供热管网分布参数模型与电热耦合网络协同规划

随着多能源互联的逐步发展,电力系统(power system,PS)和供热管网(heating pipe network,HPN)系统的耦合程度不断加深,耦合形式也趋于多样化。需要适当考虑电力系统和供热管网系统在规划与运行方面的相互影响。在此背景下,对电力系统和供热管网系统的协同规划进行探讨。现有供热管网系统的数学模型和分析方法不够精细,无法满足协同规划的需要。为此,首先发展适用于电气分析的供热管网系统的分布参数模型,并对现有的温度场和压力场并行求解方法进行简化和统一。接着对所构造的分布参数模型进行线性化处理,并发展了基于管道和环境参数计算热能和压力损失的方法。之后构建了热网潮流方程,并与电力系统潮流方程统一求解。在此基础上,发展了电力系统和供热管网系统的协同规划模型,以发电成本与电力网损、热网损耗之和最小为优化目标,并考虑电力网络和供热网络的运行约束。该协同规划模型为0-1混合整数非线性规划问题,采用商业化的YALMIP工具箱求解。最后,以修改的IEEE 30节点电力系统和某实际供热管网系统为基础,构建了电力系统和供热管网系统耦合形成的集成系统,以说明所发展的供热管网电气化模型及协同规划方法的可行性和有效性。     

试论桥梁先简支后结构连续施工技术

介绍了先简支后结构连续桥梁施工技术的优点及其施工工艺流程,并对桥梁先简支后结构连续施工技术的质量控制措施进行了详细分析,指出该施工技术有效提高了施工效率,具有广阔的发展应用前景。     

湖北省输变电工程水土流失特征研究

为摸清输变电工程水土流失特点和环境影响因素,有效防治水土流失,通过查阅相关期刊论文、规划报告、监测报告和水土保持方案等资料建立基础数据库,系统分析了输变电工程水土流失防治责任范围变化情况和水土流失特点。结果表明:各输变电工程实际水土流失防治责任范围比方案报告书阶段均有减少,变化率在18.50%～36.59%之间,平均变化率为26.06%;输变电类项目扰动后土壤侵蚀模数均较高,侵蚀级别均在中度及以上;各项目分区中,站区和塔基区占总水土流失量的比例较高,每年平均土壤流失厚度达3.86 mm,是今后重点加强监测和防治的区域。     

大规模可再生能源接入下的电力系统充裕性优化(三)多场景的备用优化

场景分析法在用于描述可再生能源出力不确定性时,不仅能表征预测风/光功率等随机变量在时间—功率空间上的概率分布,还能进一步反映这些随机波动在时序上的相关性。多场景分析中普遍存在场景维数灾问题,在备用优化中更遭遇控制措施组合爆炸问题,加剧了求解的困难。场景削减有利于场景分析法的实用化,然而现有场景削减方法不能确保小概率高风险场景不被剪除,继而引发风险泄露问题。文中提出一种计及场景集剩余风险下逐步筛选场景的多场景备用优化方法,将场景削减与优化过程融合于一体。相比于传统的"先场景削减、再优化"的思路,所提出的方案能自适应地选取待优化场景集,且能有效识别小概率高风险场景。通过与基于传统场景削减方法的混合整数线性规划方法的对比,所提出的多场景优化方法在平衡优化效果与计算效率上具有显著优势。     

电动汽车参与运行备用的能力评估及其仿真分析

电动汽车(EV)作为未来电力系统一种潜在且容量可观的运行备用资源,其调控必须以满足用户出行与充(放)电意愿为前提,因此对电动汽车备用能力的评估需置于合理的、计及用户响应意愿的市场机制下来考察。首先设计出兼顾系统调控需求与用户出行需求的充(放)电合约机制,提出了EV短时备用能力计算方法和响应电价变化的有序充/放电策略。基于上述模型或方法,实例分析了典型EV单体及集群在不同充电策略下,向电网提供多种可调控备用容/电量产品的能力。同时进一步分析了备用容量价格、备用市场设计等因素对EV可申报备用容量的影响。     

