茅山煤矿轶事(四)——葫芦汤和电

回忆茅山煤矿的生活点滴,讲述了当时利用休息时间改善伙食的经历,特别是对葫芦汤的记忆犹新。此外,还详细记录了为解决用电难题而进行的艰苦电力工程施工过程。
茅山煤矿山轶事(四)——葫芦汤和电
     在茅山煤矿劳动每周有半天的休息 时间,我们就会结伴到句容天王寺去赶集。那儿的鸡很便宜,公鸡每斤7角钱,有时还能买到老母鸡,拿回宿舍碰巧还下个鸡蛋呢。买了鸡借老乡的锅灶烧着吃,改善一下伙食。山民们养鸡下蛋自己从来舍不得吃,母鸡就是山民的钱包,家中的盐、火柴、肥皂、煤油,以至飞马牌香烟、劳动牌香烟,都是用鸡蛋到代销店里换来的。我们有时也用现金到山民手中买些鸡蛋来补充营养。那时教师们吃饭是在茅东林场食堂搭伙的,吃饭先要到林场接线员小张那儿买饭菜票,她是个金坛知青,圆圆的脸上总是露出甜甜的可爱的笑容。由于林场职工的收入很低,每月只有几元钱或十几元的工资,因此伙食也较清苦,荤菜很少,常吃的是青菜和葫芦汤,那青菜长得又瘦又长,每棵至少有一尺多高,菜梗瘦瘦的,叶子较小,这菜在 常州城里是见不到的。一顿中饭,半斤馒头,二两饭再加一碗青菜,一碗葫芦汤。初吃葫芦汤觉得味道还不错,有点像黄瓜,有股清香味。
     葫芦也能做菜,这是我生平第一次吃到。在我想象中,八仙中的李铁拐,身上背的葫芦,顶多只能做玩具,那能当菜吃,闻所未闻。食堂里烧饭的师傅是带着眼镜的瘦老头、助手金坛知青小高是个漂亮苗条的姑娘,她带我来到菜田种的葫芦架前,一看大失所望,哪像葫芦,倒像一只只长长的“瓜”吊在架子上,这就是专门做菜的葫芦。以后回到常州,许多年过去了,总还想念着茅山吃过的葫芦汤。妻曾为我到处寻觅做菜用的葫芦,(这种葫芦在常州市场上很少见到),在葫芦汤中加了肉片等调料,但总觉得没有当年茅山的葫芦汤鲜美,当年喝芦汤的感觉,现在是再也找不到了。
     当年茅山煤矿没有电,打炮眼用铁锤加钢钎,坑口设备用电自己用柴油发电机发电,为了解决用电问题,煤矿团部决定从茅麓茶场拉电过来,这是个很艰巨的工程。茅麓茶场到茅山矿几十里山路,沿途要竖上百根电杆。运输电杆、挖坑,竖杆.架线就交给工交营和财贸营,文教营的任务是在每个电线杆坑边上放置一大堆石块,作竖水泥杆时填坑用。我带着一中和三中共20名男女学生,组成突击队,每天吃过早饭带着工具抬着柳条筐步行到茶场,从第一个电杆坑开始,漫山遍野寻找合适的石块,拾进筐里抬到坑边。有时电杆坑在水田中,我们就赤脚下田。中午是来不及回来吃饭的,就预先和沿途茅麓茶场的基层生产队联系,解决吃饭问题,有时在队里就会碰到常州知青,一天要走几十里山路,傍晚收工回营已感很累。我们每天翻山坡,穿树林、拣石块,几乎天天都要经过原新四军野战医院的所在地,我们用新四军的精神激励士气,一个星期就完成了任务。前人栽树后人乘凉,直到我们第一批劳动结束返常时,还没有用上电。(待续)·希望原文教营老战友联系范炎培,我们一起再到茅山去看看。 
 
内容概要:本文围绕“基于多面体聚合与闵可夫斯基动汽车可调能力评估研究”展开,系统提出一种基于多面体建模与几何运算的聚合方法,用于量化大规模动汽车集群的可调节能力。通过构建单车充可行域的凸多面体表示,并利用闵可夫斯基实现群体调控潜力的数学聚合,形成统一的等效灵活资源集合,从而精确刻画动汽车集群在时间与功率维度上的整体调节边界。该方法结合Matlab代码实现,支持对聚合结果的可视化呈现与边界分析,为力系统中的需求响应、虚拟厂运营及分布式能源调度提供了高精度建模工具。研究强调科研应兼顾严谨逻辑与创新思维,倡导借助YALMIP等优化工具提升建模效率与求解可靠性。