土壤和海水是特殊的电解质，埋地及海水中的金属结构物会发生氧的去极化腐蚀，碳钢在电阻率较低、含水量较高的（中等偏强和强腐蚀等级）土壤环境或海水中的腐蚀速率在0.1～1.0mm/a之间。当管道途经遭受工业废水严重污染的地段时，腐蚀速率可达2mm/a以上。实践中，已有5mm壁厚的管道埋地2年左右发生局部穿孔的实例。采用阴极保护时，保护系统提供的电流产生极化作用使金属结构物极化至保护电位（相对于铜/饱和硫酸铜电极－0.85V）。同时，电极反应生成的氢氧根离子与钙、镁离子在裸露表面生成了具有保护作用的沉积层，

本发明属于文档保存技术领域，涉及一种纸质文档保质液制备方法；首先选取艾草和花椒叶加入乙醇溶液加热静置后选取上清液作为防虫剂，然后将防虫剂、成膜剂、滤光剂、固化剂和滑石粉按照定量配加入到在陶瓷容器中常温下搅拌混合均匀，再恒温水浴加热搅拌一定时间制得文档保质液浆；将文档保质液浆密封保存，在处理文件档案时，先在文档保质液浆料中加入相应重量比的溶剂，控温条件下搅拌一段时间，即得文档保质液；其制备工艺成熟，处理方法简单可靠，应用环境友好，文档保质液使用效果良好，保质周期长。  本发明属于文档保存技术领域，涉及一种纸质文档保质液制备方法，将该方法制备的文档保质液喷涂在文件档案上，能使文档上的字迹延长保质时间。

本发明公开了一种直流保护系统及其控制方法，包括直流保护器、断路器、直流母线和直流负载，直流保护器通过断路器与直流母线连接，直流保护器与直流负载连接，直流保护器无线通信连接有调度中心服务器，直流保护器包括保护控制模块、功率模块、监测模块、报警显示模块和通信模块，功率模块包括隔离模块、旁路模块和电池供电模块，保护控制模块分别与功率模块、监测模块、报警显示模块和通信模块连接，隔离模块与旁路模块并联，所述电池供电模块与隔离模块连接； 本发明避免了直流负载向直流母线注入交流分量，当直流母线发生故障时，可以通过蓄电池供电，减少了直流负载断电的可能性，提高了直流系统的稳定性。

紫外光固化涂料是利用紫外光照射涂料树脂发生聚合架桥反应的固化方式，在低温的条件下短时间内就能完成涂料的固化过程。紫外固化技术完全符合“3E”原则，即节约能源，一般紫外固化能耗为热固化的 1/5；生态环境保护；经济，流水线生产，加工速度快，劳动生产率高，有利于降低生产成本。本品为无溶剂的环保涂料，是固化速度快、无污染、节能的绿色产品，在紫外光照射下干燥极其迅速，干燥后漆膜坚硬，附着力强，有极高的光泽和丰满度。

