一种能耗均衡的ＷＳＮ高吞吐量路由协议研究

无线传感器网络（WSN）由若干个传感器节点通过多跳自组织的方式构成,这些节点的能量和处理能力都受到极大的限制,因此研究节能高效的路由协议具有较大的意义。为延长WSN的生存时间和提高网络吞吐量,提出了一种能耗均衡的WSN高吞吐量路由协议,该协议利用K-means聚类算法对节点进行分簇,并结合节点剩余能量和距离计算权重值,选择最佳节点作为簇首,此外,还利用无线收发器的参数和信道状况确定最佳固定分组大小。在数据传输阶段,使用Dijkstra算法计算多目标权重函数作为链路成本。实验结果表明该方案在网络节点节能方面优于CERP和TEEN路由协议且提高了整个系统的吞吐量和生存时间。     

我国纯电动与混合动力公交车发展的经济性分析

本文以纯电动和混合动力公交车为分析对象,建立了公交车的全生命周期成本模型,预测了未来10年纯电动和混合动力公交车的全生命周期成本,同时将两种新能源公交车与传统柴油公交车就成本和经济性进行了比较分析,得出到2015年我国应大规模推广混合动力公交车,而到2020年左右,纯电动公交车和混合动力公交车应该成为城市公交车的主力.同时,通过敏感性分析找出了影响两种公交车成本的关键因素.     

基于HSARSA(λ)算法的水库长期随机优化调度研究

针对强化学习的SARSA算法在求解水库随机优化问题中存在的优化性能不高、收敛速度较慢的问题,提出采用基于强化学习的HSARSA(λ)算法进行求解。先在SARSA算法基础上引入效用迹函数得到SARSA(λ)算法,然后加入启发函数得到HSARSA(λ)算法,最后通过不断调整HSARSA(λ)算法的学习率α、折扣因子γ、衰减因子λ等参数求解水库长期随机优化调度问题。实例应用表明,HSARSA(λ)相较于SARSA、SARSA(λ)算法可提升求解精度,减少最优近似解寻优迭代次数,为水库随机优化调度问题提供了一种新的求解思路。     

我国东北地区能源、经济、环境、生态承载力研究

为了实践"振兴东北老工业基地"的政策,近年来,我国东北地区大力改善其经济发展模式,但仍然面临着诸多制约,区域综合承载力急需提升。本文立足于东北地区的资源禀赋、经济发展现状,采用状态空间法,从能源、环境、经济、生态四方面对东北地区的综合承载力进行分析和比较研究,深入了解东北地区综合承载力方面尚存在的问题,为该地区可持续发展提供可行的政策建议。研究结果表明:东北地区能源消耗是制约其承载力的关键因素;该地区环境污染严重,其中废气、废物的排放对其承载力的影响较大;经济发展受到产业结构的限制;水资源匮乏,生态保护基础薄弱。因此,政府应该大力提高该地区的能源效率,限制高耗能行业发展,提高水资源利用率,以提升该地区的综合承载力,促进东北地区社会经济的可持续发展。     

浙江省义乌市分布式光伏发电建设及存在的问题分析

正太阳能作为一种分布及其广泛,储量十分巨大,且易于利用的清洁可再生能源。光伏发电技术可以将太阳能转化为电能,相对传统发电方式,光伏发电具有安全可靠、清洁无污、不受资源分布地域限制、能源质量高和建设周期短等优势。随着技术的不断发展,建设光伏发电厂的成本逐渐降低,大力发展太阳能发电技术及工程建设有助于改善我国能源结构和可持续发展问题。我国能源分布并不均匀,电力资源79%集中在西部高原地区,电     

CMMB单频网的建设与思考

本文介绍了中国移动多媒体广播（CMMB）单频网的组成,建设过程。着重阐述CMMB单频网同步机制、设备安装、调试过程以及期间的一些注意事项,之后列举了单频网运行中的一些常见故障。     

高压变频装置在电厂引风机上的应用

本文着重介绍HARSVERT-A高压变频器在神头第二发电厂的应用情况,对其节电情况进行对比,说明高压变频装置的应用前景。     

锅炉低NOx燃烧技术改造

针对山西神头第二发电厂#2炉NOx排放浓度高的问题,介绍低NOx燃烧技术改造方案.     

基于随机动态规划的水库生态优化调度研究

水库中长期生态调度需要考虑天然入库径流的不确定性.首先描述径流的随机过程,接着以修正全年流量偏差(AAPFD)最小为目标函数,建立AAPFD最小且考虑发电量的水库中长期随机生态调度数学模型,并采用随机动态规划进行求解.实例计算表明,水库中长期生态随机调度模型与确定性调度模型相比,随机调度水位变化更平缓,更有利于保证水库生态流量,提高生态效益.     

基于SARSA算法的风电-抽蓄联合系统日随机优化研究

针对随机动态规划在求解风电—抽蓄联合系统日随机优化时出现的维数灾问题,提出采用强化学习的SARSA算法来解决。首先分析了风电出力随机性并采用Beta分布来表示风电出力的概率分布;然后建立了风蓄联合系统实际出力与计划出力偏差平方最小为目标函数的日随机优化模型;最后说明利用SARSA算法求解该问题的步骤。算例应用结果表明,利用SARSA算法求解该问题需迭代一定次数才收敛,且算法的学习率随迭代次数增加而减小时可加快算法收敛速度;将SARSA算法与随机动态规划算法相比,在优化结果接近的情况下,SARSA算法计算时间减少约35%,该算法为解决随机多能互补问题提供了新思路。