检索结果-南通市图书馆

维普期刊数据库博看期刊

电动重卡替代柴油重卡的全生命周期碳减排效益分析

在线全文

学校读者我要写书评

暂无评论

环境科学 2024年第5期45卷 3119-3128页

作者：徐圆圆龚德鸿黄正光杨浪贵州大学电气工程学院贵阳550025

为精准预测电动重卡替代柴油重卡的全生命周期碳减排效益,以单辆重卡为对象,通过预测2023~2050年的电力和柴油碳排放因子变化特性,耦合两类重卡寿命及生命周期行驶里程,分阶段构建了重卡动态碳排放模型,深入分析了“2050年净零排放(NZE... 详细信息

为精准预测电动重卡替代柴油重卡的全生命周期碳减排效益,以单辆重卡为对象,通过预测2023~2050年的电力和柴油碳排放因子变化特性,耦合两类重卡寿命及生命周期行驶里程,分阶段构建了重卡动态碳排放模型,深入分析了“2050年净零排放(NZE)情景”、“承诺目标(APS)情景”和“既定政策(STEPS)情景”下两类重卡的碳排放足迹,并计算碳减排量和碳减排率.结果表明,电池生产和电池回收是分别导致电动重卡生产阶段和拆解回收阶段碳减排效益不佳的重要因素.电力碳排放因子(以CO_(2)计)每降低1 g·(kW·h)^(−1),电动重卡全生命周期碳排放可减少1.74 t.3种情景下,两类重卡运行阶段碳排放均占全生命周期碳排放总量的90%以上.碳减排效益由高到低的情景依次为NZE、APS和STEPS,其对应的全生命周期碳减排量分别为1054.68、1021.78和1007.97 t,碳减排率分别为54.38%、52.68%和51.97%.

关键词：重卡碳排放因子动态模型情景分析碳排放全生命周期

在线全文

学校读者我要写书评

暂无评论

烟梗热解焦油类产物析出特性实验研究

太阳能学报 2024年第6期45卷 1-9页

作者：黄正光龚德鸿徐圆圆杨浪贵州大学电气工程学院贵阳550025

利用热重-质谱联用技术对烟梗热解特性进行研究,在氮气气氛下分析升温速率和粒径对烟梗热解焦油类产物的析出特性影响。结果表明:烟梗热解析出焦油类产物主要有苯、甲苯、苯胺、苯酚、糠醛,升温速率为20 K/min的80目烟梗颗粒热解焦油类... 详细信息

利用热重-质谱联用技术对烟梗热解特性进行研究,在氮气气氛下分析升温速率和粒径对烟梗热解焦油类产物的析出特性影响。结果表明:烟梗热解析出焦油类产物主要有苯、甲苯、苯胺、苯酚、糠醛,升温速率为20 K/min的80目烟梗颗粒热解焦油类产物相对累积量分别为240.55×10^(-12)、184.29×10^(-12)、93.71×10^(-12)、147.50×10^(-12)、154.64×10^(-12)A/mg。其中苯和甲苯主要在木质素热解阶段析出,糠醛主要在半纤维素和纤维素热解阶段析出,苯酚在两个阶段均有较大析出。烟梗热解焦油类产物析出强度随升温速率的增大而增强,粒径为80目的烟梗颗粒热解析出焦油产量最大,150目最小。

关键词：生物质热解焦油升温速率粒径热重质谱联用

基于AVMD-CNN-GRU-Attention的超短期风功率预测研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第6期45卷 436-443页

作者：任东方马家庆何志琴吴钦木贵州大学电气工程学院贵阳550025

为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本... 详细信息

为提高超短期风功率的预测精度,提出一种改进的基于变分模态分解的卷积神经网络(AVMD-CNN)、门控循环单元(GRU)和注意力机制(Attention)的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态;然后将各子模态利用样本熵(SE)和中心频率进行分类,根据分类结果对各子模态分别给定归一化方式,并按SE值分别输入到GRU-Attention和CNN-GRU-Attention模型中进行训练和预测;最后将各子模态预测结果叠加得到最终结果,从而完成超短期风功率预测。以决定系数(R^(2))、平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)为精度评估指标,实际算例表明,所提出模型的R^(2)较文中其他方法平均提高12.06%,MAE、RMSE以及MAPE分别平均降低59.36%、62.49%和48.34%,具有较高的预测精度。

关键词：风功率预测变分模态分解卷积神经网络注意力机制样本熵

基于CEEMDAN-AsyHyperBand-MultiTCN的短期风电功率预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第1期45卷 151-158页

