双碳目标下教育建筑空调能耗管理的探讨

由于空调系统的设计与施工管理、空调设备的节能设计、空调系统的运行管理等方面存在种种挑战,使得空调能耗管理成为教育建筑能耗中最为重要的一部分。在当前碳达峰与碳中和的发展目标下,通过对空调系统运维、能源替换、保暖改进,以及提高工作人员管理水平和技术素质等措施,使教育建筑空调能耗得以降低,以助力社会经济可持续发展,为我国实现“双碳”目标作出贡献。     

基于一致性算法的区域网络集中式共享储能共享机制

现阶段共享储能市场的交易机制存在准入门槛高、交易成本高、交易过程复杂等问题。在高渗透率新能源接入背景下,传统集中式调度方法存在调度中心通信压力大、可靠性差等问题,而分布式调度方法能通过降低市场交易成本来提高市场效率。针对多座新能源场站与共享储能的标准纳什博弈关系,提出了基于价格一致性的共享储能实时共享机制。基于共享储能的实时交易机制,构建了新能源场站与共享储能运营商的分布式个体决策模型;为了实现去中心化共享,在区域共享网络中提出了基于一致性算法的共享储能实时共享机制,参与者通过交互共享电价达成价格认同,最终实现共享储能社会福利最大化。以新能源场站-共享储能网络为算例进行仿真,验证所提分布式调度方法能达到与集中式调度方法相同的效果,且适用性更优。     

基于时间序列的深度学习光伏发电模型研究

为了减少光伏系统接入电网产生的不利影响,并对预测光伏功率输出进行研究,提出了一种基于数据中潜在季节类别的混合深度学习模型。整个模型分为三个阶段,即聚类、训练和预测。在聚类阶段,采用相关分析和自组织映射来选择历史数据中相关性最高的因素。在训练阶段,将卷积神经网络、长短期记忆神经网络和注意力机制相结合,以构建用于预测的混合深度学习模型。在预测阶段,按测试集的月份选择分类的预测模型。实验结果表明,该实验方法在7.5 min内的间隔预测中具有较高的准确性。     

应用于无线Mesh网中的OLSR路由协议研究

目的分析和研究OLSR协议和无线Mesh网络特性,提出路由协议在MESH网应用中的改进方法,使协议开销减小,数据包转发快.方法利用链路状态算法中重新计算拓扑图特点,动态选择连接度来构造MPR集,并延长HELLO消息发送时间间隔,减少网络系统包发送量.结果由仿真分析可知,当HELLO包发送周期延长1 000倍时,HELLO报分组数量级大大减少,而网络数据包吞吐量基本不变.结论对于节点相对固定的Mesh网络,选择具有合适连接度MPR节点机制,并且延长HELLO消息发送时间间隔是OLSR协议一个很好的选择.同时对适当调整TC控制消息包在MPR中的泛洪时间间隔有借鉴作用.     

一种低成本动态车载导航坡度识别方法

针对车载导航系统对行驶过程中道路坡度、相对高度变化识别的需要,提出了1种基于里程仪、单轴加速度计的坡度与相对高度估计算法,克服了传统倾角仪无法在加速运动下测量的不足,能够满足车辆任意运动状态下的测量要求,并在此基础上设计了与倾角仪测量简单融合算法与坡度行车判别策略,可以实现坡度行车的准确快速判断与测量,为复杂情况下车载导航仪道路自动判断提供有力支持。     

滨海湿地碳源/汇模拟系统的构建与应用

目前,针对滨海湿地生态系统碳过程模型构建的研究有一定的进展,但在如何耦合生态过程模型与遥感技术去估算湿地碳源/汇的时空格局动态方面仍处在尝试阶段。通过对湿地生态系统碳过程模型和遥感反演模型的构建,数据库技术和地理信息系统(GIS)软件的二次开发完成了"滨海湿地碳源/汇模拟系统"软件的开发。在此基础上,以区域遥感卫片、野外湿地监测和气象观测数据为主要驱动变量,模拟了崇明东滩湿地潮间带芦苇群落和旱生芦苇群落的碳收支时空格局动态。系统可为管理者估算区域尺度滨海湿地碳源/汇时空动态,预测这一类型湿地碳汇潜能在人类活动和气候变化影响下的发展趋势,为管理者提供一定的理论与技术支持。     

数字式火箭发动机涡轮泵转速测量方法研究

为解决因测量精度低、实时性差引起的液体火箭发动机工况分析困难的问题,结合某型号运载火箭发动机涡轮泵转速信号特点和遥测信号传送要求,提出了基于的CPLD周期法测量液体火箭发动机涡轮泵转速的方法,对转速信号周期的提取、传输以及在遥测系统内的波道编码进行了设计,采用Quartus II软件对转速周期的测量过程进行了仿真验证,设计的原理样机参加了该型号火箭遥测系统试验,试验结果表明,数字式发动机转速测量方法较型号现有的“分频法”在测量的精度和实时性方面均有大幅提升,能有解决目前发动机在加速启动段和减速关机段等转速急剧变化时段转速不能及时、准确测量的问题.     

一种像素与对象相结合的林区建筑物识别方法

针对林区建筑物遥感监测技术需求,为构建GF-2数据在林区建筑物识别中的应用方法,选取蜀南竹海风景名胜区为研究区,根据所选区域建筑物的GF-2影像特征,研究形成了像素级和对象级相结合的林区建筑物识别方法。首先利用基于递归特征消除法的随机森林算法对预处理后的GF-2影像进行特征筛选;然后通过对比支持向量机和随机森林分类器识别的建筑物结果,选用支持向量机分类器所得研究区建筑物作为像素级识别结果;融合像素级建筑物识别结果和多尺度分割得到的影像对象,识别出该研究区建筑物目标。结果表明：利用支持向量机分类器进行像素级建筑物识别,其结果的正确率、完整率和质量均高于随机森林分类器;提出的像素级和对象级相结合的建筑物识别方法既保留了简单易行的优势,也避免了椒盐现象,在正确率、完整率和质量上均比像素级方法和对象级方法有所提高,在质量上分别比像素级方法和对象级方法提高了0.20和0.13,该方法可为主管单位有效监管林区内违规建筑物提供技术支撑。     

多联机系统故障类型识别及故障细化诊断模型研究

本文针对多联机系统实际运行中可能出现的多故障并发问题,提出一种结合线性判别分析(LDA)和随机森林(RF)算法的多故障诊断策略,可以在完成故障类型识别后,自适应地根据故障类型选择最佳细化诊断模型,进一步诊断出故障发生水平或故障发生原因。首先,在不同的制冷和制热工况下,引入四通阀故障、电子膨胀阀故障、制冷剂充注量故障,并按照7∶3的比例划分为训练集和测试集,利用训练集建立基于RF算法的故障类型识别模型;然后,利用LDA方法对训练集中3类故障的特征分别进行降维,并利用降维后的训练集建立故障细化诊断模型;最后,测试集中的样本数据在经过故障类型识别后,根据识别结果自适应地输入至最优故障细化诊断模型。结果显示:故障类型识别模型在测试集上的准确率达到99.99%,3类故障细化诊断准确率分别为96.12%、100%、97.44%,说明该策略能够较好的完成针对多联机系统的多类型故障诊断任务。