收获期对花生植株产量及蛋白质含量的影响

收获期直接影响花生植株产量和蛋白质含量及果实产量,为此对花生植株产量和粗蛋白含量及地下果实产量动态进行了分析,为在不影响花生果实产量的前提下收获高质、高产的花生植株提供了理论依据.结果表明:花生茎、叶和植株产量、粗蛋白含量、干物质消化率随收获期延长显著下降,粗蛋白含量和干物质消化率在生长134 d时最小;花生每株果和籽仁数、籽仁重及百仁重随收获期延长显著增加,每株果和籽仁数及籽仁重在花生生长119～134 d最大.由产量指标及植株蛋白质含量确定的花生最佳收获时间为:2007年生长124～129 d,2008年生长116～133 d,即果实产量达到最大时及早收获以获得高质、高产的植株.     

国外经验对中国电力系统应急减灾机制的启示

总结了国外电力系统在应急处置方面的经验，包括应对因稳定破坏导致的电力系统大面积停电事故的经验和应对不可抗外力导致的电网支解情况的处置经验;提出了在中国电力系统建立和完善各种灾变情况下的安全预警与应急减灾机制的思路和建议。     

考虑源-网-荷不确定性的增量配电网规划研究综述

随着电力体制改革的全面深化,具有清洁性、智能性与竞争性的增量配电网应运而生。增量配电网不仅结构灵活,同时鼓励多种具有间歇性的分布式电源与新型负荷接入配电网侧。传统配电网的规划技术已难以适应源-网-荷均存在不确定性的增量配电网。基于以上现状,在考虑源-网-荷不确定性的前提下对增量配电网规划研究进行综述。分别从增量配电网中新型源-网-荷发展现状,适用于增量配电网规划阶段的不确定性分析方法和常见的规划研究方法等三个方面进行归纳分析。最后给出了考虑源-网-荷不确定性的增量配电网规划总结与未来展望。     

台风灾害下配网用户停电数量预测最优数据驱动模型选择

严重的台风灾害可能导致配网用户停电,有效的配网用户停电数量预测可为电网应急抢修提供辅助指导。综合考虑气象因素、电网因素及地理因素,提出了基于机器学习回归算法的配网用户停电数量预测方法。分析比较了线性回归、支持向量回归(SupportVectorRegression,SVR)、分类回归树(ClassificationandRegressionTree,CART)、梯度提升树(Gradient Boosting Decision Tree, GBDT)及随机森林(Random Forest, RF)等5种机器学习回归算法对配网用户停电数量预测的应用效果。对比结果表明,LR在进行配网用户停电数量预测时表现较差,SVR及CART模型效果次之,RF及GBDT效果相对较好,其中GBDT算法与RF算法误差较为接近。但考虑到GBDT算法为串行计算,而RF算法为并行计算,使用时RF算法效率更高。因此最终选取了RF进行停电数量预测效果的进一步分析。结果表明其误差在±30%以内的准确率可达70%以上,可为配网用户停电抢修提供有力指导。     

基于多因素修正的台风灾害下输电线路失效预测方法

台风灾害是导致沿海地区输电线路倒塔(杆)、断线等线路损毁的主要原因之一。为了提高电网抵御台风的能力,进行台风灾害下输电线路失效预测具有重要意义。为此文中将输电线路看做由杆塔和线路共同组成的塔线系统,提出了一种基于多因素修正的台风灾害下输电线路塔线系统的失效预测方法。该方法结合传统的风荷载受力模型以及多因素分析的数据挖掘技术,分为基于模型驱动和基于数据驱动2个部分。模型驱动部分考虑杆塔和输电线路实际风荷载及设计风荷载的物理力学模型;数据驱动部分考虑电网信息、气象信息、地理信息等多因素信息,通过对历次台风灾害下的样本数据进行数据挖掘分析,结合当前预测信息,求取修正系数对模型驱动结果加以修正,进而获得输电线路塔线系统的综合失效概率,并对其进行可视化处理。最后通过算例分析验证了所提方法的科学性及有效性。     