作者：刘凡李捍东覃涛贵州大学电气工程学院贵阳550025

为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解... 详细信息

为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率进行分解,构成训练数据集。其次,使用深度残差级联(DRnet)构建多层的时间卷积网络(TCN),并使用AsyHyperband算法对序列分量模型进行超参数寻优。最后,对序列分量分别进行预测,重构预测结果得到预测值。实验表明,该文提出的方法相比于其他方法能有效降低风电功率预测误差。

关键词：风电功率预测神经网络多层集成经验模态分解超参数搜索

基于时空图卷积网络和自注意机制的频率稳定性预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第16期39卷 4985-4995页

作者：杜东来韩松荣娜贵州大学电气工程学院贵阳550025

针对传统数据驱动预测方法对电力系统频率稳定性预测的时空特性利用不充分、新拓扑下泛化能力差和可解释性较弱的问题,该文提出了一种基于自注意力机制和时空图卷积网络(STGCN)的频率稳定性预测方法。STGCN预测方法利用一维时间卷积层... 详细信息

针对传统数据驱动预测方法对电力系统频率稳定性预测的时空特性利用不充分、新拓扑下泛化能力差和可解释性较弱的问题,该文提出了一种基于自注意力机制和时空图卷积网络(STGCN)的频率稳定性预测方法。STGCN预测方法利用一维时间卷积层提取系统时间信息,利用切比雪夫图卷积通过近似拉普拉斯矩阵的多项式函数执行图卷积操作,从而捕获各母线及其邻居的拓扑结构信息;然后,采用基于自注意力机制的可微分图池化层来获得各母线注意力得分以对预测模型的决策过程进行可解释性分析,该分层池化策略允许模型尽可能地保留有价值的节点特征,并根据保留特征和动态拓扑有效分配节点以提高模型的泛化能力与鲁棒性;最后,在修改的新英格兰39节点系统和ACTIVSg500节点系统上的测试验证了所提方法的有效性。与传统方法相比,该文所提STGCN具有更高的预测精度、更好的鲁棒性和泛化能力。同时,该方法可以提供系统内各母线对预测结果的具体影响。

关键词：频率稳定性预测深度学习时空图神经网络自注意力机制可解释性

在线全文

学校读者我要写书评

暂无评论

电力实时仿真器的关键指标及评价方法

南方电网技术 2024年

作者：郦元天郝正航陈卓熊国江杨玉杰姚盼贵州大学电气工程学院

为了打破国外实时仿真设备的垄断地位，化解在仿真领域的被动局面，对电力实时仿真设备国产化的研究是必要且紧迫的。目前国内大规模新能源场站、县域规模万节点级电力系统等所需的仿真资源巨大，但实物仿真平台又存在造价极高、编译速... 详细信息

为了打破国外实时仿真设备的垄断地位，化解在仿真领域的被动局面，对电力实时仿真设备国产化的研究是必要且紧迫的。目前国内大规模新能源场站、县域规模万节点级电力系统等所需的仿真资源巨大，但实物仿真平台又存在造价极高、编译速度缓慢、缺乏对其性能的关键指标的评价方法、关键仿真核心技术处于卡脖子等问题。鉴于此，课题组自主研制了一款新型国产实时仿真器UREP300，详细阐述了其组成原理与其并行迭代编译原理，并提出了仿真平台的关键指标以及评价方法，用以衡量仿真器性能优劣，且基于此与国外领先实时仿真设备进行了详细对比。结果证明了UREP300在仿真领域的性能不亚于甚至超过了国外领先设备，尤其在编译速度上面实现了突破，极大缩短了编译的时间，解决了仿真平台缺失关键指标与评价方法的问题，为国产化研究进程献出了一份力。

关键词：关键指标国产实时仿真器编译速度对比

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

逆变型电源场站故障稳态电流实用化计算方法

电力系统自动化 2024年第10期48卷 182-191页

作者：汤亚芳宋国兵郝正航蒋嘉桁常娜娜郎学毅贵州大学电气工程学院贵州省贵阳市550025 西安交通大学电气工程学院陕西省西安市710049

单机倍乘法常用于逆变型电源场站的故障稳态建模,可简单估算场站短路电流水平,但计算精度有待提升。文中首先分析了低电压穿越控制策略约束下,有功出力、电压跌落程度对发电单元输出的稳态电流的决定性作用,得出故障稳态电流输出特性曲... 详细信息

