彩票注册_-(中国)百度百科

台湾民众何以摆脱“用电的烦恼”？******

　　新华社台北1月18日电(记者赵博、黄扬)最近，台湾电力公司(以下简称“台电”)的一则提示成为热门民生话题。提示说，春节假期工厂停产、公司歇班，用电量减少，流经地下电缆的电力大幅降低，电缆产生大量无效电力灌至系统，造成电压可能升高逾一成，因此呼吁民众外出要拔掉插头，避免家中电器设备烧损故障。

　　春节年年有，为何今年要特别提示“拔插头”？专业人士及舆论指出，其实问题在于风光电等不稳定电力在台湾总电力系统中的占比上升，让电压变得不易控制。

　　近年来，台湾当局大力发展再生能源发电。据《联合报》报道，冬季风力发电旺盛、光伏发电效率趋佳，使得今年春节期间风光电在全台总电力系统中的占比可能突破30%。

　　新竹清华大学工程与系统科学系特聘教授李敏表示，当再生能源发电量过高时，发电和用电的动态平衡会出现波动，影响电网稳定性。电压上升不仅可能导致烧坏电器，还可能造成电线起火，成为公众安全问题。

　　《风传媒》专栏文章分析，当局不遗余力发展绿电，再生能源发电过剩时的储能设施却没有及时跟上。目前的法令又不允许电力公司弃再生能源，于是只能让电压上升。

　　“配套不足下，民进党离岸风机一支一支插，光电板一片一片种，不只破坏海岸、鱼塭，产生一大堆官商勾结的黑金利益，弄了半天，供电还不稳定。”有岛内资深媒体人在社交媒体上发文说，辛苦了一年，春节好不容易放个长假出远门，还得为家中电器提心吊胆。连供电都不稳定，怎么过好年？

　　如果说电压不稳定是台湾民众新近的烦心事，那么，停电无疑是徘徊在人们心头的沉重苦恼。

　　从2017年“8·15大停电”到2021年5月连续两次大停电，再到2022年3月殃及逾500万户的全台停电，以及2022年7月无预警停电频发，电力紧缺越来越成为困扰台湾产业发展、影响民众生活的“紧箍咒”。

　　据岛内媒体报道，第二核电厂2号机将在3月中旬停机，用于递补进入岁修的大潭7号机的燃气机组却受疫情影响工程延宕，无法按时并网测试。因此，今年春季恐怕供电吃紧。

　　尽管台当局经济主管部门负责人保证“努力进行调度”，民众还是忧心忡忡，生怕苦不堪言的大停电“又来几遍”。连台电也无奈表示，届时只能祈祷老天爷帮忙，“天气不要太热”。

　　台湾供电系统以备转容量(即当天实际可调度的发电量扣除使用后剩下的余量)作为电力盈缺指标。当备转容量率低于6%，就会亮起象征“供电警戒”的橙色灯号，介于6%至10%之间，则为象征“供电吃紧”的黄色灯号。

　　《风传媒》引述台湾“中央大学”讲座教授梁启源的分析指出，近年再生能源包括太阳光电、风力发电等执行率均打折扣，燃气电厂则有供气不足的问题，未来三年岛内供电系统的备转容量率预计均在10%以下。

　　他还说，由于再生能源发电占比增加，夜间没有太阳无法发电，预计未来夜间的电力供应容易发生缺口，备转容量率恐将低于3%。只要有一部大型机组故障，就会发生大停电。

　　让民众不断承受“用电的烦恼”，究竟是谁的错？此间舆论指出，“非核家园”能源政策难辞其咎。

　　“非核家园”被称作民进党的“神主牌”，民进党2016年上台后不久就在台立法机构通过相关法案规定，全面优惠绿电发展，电商的发电配比必须符合能源政策目标(天然气50%、燃煤30%、再生能源20%)，同时在2025年前彻底关停核电。

　　事实证明，这个能源转型计划让台湾吞下了发电成本暴涨、空气污染加重等种种恶果。尤其是明知主要依靠进口天然气等燃料火力发电，民进党仍加码喊出“电价冻涨”的政治口号，导致台电亏损严重，2022年亏损高达2675亿元新台币(约合598亿元人民币)。

　　不久前，民进党当局又推出新的“减碳目标”，计划2030年电力配比调整为“523”，即燃煤降为两成、再生能源提升到三成。

　　对此，《中国时报》指出，如果相关配套做得不足，再生能源大量并网可能造成系统惯量不足，电网频率失衡，导致跳机停电风险。台湾大学电机工程学系特聘教授刘志文分析说，唯有建好“三道防线”，包括加严再生能源并网技术规范、调整电能控制系统、增加储能设施与需量反应，才能有效降低绿能并网冲击。

　　春节一天天临近，业界和民众都期待新的一年景气好转，诸事顺遂。然而，民进党当局耽于“口水”保证，却不知检讨和修正能源政策，台湾社会“用电的烦恼”恐怕仍将挥之不去。（新华网）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）