多变量数据聚类最优选择的用电关联分析算法

针对多源用电大数据典型性分析结果不唯一且精度不高等问题,提出了一种多变量数据聚类最优选择的用电关联分析算法。算法借助小波变换日负荷聚类实现多源用电日负荷的相似性聚类,以提高数据分析的准确性;然后在获得分组上进行单次细粒度典型相关分析;利用典型相关分析的预测性验证典型权重准确性,以实现单次分析结果的最优选择,实现分析结果的唯一性。算法在北京地区非居民用电客户的用电、用气和天气三元数据集上仿真实验,结果发现在不同用户群体上三元数据的典型性相关曲线存在基本稳定、季节性和周期性变化等三种模式。与其他8种算法对比可知,所提算法的关联挖掘最为深入和准确,其中平均相关系数至少提高了1.52%,均方差误差至少降低了2.09%。     

浙江省天然气市场价格及风险分析

针对浙江省天然气管网供气的主要对象,按照等热值等价格的原则,分析了城市、工业和发电各用户可承受的天然气价格及潜在的风险,认为对于浙江省而言,不论用天然气作城市燃气、工业原料或燃料,其用户都能承受供气价格的波动,尤其是用天然气作城市燃气,与其他可替代能源相比具有很强的竞争能力。     

柴油/正戊醇/甲醇三元微乳化燃料柴油机燃烧与排放特性研究

为了使柴油与甲醇互溶,提高燃料氧含量以控制碳烟排放,以正戊醇作为助溶剂,形成柴油/正戊醇/甲醇三元微乳化燃料,对三元燃料在不同温度下的互溶性进行了研究。在一台电控高压共轨柴油机上测试了1 400r/min转速下柴油/正戊醇/甲醇三元微乳化燃料的燃烧压力和排放特性;计算了瞬时燃烧放热率与燃烧温度,并与柴油进行对比。研究结果表明:甲醇能够以一定比例与柴油/正戊醇互溶,且互溶比例随温度升高而增大。与纯柴油相比,随氧含量的增加,混合燃料的滞燃期延长,燃烧持续期缩短,峰值燃烧温度升高;在中低负荷,峰值燃烧放热率上升;在高负荷,三元微乳化燃料的峰值燃烧放热率下降,但其扩散燃烧强度增加;混合燃料的有效燃油消耗率增加,但是其热值逐渐降低,有效热效率上升;3种含氧燃料的CO排放在低负荷时增加,高负荷时降低;HC及NOx排放升高,NO2在NOx中的比例下降;碳烟排放明显减少。     

Jordan-Hahn分解定理及其应用

Jordan－Hahn分解是讨论在σ－域上广义实值函数的测度具有的一个性质,它是现代积分理论的应用。本文从具体例子出发,给出了此定理的证明及典型应用。     

基于"灰局势决策"的地下储气库方案优选法

地下储气库建设考虑因素多,一般经典方法不能很好选择最优方案,而“灰局势决策”只需正确给出各类因素的极性,便能方便合理的选择最优方案,特别是满意方案都是唯一的。因此,此方法能够很好的解决这一类问题的优选。通过用灰局势决策法优选地下储气库方案,从实例计算结果可以看出其优选结果与其他方法优选结果基本一致,且该方法简单实用,能够用于实际工程中。     

基于集成聚类及改进马尔科夫链模型的光伏功率短期预测

准确的光伏功率预测是保证新能源电力系统安全稳定运行的重要手段,根据光伏系统出力特点,提出一种基于集成聚类及改进马尔科夫链模型的组合预测方法。首先,通过集成聚类划分表征周期性的趋势序列与表征随机性的随机序列。其次,利用一阶差分处理改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,通过对吉林省及青海省光伏电站历史运行数据建模,结果表明基于集成聚类及改进马尔科夫链的方法相较于传统马尔科夫链模型准确率平均提高了7.76%,验证了所提出的模型在不同出力类型、不同地理位置的情况下都具有适用性。     

考虑预测误差时空相依性的短期风电功率概率预测

由于风电功率点预测误差无法避免,概率预测可以充分描述风电功率的不确定性,进而对调度部门的决策提供进一步指导。当前的风电功率概率预测方法对其物理变化过程挖掘仍不完整。通过挖掘历史风电功率数据和数值天气预报（numerical weather prediction,NWP）的时空特性,构建了一种考虑误差时空相依性的短期风电概率预测新框架。首先通过门控循环单元（gated recurrent unit,GRU）得到点预测结果;进而,引入多位置NWP,提出了一种考虑时空相依特性的多层次误差场景划分方法;最后,利用Bootstrap抽样法重构形成新的适应建模的误差样本集,进行了不同置信水平下的短期风电功率概率预测。由此得出,在考虑时空相依性的概率预测下,整体框架的效果在中国东北某风电场被验证,对比相同置信水平下,预测精度得到有效明显提高,且评价指标预测区间覆盖率提高0.53%、0.44%、0.32%,预测区间平均带宽缩小2.40%、2.14%,0.06%,证实了所提方法的有效性和可行性。     

计及预测误差时空-条件相依特性的日内光伏出力区间预测方法

由于光伏出力预测误差无法避免,区间预测可以更准确地描述光伏的不确定性,从而对电力系统的决策提供指导,而现有研究方法不能够充分地挖掘光伏功率的物理变化过程,因此提出了一种考虑预测误差时空-条件相依特性的日内光伏出力区间预测框架。首先通过外观相似性更新（appearance similarity update,ASU）模型得到考虑时间相依性的预测误差,再通过长短期记忆（long short-term memory,LSTM）网络模型以及空间相关性的分析得到考虑空间相依性的预测误差,并对预测的出力进行修正,最后依据其误差的条件相依性得到不同置信度下的区间预测。整体框架的效果在新疆光伏电场被验证,其均方根误差能够降低3%以上,同时考虑更新后的预测误差时空-条件相依性的区间预测效果有所提升,验证了所提方法的有效性和可行性。     

我国天然气吸附(ANG)技术现状

天然气吸附技术具有使天然气在低压下获得接近于高压下CNG的能量密度这一显著优点,正在成为天然气储存方式研究的一个新热点。介绍了天然气吸附技术的原理,天然气吸附剂制备的三种常用方法;综述了国内制备天然气吸附剂的现状和影响天然气吸附剂性能因素的研究现状,试验和研究表明影响天然气吸附剂性能的主要因素有吸附剂结构（比表面积、孔壁碳密度、孔径）、填充密度、微孔客积、吸脱附热性能,气质组分等;最后指出了天然气吸附技术发展的趋势和应用前景。