; 适合人群:具备力系统分析、凸优化理论或运筹学背景,从事新能源并网、动汽车调度、综合能源系统等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握多面体建模与闵可夫斯基力系统灵活性聚合中的数学原理与实现方法;②学习利用Matlab完成动汽车集群可调能力的建模、聚合与可视化分析;③应用于虚拟厂资源聚合、需求响应潜力评估、配网柔性负荷调控等实际场景的建模与优化决策。; 阅读建议:建议读者结合文中Matlab代码逐模块复现算法流程,重点理解多面体定义、约束处理及闵可夫斯基的近似计算实现,同时参考提供的YALMIP工具包资源,深入掌握优化建模技巧,以全面提升对复杂系统聚合建模的能力。
内容概要:本文系统研究了基于Wasserstein生成对抗网络(W-GAN)的光伏出力场景生成方法,旨在应对新能源出力的高度不确定性。相较于传统GAN,W-GAN通过引入Wasserstein距离与梯度惩罚机制,显著提升了模型训练的稳定性与生成数据的质量,能够更精确地捕捉光伏功率时序数据的波动性与时序相关性。研究详细阐述了模型架构设计、损失函数构建、梯度惩罚项(GP)的实现细节,并通过Python代码实现了完整的数据预处理、模型训练、场景生成与后评估流程。生成的高保真光伏场景在统计特性(如分布形态、波动幅度、日内趋势)上与真实数据高度吻合,有效满足了力系统对不确定性建模的严苛要求。; 适合人群:具备Python编程能力深度学习基础知识,从事新能源发预测、力系统规划、运行调度、储能配置及风险管理等领域的研究生、科研人员工程技术人员。; 使用场景及目标:①为含高比例光伏的力系统进行可靠性评估、优化调度与安全校核提供高质量、多样化的输入场景;②支撑储能系统容量配置、需求响应策略制定等决策,以应对光伏出力的波动性;③作为深度学习在能源领域应用的典型案例,服务于相关课题的教学、科研与项目开发。; 阅读建议:建议读者深入研读并运行所提供的Python代码,重点关注W-GAN中判别器(Critic)的构造、梯度惩罚项的编码实现以及训练过程中的超参数(如学习率、惩罚系数)调优策略,可通过对比生成场景与真实场景的可视化结果来评估模型性能,并尝试将其扩展至条件W-GAN(CW-GAN)以生成特定气象条件下的光伏场景。
内容概要:本文围绕基于生成对抗网络(GAN)与Wasserstein GAN(W-GAN)的光伏场景生成展开研究,重点介绍如何利用Python代码实现W-GAN模型,以生成高质量、高稳定性的光伏发出力场景数据。相较于传统GAN,W-GAN通过引入Wasserstein距离梯度惩罚机制,有效缓解了训练过程中的模式崩溃与梯度消失问题,显著提升了生成数据的真实性多样性。该方法在新能源出力不确定性建模、力系统仿真分析等领域具有重要应用价值。文中提供了完整的实现流程,涵盖数据预处理、网络结构设计、损失函数构建、模型训练优化及生成结果可视化等关键环节。; 适合人群:具备一定Python编程能力深度学习基础,从事新能源发预测、力系统规划、智能网仿真或人工智能算法应用等相关方向的研究人员及高校研究生。; 使用场景及目标:①用于构建高精度的光伏出力不确定性场景集,支撑力系统调度决策、储能配置与风险评估;②为高比例可再生能源接入下的力系统提供可靠、多样化的输入场景,提升仿真与优化模型的鲁棒性;③帮助研究者深入理解W-GAN的理论机制与工程实现,推动其在能源系统建模中的创新应用。; 阅读建议:建议读者结合提供的代码进行动手实践,重点关注判别器与生成器的网络架构设计、Wasserstein损失函数的实现方式以及梯度惩罚项的添加技巧,同时可在不同气候区域或时间尺度的光伏数据集上进行迁移实验,进一步验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值