通过视力保护提醒器报警试验理解反馈的原理。

长期外露的混凝土，在风雨、紫外线等等因素的作用，再经过时间的洗礼，清水混凝土表面会逐渐失去原有的光泽及其装饰效果，取而代之的是雨水的印迹，表面的风化以及混凝土饰面上的各种微生物的滋生。清水混凝土饰面不经保护会使其表面受到不同的侵害，让清水混凝土失去装饰性，长期的外露，也将使混凝土的寿命受到影响。来看几个没有保护的清水混凝土饰面吧，时间与自然界的威力还是很大的。 未经保护的清水混凝土饰面，已经被岁月摧残的没有了原有的样貌，清水混凝土的饰面与其他的材料一样，成为了自然环境的同归面。 风雨的洗礼，使清水混凝土的结构出现了问题，清水混凝土的表面已经没有了原始的素颜感，岁月的印迹深深的钉在清水混凝土的饰面之上，长期的外露已使其饰面饱经风雨，并被风雨留下了深深的烙印。 像这样景观中的清水混凝土饰面，没有经过保护，处于南方潮湿环境中，再加上梅雨季节的洗礼，这个清水混凝土的饰面上已经开始变绿，苔藓类微生物已经逐渐的在其表面滋生新的生命。长期的裸露，不加保护，后期将会起来越严重，以致看不到清任何清水混凝土的装饰效果，取而代之的是满是苔藓的绿色墙面，时间久了，就会影响到混凝土的寿命，可以看到，在这个墙上已经开始有些地方在开裂。 早年的清水混凝土建筑，在风雨，自然环境的作用下，经久累月，装饰性的清水混凝土已经成为建筑的影响者，风雨使清水混凝土的饰面变了模样，不加保护的清水混凝土饰面，已没有清水混凝土的素雅与艺术感。 经过保护与不经保护的清水混凝土饰面，在经久累月的效果下，不需要太长的时间，一两年的时间，两种效果就不一样了。清水混凝土保护剂可以使清水混凝土的饰面长期受到保护，优异的耐久性及保护功能，渗透到混凝土的内部进行有效保护，使清水混凝土的饰面有了同寿命的护航者。 清水混凝土也需要呵护，更需要我们精心的呵护，它的要求并不高，只需要在建筑成型之后涂刷一到二遍的清水混凝土保护剂就好了。 当出现这种清水混凝土的饰面情况时，通过清水混凝土保护剂来重新保护清水混凝土饰面，并经过处理后，还是可以把已经被侵蚀的混凝土饰面变回原有的样貌的。这就是清水混凝土强大的修补保护功能了。清水混凝土保护剂，不仅可以保护清水混凝土的饰面，还可以修补已经被风化或是受到侵蚀的清水混凝土饰面。 经过清水混凝土的修补翻新，清水混凝土原有的饰面被找回，并且可以长期的受到保护，不再受外来物质的影响，以充分的保障清水混凝土饰面的装饰性及耐久性。 清水混凝土修补过后的效果，裂缝被修补好，但清水混凝土的饰面效果还是原有的装饰效果 旧的已被破坏的清水混凝土被翻新，让清水混凝土恢复了原有的样貌，这就是清水混凝土的保护剂的装饰性修补性。 还记得上图那个长满苔藓的清水混凝土图片么？通过后期 的修补工艺，可以使其重归新颜。 蓝宝集佳清水混凝土保护剂，可针对清水混凝土饰面进行修补，同时也能够对清水混凝土进行保护。修补后的清水混凝土可保留原始的混凝土装饰效果，使其在装饰中如新。同时可以达到不是现浇却胜似现浇的装饰效果。

本发明提供了一种基于改进NSGA‑II的橡胶密炼工艺参数优化方法，采用XGBoost算法建立工艺参数与质量指标之间的非线性映射模型；通过改进的NSGA‑II算法对工艺参数进行优化，引入正态分布交叉(NDX)算子提升解的多样性，结合优点集生成方法确保初始种群分布均匀，最终获得最优工艺参数组合。本发明能够在多维复杂参数空间中高效完成建模与优化，有效提升胶料质量的稳定性，提高效率，解决了密炼工艺参数复杂、非线性强、多目标优化困难的问题，可广泛应用于橡胶制品生产企业，为智能化生产和工艺优化提供技术支撑。

吴文俊（1919—2017 ）上海市人。数学家。学部委员（院士）。曾在北京大学任教。创立的“吴公式”等是影响拓扑学发展的经典性成果。

佛山博文机器人自动化科技有限公司成立于2014-11-17，法定代表人为管章昭，注册资本为1000万元人民币，统一社会信用代码为91440605323260421E，企业地址位于佛山市南海区狮山镇南海软件科技园内产业智库城A座科研楼A414室，所属行业为研究和试验发展，经营范围包含：研发、销售：机器人与自动化装备、机械电子装备、智能机电及工程系统软件；设计、开发、安装：自动化系统与生产线工程系统；货物进出口。 专注于机器人抛光打磨与去毛刺的应用与创新，为广大客户提供高性价比的、专业、高效与安全的机器人自动化解决方案。 2018年，公司获认定为广东省高新技术企业，同年获南海区机器人产业优质企业培育入库，2015年成为佛山市科技创新团队以及参与了两项广东省重大应用专项，技术力量受到政府部门及客户的肯定。截至目前，公司已通过国家知识产权管理体系认证，制定企业标准5项，拥有广东省高新技术产品5项，共申请专利64项，其中发明专利授权6项，实用新型授权30项，为公司筑起了一道强大的技术壁垒，为今后的发展保驾护航。

（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。