效率的主要因素； 5、理解激光波长调谐的原理，了解主要调谐方式，学会标准具调谐方法的使用； 6、了解激光调 Q 的基本原理及主要手段，了解被动调 Q 激光器的使用调节方法； 7、了解激光锁模的基本原理及方法，了解 SESAM 被动锁模激光器的调节要点。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图