生物降解材料产业步入爬坡期

中国生物降解材料产业是一个新兴的产业，尽管近几年的成长速度已经超过了专家们的预期。但是，产业发展仍然面临着种种问题和压力，生物降解行业正在步入关键的爬坡期。     

基于时空相关性的光伏发电功率爬坡预测方法

传统的光伏发电功率预测方法爬坡预测可靠性较低,准确性不高.于是提出一种时空相关性的光伏发电功率爬坡预测方法.在典型日理想光伏发电出力归一化曲线提取基础上,采用线性插值方法生成光伏发电理想出力归一化曲线.通过蒙特卡洛法生成光伏发电随机分量,结合光伏发电与随机分量生成光伏发电序列;通过偏移爬坡率及变量状态划分方法构建信度网络节点变量和各节点变量的状态集;利用贪婪搜索算法从已有变量的状态集中获取最优信度网络结构后,进行光伏发电序列学习,完成光伏发电功率爬坡事件预测.实验结果表明,上述方法可有效完成光伏发电序列生成,并且爬坡预测可靠性较高,可实现多种气象条件下的光伏发电功率爬坡预测.     

兔年说兔歇后语

"虎去神州添活力,兔奔华夏送春来"。"兔年"来到了,"兔子"以其机敏驯良、乖巧可爱的秉性,早已成为人类的朋友,老百姓一直把它视为吉祥之物。在我国的歇后语中,与兔有关的还真不少,如:     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

窄足爬坡机器人结构及控制电路设计

论述竞赛用窄足爬坡机器人的整体结构以及机器人控制系统硬件部分设计和部分功能的软件实现,结合竞赛要求完成窄足爬坡机器人整体设计安装,经过多次试验调试,机器人达到了完成上坡任务的最佳状态,试验结果表明系统设计的合理性和可行性。     

APT中通用爬坡控制器的设计

本文以天津石化公司涤纶厂新上的膜切二线的计算机控制装置为背景，探讨了在SIMATICPCS系统的控制站上利用APT语言进行通用爬坡控制器设计的可行性，并对四个爬坡控制进行了实施。现场投运证明，不仅效果良好，而且大量节省了控制站的内存使用空间，从而保证了整个控制程序内存的使用。     

考虑日周期性影响的光伏功率爬坡事件非精确概率预测

光伏功率爬坡事件的可靠预测对电力系统运行决策至关重要。针对现有光伏发电功率爬坡事件预测存在误报与漏报的问题,提出了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法。首先,定义了新的光伏爬坡特征量,以有效剔除光伏发电功率中的日趋势性变化。进而,为了避免光伏爬坡样本数据有限可能引发的预测误差,通过结构学习构建了最优信度网络,对光伏功率爬坡事件进行非精确概率预测;其中,信度网络节点关联的非精确条件概率由多状态随机变量的非精确狄利克雷模型统计得到。最后,根据给定气象条件,推理计算各爬坡状态发生的概率区间。基于某光伏电站数据的算例仿真验证了所述方法的有效性,表明所提方法可有效捕捉光伏发电功率变动中由气象条件引发的突变事件。     

基于气象测量场的爬坡时段区域风功率预测

随着大规模风电接入电网,风电爬坡事件的风险不断增大,提高爬坡时段风功率预测精度对电网安全经济运行具有重要作用。提出了一种基于气象测量场的爬坡时段区域风功率预测方法。考虑爬坡时段风速场的动态变化,利用经验正交函数分解,将风速资料阵分解成不同空间模态和主分量,通过多元非线性逐步回归方法建立风速场主分量和区域风功率间的映射关系。考虑风速预测误差,采用区间正交函数分解,将上述模型扩展为处理非确定性数据的预测方法。实际区域风功率预测结果表明,所提出的方法能够显著提高风电爬坡时段风功率预测的精度,对存在风速预测误差的情况具有较强的鲁棒性。     

大规模风电并网的电力系统运行灵活性评估

电力系统具有足够的灵活性对于接纳风电等可再生能源至关重要。为实现包含高比例可再生能源的未来清洁电力系统,亟需建立一套充分考虑风电波动性和随机性的电力系统运行灵活性定量评价指标体系。基于电力系统灵活性的定义和原理,提出了一套考虑大规模风电接入的电力系统灵活性定量评估指标体系,并基于蒙特卡洛模拟法和经济调度模型,提出了实用化的指标计算方法。该模型能够考虑风电及负荷的不确定性,并计入了风功率预测误差的时间相关性,从而反映了负荷不确定性和风功率预测不确定性对灵活性指标的不同影响原理。采用我国西北某电网实际风电场数据对所提算法进行了仿真分析,证明了风电不确定性和负荷不确定性对灵活性的影响存在本质区别,并定量研究了不同因素对灵活性指标的影响。     

基于准确率爬坡的动态加权集成分类算法

传统集成分类算法中,一般将集成数目设置为固定值,这可能会导致较低分类准确率。针对这一问题,提出了准确率爬坡集成分类算法（C-ECA）。首先,该算法不再用一些基分类器去替换相同数量的表现最差的基分类器,而是基于准确率对基分类器进行更新,然后确定最佳集成数目。其次,在C-ECA的基础上提出了基于爬坡的动态加权集成分类算法（C-DWECA）。该算法提出了一个加权函数,其在具有不同特征的数据流上训练基分类器时,可以获得基分类器的最佳权值,从而提升集成分类器的性能。最后,为了能更早地检测到概念漂移并提高最终精度,采用了快速霍夫丁漂移检测方法（FHDDM）。实验结果表明C-DWECA的准确率最高可达到97.44%,并且该算法的平均准确率比自适应多样性的在线增强（ADOB）算法提升了40%左右,也优于杠杆装袋（LevBag）、自适应随机森林（ARF）等其他对比算法。