基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法

射频识别技术(RFID)三维定位是目前室内定位的主要技术,现有的RFID三维定位主要基于LANDMARC定位算法。针对传统的LANDMARC定位算法存在定位精度低、自适应性差的问题,提出一种基于文化双量子粒子群(CDQPSO)优化的RFID 3D-LANDMARC定位算法。该算法首先使用BP神经网络在数据拟合方面的优势对采集信号进行预处理,研究无线信号传输损耗模型,以提升LANDMARC算法的定位精度;然后引入CDQPSO算法在全局搜索与寻优方面的技术优势,求解模型,解决LANDMARC定位算法的自适应问题。实验研究表明,所提算法定位误差在0.56 m以下的标签达到75%,与基本LANDMARC算法和粒子群优化LANDMARC算法相比,定位精度和适应性均得到显著提高,而且能克服粒子群算法收敛速度慢的缺点。     

考虑风电非线性相关性的配电网概率潮流研究

风电之间具有非线性相关的特性,研究其对配电网概率潮流的影响,对提高系统的安全性、可靠性和经济性具有重要意义。提出一种考虑风电之间非线性相关性的配电网概率潮流计算方法,该方法基于经验Copula函数生成风电功率样本,与常规的基于高斯分布、t-分布等概率分布函数的方法相比,基于经验分布函数可以较好地反映风电功率的随机特性。建立含风电的配电网潮流模型,介绍PQ节点、PV节点以及PQ(U)节点的处理方法,并采用前推回代法进行解算。最后,将所提方法应用于纯辐射型配网和弱环型配网概率潮流计算中,对比分析不考虑风电相关性、考虑线性相关性以及考虑非线性相关性的结果。对比结果表明,考虑非线性相关性的结果与实际情况更为接近,可为电力系统运行调度提供更为准确的参考信息。     

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。     

区域能源优化配置原则设计

随着智慧能源、能源互联网等概念的提出,人们对于能源的利用从能源种类到利用形式越来越多样化。该文重新定义多种能源互联网络的概念,并对局域能源网、区域能源网和广域能源网进行划分。在能源互联网络规划建设中,很重要的一项工作是能源优化配置。为了更好地配置能源,需要遵守特定的原则,但是目前很少有文献对于能源配置原则进行讨论。以区域能源网为研究对象,设计区域能源网络中能源优化配置的若干原则,并对每一个原则进行了详细的说明。最后以天津港为例对所提出的能源优化配置原则的应用进行演示。     

考虑电网关联度的电力通信网关键环节识别

电力通信网作为电网的支撑网络,其可靠运行对电网安全可靠运行有着重要意义。为了识别电力通信网的关键环节,提出了一种考虑电网关联度的电力通信网关键环节识别方法。首先,构建电力-通信复合系统,其次,分别构建电力系统层节点评价体系、链路评价体系和通信系统层节点评价体系、链路评价体系,然后采用TOPSIS算法分别求得电力系统层节点重要度、链路重要度以及通信系统层节点重要度、链路重要度。最后,通过特定的代数运算,将电网关联度与通信网自身的重要度结合起来,分别求得考虑电网关联度的电力通信网节点、链路重要度值,并依据重要度值,识别出电力通信网关键环节。某省实际电力通信网仿真结果表明,该方法可以有效地识别出关键环节,证明了该方法的可行性。     

考虑电热混合储能与重构联合优化的配电网风电消纳策略

可再生能源消纳是促进节能减排、建设低碳智能电网的重要内容之一。该文着眼于配电网运行环节,引入主动网络重构措施,协同电热混合储能管控,提出适用于配电网风电消纳的多能源优化消纳模型与求解策略。首先,对配电网各单元(如分布式风电系统、电热混合储能系统等)功率模型进行分析,在此基础上建立综合电热混合储能管控和网络重构的非线性混合整数数学优化模型,并采用二阶锥手段松弛线性化非线性约束,实现模型的快速求解。算例仿真验证并展示了电热混合储能管控和网络重构的联合优化策略对配电网促进风电消纳的影响。     

政企合作（PPP）项目治理风险评价与策略研究——基于社会网络（SNA）方法

政企合作（PPP）项目涉及众多利益相关方,呈现出以政府方和社会资本方为双中心的社会网络特征。错综复杂的项目网络结构极易引起 PPP 项目的治理风险,而治理风险已成为 PPP 项目高失败率的关键因素。当项目利益相关方的网络关系结构不合理时,难以具备实现角色责任应有的权力和能力,造成利益相关方行为的不确定性,从而产生较大的治理风险。从双中心网络视角出发构建 PPP 项目双中心网络模型,基于社会网络方法（SNA）设计符合 PPP 项目双中心特征的治理风险评价指标,并通过选取典型的 PPP 项目案例验证模型和指标的有效性,为 PPP 项目治理风险评价提供决策依据和策略建议,以有效提升政府方和社会资本方的风险防控能力及 PPP 项目成功率。     

Zonal network solution of temperature profiles in a ventilated wall module

A ventilated wall module is an outdoor air-intake device that can clean the drawn air, reduce heat loss or gain, and insulate outdoor noises. It contains a solar board, air cavities, and an air filter. This investigation proposes a zonal network model to efficiently predict temperature profiles in a ventilated wall module. The thermal network is established by applying an energy balance to each network node. The outdoor temperature, indoor temperature, and solar irradiation intensity are specified as boundary parameters. The proposed model is validated by the measured temperatures in a prototype model. The results show that the proposed model provides reasonably accurate temperatures with a maximum gap of 3°C between the prediction and the measurement. The temperature profiles approach straight lines when the mass flow rate significantly increases. A similar trend is observed when the solar irradiation intensity, the solar board absorptivity, or the glass transmitivity dramatically decreases.     

基于BP神经网络的新乡百泉逐月泉水流量动态分析

根据1964.01—1978.12新乡百泉泉水流量动态分析,泉水流量动态受大气降水控制,反映了天然状态下的泉水流量动态特征,并建立了百泉逐月泉水流量的逐步回归预测模型。用BP神经网络方法,建立了不同时段的逐月泉水流量动态预测模型,并与逐步回归模型进行比较,BP神经网络模型拟合效果优于逐步回归模型。根据逐步回归模型和BP神经网络模型预测的结果,极枯降水年份的泉水流量2.727m3·s-1作为百泉泉域裂隙岩溶地下水开采资源量,可在平水年和丰水年的丰水期有泉水自然涌出,重现自然美景,保护风景泉水旅游资源,做到先观后用,达到保泉和供水的目的。     

Optimal planning of distributed generation from the DisCo and the DGO viewpoints considering the uncertainties in future demand and electricity price

Since electricity demand is increasing continuously, it is necessary to invest in expansion of distribution network capacity. From the asset management point of view, it is necessary to encourage the private sector to invest in distribution network. To do this, distribution network managers must provide important opportunities for private sector to profit from their investments. One of the options for private sector is to invest on distributed generations (DGs). In this regard, distribution company (DisCo) must sign power purchase agreement (PPA) with DG owners (DGOs). So, optimal siting, sizing and PPA rates from economic point of view are important challenges which are considered as the main contribution of this paper. The proposed methodology of this paper applies load and price uncertainties into the planning problem. The proposed scheme involves using non-dominated sorting genetic algorithms II (NSGA II), since it attains non-dominated solutions in which DisCo and the DGO can put their personal preferences into practice. To evaluate the effectiveness of the suggested method, the computer simulations are done on a 33-bus distribution network and the results are discussed.