风力发电的趋势及对策

为解决传统能源污染环境较严重及其利用率不足的问题,各国均大力倡导开发新能源,发展低碳电力.风能作为一种无污染、可再生、占地少、开发利用技术成熟的新能源,在世界各国得到了发展和利用.阐述了中国的风电发展现状,重点说明了风电产业面临的风险和隐忧,并提出了相应的对策,为中国风力发电的可持续发展提供了理论参考.     

基于改进蚁群算法的太原市受水区水资源优化配置

针对太原地区水资源严重短缺、供需矛盾日益尖锐的问题,为了使引黄入晋工程最大限度地缓解太原地区缺水情形,根据该地区水资源开发利用现状及地区发展规划,建立基于改进蚁群算法的太原市受水区多目标水资源优化配置模型。该模型引入生态效益目标,以用水效益最大、研究区缺水量最小和生态需水满足程度最大等综合效益作为规划目标,以水源可供水量、用户需水量等作为模型约束条件,并采用改进的蚁群算法进行求解,得到2015、2020两水平年的水资源优化配置方案。通过对优化结果的对比分析,表明该模型应用效果良好,优化配置结果有效减轻了地下水的供水压力,促进了水资源的高效利用。     

动态无功补偿实时监测系统的设计与实现

针对传统无功补偿监测系统难以实时随负载的变化而进行快速精确调节尤其是在故障时存在无功监测的数据处理量大、无法实时判断并记录的问题,构建了一种基于现场总线和无线通信网络的动态无功补偿实时监测系统,即在分析传统无功补偿监测系统特点的基础上,探讨了基于现场总线的无线通信网络的实现形式,通过在虚拟仪器平台上将过程控制中的现场总线和实时操作系统相结合,采用无线专用网络和普通网络完成主从站和站级补偿节点间的通信。在实验室环境下对系统的测试结果表明,该系统监测灵活、高效,避免了数据的冗余处理,提升了大量无功监测数据的高吞吐量。     

基于视觉显著搜索与AdaBoost算法的遥感目标检测

针对遥感影像智能判读领域中如何提高目标检测效率的问题,将视觉显著模型应用到基于特征统计学习的目标检测中,首先通过计算视觉显著图,提取飞机目标潜在区域,然后设计分类器完成目标检测任务.实验结果表明,该方法与传统的遍历搜索方法相比,大幅减少了搜索空间,降低了误检率,在检测率不变的情况下提高了50％的检测效率.     

基于低碳效益的电压等级序列研究

低碳经济对低碳电力的发展提出了迫切要求。以低碳效益为出发点,从电网侧分析了低碳减排的途径,通过合理优化电压等级序列降低网络损耗,在满足指标全面性、规避指标耦合性的基础上,根据能量守恒转化原理建立了包含网络规模、电网总损耗、总投资费用、电网可靠性、占地规模等影响因素的评价指标体系,应用超效率数据包络分析(SE-DEA)算法提出了电压等级序列评价流程。以郑州新区为例,分别对不同负荷密度的4种电压等级序列方案进行综合评价以获得最优方案,验证了模型的有效性和合理性。     

基于双向2DLDA与LDA相结合的SAR目标识别算法

线性判决分析(LDA)用于图像特征提取时,存在着损失二维空间结构信息、计算复杂度大的缺点。二维线性判决分析(2DLDA)弥补了LDA的缺点,但2DLDA仅消除了图像各列间的相关性,所提取的图像特征维数仍然较大。为解决上述问题,采用双向2DLDA与LDA相结合的特征提取算法对图像的行和列同时进行压缩,减少特征矩阵维数,降低计算量。实验结果表明,所提出的SAR(Synthetic Aperture Radar)图像目标识别方法有效地降低了图像数据维数,提高了识别率,并克服了方位角变化对识别结果的影响。