智能电网环境下基于大数据挖掘的居民负荷设备识别与负荷建模

利用数据挖掘技术对用户负荷大数据进行处理,既可以通过识别用电负荷设备来分析用户的用电行为习惯,又可以辅助进行负荷精确建模,实现精确而有目标性的需求侧管理或制定具有针对性的零售商售电策略。在此背景下,基于动态时间弯曲(dynamic time warping,DTW)的时间序列匹配方法,提出了一种低频负荷数据下的居民电器设备识别方法。首先,将负荷数据分割成单负荷设备运行和多负荷设备同时运行2种情况下的负荷子序列;然后,依据待识别子序列的时间长度,参照实测的电器设备耗电功率数据,生成与其时间长度一致的电器设备耗电功率参考序列,其中包含了从电器设备启动前一时刻至设备关闭后一时刻的功率变化情形;最后,以DTW距离作为相似性度量指标确定识别结果。对于由多负荷设备运行产生的负荷序列,提出了一种剔除已识别设备后将序列再次分割,如此交替进行的识别策略。在获得识别结果后,构建了居民负荷统计模型。借助于高效数据分析软件R语言平台,实现了所提出的算法,并使用500组负荷数据进行了数据实验。结果表明,在对负荷数据每min采样1次的情况下,所提出的负荷设备识别方法对单设备负荷序列识别的准确率超过93%,对多设备负荷序列识别的准确率接近83%。     

冰风暴灾害下电力断线倒塔的概率计算

提出了基于广义帕累托分布(GPD)和Copula函数的冰风暴灾害下电力断线倒塔的概率计算方法.该方法基于冰风暴灾害下风速和冻雨量的GPD,提出了电力线和铁塔的冰荷载和风荷载的概率计算模型;然后考虑冰荷载与风荷载之间存在的概率相关性,基于Copula函数,提出了电力线和铁塔冰荷载、风荷载的联合概率分布计算模型;在此基础上...     

采用长短期记忆深度学习模型的工业负荷短期预测方法

工业负荷不同于其他电力负荷, 受气温、时间、人口等外部因素的影响较小, 其功率需求主要由相关企业的生产计划来决定。在电力市场环境下, 准确的负荷预测有助于工业用户更好地制定电力交易策略, 从而增加收益。在此背景下, 基于改进的长短期记忆（long short term memory, LSTM）深度学习网络模型, 提出了一种工业负荷短期预测算法。首先,在网络层次上构建层数更多即网络层次更深的LSTM深度学习负荷预测模型。接着, 在每个LSTM单元构成的隐含层中, 采用Dropout技术对神经元进行随机概率失活, 并通过正则化有效避免深度学习过拟合问题并改善了模型性能。然后, 采用真实的工业用户历史负荷数据对所提算法进行测试, 并与已有的短期负荷预测算法进行对比, 包括自回归滑动平均模型 （auto-regressive and moving average model, ARMA）, 最邻近回归算法 （K nearest neighbor regression, KNN） 以及支持向量回归算法 （support vector regression, SVR）。仿真结果表明, 所提深度学习工业负荷短期预测算法相比于一些现有方法, 其预测准确度有明显提升,预测结果的平均绝对百分误差（mean absolute percentage error, MAPE）在9%以下。     

急性放射性肺损伤肺组织CD36表达及意义

采用健康雄性Wistar大鼠,6 MV X射线单次全胸野照射15 Gy,于照后不同时间HE和Masson染色观察大鼠肺组织的病理改变,免疫组化方法分析凝血酶敏感蛋白-1受体CD36在肺组织中的表达,以探讨放射性肺损伤大鼠肺组织病理和CD36在不同时间段的表达和意义。结果表明,HE和Masson染色提示照射后的1周肺泡腔有炎性细胞渗出,继之间质水肿,4及8周出现肺泡腔变小甚至结构破坏,局部实变,肺间质出现胶原纤维;CD36免疫组化标记显示:照射组在照后的第1、2、4、8周时间段CD36表达均明显强于对照组(p<0.01)。以上结果说明CD36参与了放射性肺损伤的发生发展过程,阻抑其表达可能对放射肺损伤有防治作用。