排序方式: 共有51条查询结果,搜索用时 15 毫秒
41.
目的 对比研究芒果果脯热泵干燥过程与传统化石能源热风干燥的成本效益,为企业生产提供科学指导。方法 在芒果果脯干燥动力学模型基础上,为芒果果脯的干燥生产过程建立生命周期成本与效益分析模型,辅以芒果热泵干燥实验数据,验证模型的正确性,并用该模型对芒果果脯热泵干燥企业的生产成本进行预测分析,比较采用热泵干燥和传统热风干燥方法的能耗、成本效益。结果 在热泵干燥条件下,不同高度层的芒果受热均匀,可以精准调控果干温度。相较于燃煤锅炉加热干燥,采用热泵干燥可以降低17.1%的生产成本,有利于减轻企业的经济负担。与传统锅炉加热干燥方法相比,采用热泵干燥方法可使生产能耗下降30.17%,二氧化碳排放量减少了32%,符合我国节能减排发展战略。结论 证明了热泵技术在芒果果脯干燥生产上的优越性。该模型方法还可用于龙眼、荔枝等同类农副产品生产中,为果脯果干生产企业的生产成本控制提供测算方法。 相似文献
42.
区间潮流(interval power flow,IPF)是含风电系统稳态分析的重要工具。现有区间潮流计算方法都要求输入区间变量相互独立,无法合理计及风电场风速的区间相关性。针对这一问题,提出一种基于随机空间仿射变换的蒙特卡罗采样方法求解区间潮流。首先,引入相关角的概念来描述风速的区间相关性,建立了考虑风速区间相关性的区间潮流模型;然后,应用随机空间仿射变换技术,将原随机空间中相关风速转化为仿射随机空间中独立风速;最后,采用蒙特卡罗法求解包含独立风速的区间潮流。在IEEE-14和118标准系统仿真计算,结果验证了所提方法有效、可行。与传统蒙特卡罗法相比,所提方法可以在几乎不增加计算量的情况下,精确实现风速区间的去相关化。 相似文献
43.
基于随机响应面法考虑随机变量
相关性的概率潮流计算 总被引:1,自引:0,他引:1
随机潮流技术是分析含风电场电力系统潮流分布的有效手段。为了准确描述风电场输出功率的随机特性,分析风电接入对系统潮流分布的影响,提出了基于随机响应面法的电力系统随机潮流计算方法。将随机潮流分析转化为确定性潮流分析,用传统潮流计算方法加以求解,从而得到各潮流状态变量的统计特征值和概率分布。考虑到地理位置靠近的多个风电场之间,风速具有较强的相关性,进一步采用正交变换技术处理相关的风速。IEEE-14和IEEE-118系统的计算结果表明,该方法与蒙特卡洛方法相比,具有较高的计算精度和较小的计算量。 相似文献
44.
当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为“净负荷”)进行预测研究。由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测。为此,提出了一种基于特征加权改进的Stacking集成学习净负荷预测方法。首先,通过对不同单一预测模型的预测性能和差异性的分析,优选出长短期记忆网络、Elman神经网络、随机森林树和最小二乘支持向量机作为Stacking集成的学习器。其次,针对传统Stacking集成预测由于忽略学习器之间差异性所导致的预测能力不足问题,根据预测精度对不同学习器进行特征加权,以修正各学习器所带来的整体预测误差。最后,基于德国TENNET区域实测数据进行算例分析,结果表明,相比于单一预测模型、传统Stacking集成预测方法,基于特征加权Stacking集成学习的净负荷预测方法在晴天、多云、多雨、多雪等天气情况下均具有更高的预测精度。 相似文献
45.
46.
考虑到新能源发电的随机性、反调峰性和预测困难等问题,提出了一种适用含新能源接入的电力系统的机会约束经济调度(Chance Constrained Economic Dispatch,CCED)二阶锥规划方法。该方法首先将新能源发电出力预测结果与真实值的偏差作为随机变量,计及系统运行限制的概率约束条件,建立以发电成本期望值最小为目标的电力系统CCED模型。然后根据其约束条件的特点,构建CCED问题的二阶锥规划描述,将原概率约束优化问题转化为确定性的非线性优化问题,采用现代内点算法加以求解,其求解过程仅需进行一次非线性规划问题的求解。通过IEEE-30系统的计算结果,验证了所提模型与方法的有效性和可行性,同时也表明该方法在保持较高计算精度的同时,也具有较高的计算效率。 相似文献
47.
为了准确描述考虑禁止运行区域的发电机出力限制,分析了优化问题约束条件之间存在的"与"和"或"的逻辑关系,研究了一种同时包含"与"和"或"逻辑约束的混合逻辑约束优化(MLCO)问题,并基于此,将考虑禁止运行区域的发电机出力限制表示为一组"或"逻辑关系的约束条件,建立了环境经济调度的MLCO模型。根据布尔代数逻辑变换的思想,延伸出约束条件逻辑关系的等价数学变换,实现了"或"逻辑和"与"逻辑的约束条件之间的转换。从而将MLCO问题转化为仅含"与"逻辑约束的常规非线性优化问题,最后采用现代内点算法加以求解。6机和15机系统的测试结果表明所提出的MLCO模型与方法行之有效,具有较高的求解精度和效率。 相似文献
48.
当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为“净负荷”)进行预测研究。由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测。为此,提出了一种基于特征加权改进的Stacking集成学习净负荷预测方法。首先,通过对不同单一预测模型的预测性能和差异性的分析,优选出长短期记忆网络、Elman神经网络、随机森林树和最小二乘支持向量机作为Stacking集成的学习器。其次,针对传统Stacking集成预测由于忽略学习器之间差异性所导致的预测能力不足问题,根据预测精度对不同学习器进行特征加权,以修正各学习器所带来的整体预测误差。最后,基于德国TENNET区域实测数据进行算例分析,结果表明,相比于单一预测模型、传统Stacking集成预测方法,基于特征加权Stacking集成学习的净负荷预测方法在晴天、多云、多雨、多雪等天气情况下均具有更高的预测精度。 相似文献
49.
在逆变器并联系统中,由于线路阻抗的差异,传统下垂控制功率分配精度不高,并且复杂工况下输出电压控制精度低。为了解决以上问题,提出一种基于自适应参数的改进下垂控制方法。该方法在传统P-V下垂控制的基础上,代入基于Lyapunov函数的自适应参数控制,降低原有线路阻抗的影响,保证输出电压在任意负载工况下均保持在一定的约束范围内。此外,在控制回路中加入虚拟阻抗,通过有功功率反馈调节虚拟阻抗比例系数,进一步提高功率分配精度。仿真和实验结果验证了所提出的改进下垂控制方法的有效性。 相似文献
50.