计及电动汽车充放电的微电网多目标分级经济调度

根据各调度单元的运行特性,提出一种含有负荷级、源荷级以及源网荷级的多目标分级微电网经济调度策略。首先,负荷级依据用户行驶习惯利用电动汽车的储能特性调控微电网原始负荷波动;其次,源荷级优先使用风、光出力支持微电网负荷用电,同时通过多目标粒子群优化算法,利用储能、完全可调度电动汽车最大化消纳可再生能源及最小化源荷级的综合运行成本;最后,源网荷级利用柴油机和主网联络线消纳来自源荷级剩余的微电网“净负荷”,并且将富余的风、光功率入网获得收益,使电动汽车群、微电网与主网达到经济性、高效性以及安全性的统一效果。以某具体的算例对所提策略进行仿真分析,并与电动汽车随机充电运行及不分级调度运行的情况进行对比,验证了所提策略的科学性及有效性。     

双面光伏发电装置的双轴支架结构与控制策略

单面光伏电池发电量偏低,为增加光伏系统发电量,利用其反面可发电特点,配置光反射器,实现双面光伏发电。反射器结构采用双轴跟踪支架,并基于此结构建立了双轴跟踪下双面电池的发电量计算模型。通过计算分析发现改进结构后的双轴跟踪双面光伏系统的日发电量比固定式单面光伏系统提高了90%以上。在主动前置跟踪策略下,对双轴支架转动次数、转动位置以及转动动作时间分布进行分层优化,根据日期和天气灵活地降低支架转动次数,有效简化了双轴支架的控制,此时系统发电量仍可达到精确跟踪下的90%以上。     

评介《中国水系大辞典》

可称为我国古代水系辞典嚆矢的,当推《尔雅·释水》。但其篇幅短小,内容简略。从《尔雅·释水》至今漫长的岁月里,尚未有一种现代的全国性水系辞书。最近,朱道清先生独立编纂的《中国水系大辞典》(并附《水系分布图》)由青岛出版社正式出版。它填补了我国水系研究的一大空白。著名历史地理学家陈桥驿教授在该书序中指出:“它不仅为广大读者解答有关我国河流湖泊等方面的一切咨询,而且也是人数众多的地理、水文、水利、水产、交通、港口等部门工作人员的工具书。它所产生的社会效益和经济效益是不言而喻的。”     

长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略

电动汽车在需求侧能够发挥出优秀的灵活响应潜力。以往研究多侧重电动汽车的短时间尺度调度,但短时间尺度调度未从宏观时间尺度优化而易陷入短时局部最优。为此,提出了一种长时间尺度下计及里程焦虑心理效应的电动汽车充放电调度策略。首先,构建了长时间尺度电动汽车最优充放电调度策略框架;其次,考虑了电动汽车充放电操作的电池损耗成本以及电动汽车用户出行里程焦虑心理效应,以完善对电动汽车用户效益的量化;在此基础上,建立了考虑电动汽车调度成本及里程焦虑心理效应的长时间尺度电动汽车日前-实时双层多目标调度模型;最后,基于滚动时域优化方法对实时优化问题进行处理,利用非支配排序遗传算法对多目标问题进行求解。算例表明：所提策略可使电动汽车用户的里程焦虑心理效应在调度周期内长期维持低于0.25;维持较高水平(如0.75～0.9)的荷电状态可降低调度成本及里程焦虑,提升用户满意度,进而提升其接受调度的积极性与参与度。     

数据与模型驱动在输电杆塔风致灾损预测中的应用对比分析

应对气候变化带来的电网灾损是保障新型电力系统安全运行的关键之一。该文以输电杆塔风致灾损预测为出发点,对现有两类主流方法——数据驱动与模型驱动进行对比分析。在数据驱动方面,基于多源异构数据构建样本集,利用随机森林算法对输电杆塔风致灾损概率进行预测。在模型驱动方面,将输电线路与杆塔构成的塔线系统进行建模分析,利用设备应力强度与风荷载相关关系求取杆塔损毁概率。最后,通过台风“彩虹”下我国沿海某地区案例,对两类方法的预测结果进行对比,结果表明,模型驱动方法的预测精度较高,但建模复杂度较高,难以大范围广域应用;而数据驱动方法建模复杂度较低,计算效率高,同时具有较高预测精度,可为生产实际提供指导。随着数字化、信息化及智能化等技术普及,数据驱动方法因其建模复杂度低等特点,将会在未来科学应对电网灾害中发挥关键作用。