单机倍乘法常用于逆变型电源场站的故障稳态建模,可简单估算场站短路电流水平,但计算精度有待提升。文中首先分析了低电压穿越控制策略约束下,有功出力、电压跌落程度对发电单元输出的稳态电流的决定性作用,得出故障稳态电流输出特性曲线,基于此分析了场站电气距离及有功出力差异对单机倍乘法计算误差的影响。在误差分析的基础上,提出了计及发电单元分布特性的改进单机倍乘法。该方法在发电单元接入点电压计算中,利用等值阻抗来等效发电单元与并网点的电气距离;将场站分群等值为两台机组,减小发电单元间有功出力差异对短路特性的影响。不同场景下的仿真分析表明,改进方法计算精度较单机倍乘法有着较大的提升。所提方法仅需通过简单计算即可实现场站分群和短路电流聚合,有较好的工程实用性。

关键词：逆变型电源故障电流短路电流单机倍乘法误差分析

基于DRSN-CW-LSTM网络的锂电池荷电状态预测

在线全文

学校读者我要写书评

暂无评论

南方电网技术 2024年第2期18卷 106-114页

作者：王小聪郝正航陈卓贵州大学电气工程学院贵阳550025

由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法... 详细信息

由于电池荷电状态(state of charge,SOC)无法直接测量,且传统的SOC估算方法精度低。为了提升锂离子电池SOC估算精度,对比了不同深度学习网络模型应用于SOC估算的效果,并提出了一种基于DRSN-CW-LSTM网络的锂离子电池SOC估算方法。该方法基于长短期记忆网络(long-short-term memory,LSTM)和逐通道不同阈值的深度残差收缩网络(deep residual shrinkage networks with channel-wise thresholds,DRSN-CW),利用锂离子电池电压、电流、温度、容量等数据信息在深度残差收缩网路中进行特征提取,通过LSTM进一步拟合时间序列数据趋势,实现锂离子电池在使用周期内SOC的预测。在DRSN-CW网络的残差收缩模块中可以实现自适应噪声数据处理功能,消除锂离子电池数据流质量对SOC预测的负面影响。利用锂电池公共数据集训练所提出的网络,对比了3种神经网络模型在该两组数据集上的预测效果。实验结果表明,所提出的深度学习模型在两组公开数据集上的MAE和RMSE均值都控制在5%以内,相比其他3种深度学习模型有更好的抗噪性能和预测性能,且估算精度高。

关键词：锂离子电池荷电状态预测噪声处理深度学习长短期记忆网络深度残差收缩神经网络

在线全文

学校读者我要写书评

暂无评论

湿藻油脂制备生物柴油的研究进展

中国油脂 2024年第1期49卷 100-105,119页

作者：何禹黄睿虞育杰姚贤锐李剑烽唐瑜慕宋其晖李环贵州大学电气工程学院贵阳550025

利用含油量高、生长速度快及能净化环境的微藻转化制取生物燃料具备较大发展潜力,是实现“碳中和”和解决环境问题的有效途径之一。为了降低微藻制取生物柴油的能耗,利用湿法提取技术直接从湿藻生物质中提取油脂制备生物柴油成为研究热... 详细信息

利用含油量高、生长速度快及能净化环境的微藻转化制取生物燃料具备较大发展潜力,是实现“碳中和”和解决环境问题的有效途径之一。为了降低微藻制取生物柴油的能耗,利用湿法提取技术直接从湿藻生物质中提取油脂制备生物柴油成为研究热点,综述了传统细胞破壁提油酯交换法、原位酯交换法及新型水热破壁提油酯交换法3种湿藻油脂制备生物柴油的研究情况并分析了各自存在的问题。传统细胞破壁提油酯交换法需要有机溶剂提取油脂和酯交换两步实现生物柴油的制备,生产工艺复杂,生产投入较高。原位酯交换法可实现微藻生物质一步转化为生物柴油,但存在醇消耗量过大(酸催化原位酯交换)或高温高压能耗高(超临界醇原位酯交换)等问题。新型水热破壁提油酯交换法能够在不使用有机溶剂的情况下实现湿藻油脂的高效分离,但水热温度较高时油脂会与微藻其他组分反应导致油脂品质劣化,水热温度较低时难以有效破坏细胞壁导致油脂提取效率降低。绿色溶剂辅助水热法可有效降低水热温度并抑制副产物的生成,可提高湿藻油脂提取率。为实现湿藻油脂的高效、环保、低耗制备生物柴油,可进一步依托深共熔溶剂等创新绿色溶剂低耗高效绿色提取微藻油脂。

关键词：湿藻湿藻油脂破壁法原位酯交换法水热法

维普期刊数据库博看期刊