排序方式: 共有117条查询结果,搜索用时 0 毫秒
11.
近年来,海上风电成为我国新能源发电的新增长点,海上风电与远方清洁能源在东部负荷中心地区协调配置和运行策略问题亟待解决.文中通过综合分析海上风电与远方清洁能源供电成本,结合出力特性、负荷预测和需求侧管理等因素,建立了综合成本的能源配置分析方法,针对负荷中心多种类型电源优化问题,结合上网电价和辅助费用建立了系统综合成本估算方法,提出了以综合成本最低为目标,满足运行、安全和环保约束的电源运行协同优化模型,并以江苏省某地区为例进行了详细分析计算,论证了模型具有优化效果,为海上风电与远方清洁能源的协调配置和优化运行提供了分析手段. 相似文献
12.
为研究不同种类绝缘油在热故障下油中溶解气体差异,对山茶籽绝缘油、FR3绝缘油、25#矿物绝缘油及油纸绝缘体系进行了90~250℃及300~800℃模拟变压器热故障试验,使用色谱法分析了热故障下油中溶解气体,得到相应气体组分、百分含量同热故障温度的对应关系。实验表明,热故障下山茶籽绝缘油的主要溶解气体为H2与C2H6,FR3绝缘油为C2H6;矿物绝缘油低温(<300℃)热故障下为H2与CH4,中、高温(≥300℃)热故障下为CH4与C2H4。植物绝缘油与矿物绝缘油热故障特征气体的差异表明,在变压器故障诊断中应根据绝缘油类型建立适用的油中溶解气体分析方法。 相似文献
13.
14.
15.
预训练语言模型能够表达句子丰富的句法和语法信息,并且能够对词的多义性建模,在自然语言处理中有着广泛的应用,BERT(bidirectional encoder representations from transformers)预训练语言模型是其中之一。在基于BERT微调的命名实体识别方法中,存在的问题是训练参数过多,训练时间过长。针对这个问题提出了基于BERT-IDCNN-CRF(BERT-iterated dilated convolutional neural network-conditional random field)的中文命名实体识别方法,该方法通过BERT预训练语言模型得到字的上下文表示,再将字向量序列输入IDCNN-CRF模型中进行训练,训练过程中保持BERT参数不变,只训练IDCNN-CRF部分,在保持多义性的同时减少了训练参数。实验表明,该模型在MSRA语料上F1值能够达到94.41%,在中文命名实体任务上优于目前最好的Lattice-LSTM模型,提高了1.23%;与基于BERT微调的方法相比,该方法的F1值略低但是训练时间大幅度缩短。将该模型应用于信息安全、电网电磁环境舆情等领域的敏感实体识别,速度更快,响应更及时。 相似文献
16.
为兼顾光伏电站实际运行特性及大电网全域仿真压力,同时考虑场站级建模实际成本及工程推广,提出了一种光伏电站机电暂态实用化等值建模方法。首先基于光伏电站有功功率控制及逆变器低电压穿越试验实测数据,利用最小二乘估计法辨识得到符合实际特性的光伏发电单元关键参数,并在此基础上考虑集电线路等对光伏电站暂态特性的影响,依据光伏电站整场实际运行情况搭建完成场站级详细机电暂态模型;然后基于综合距离指标实现扰动情况下对各光伏方阵的分群聚类,并根据分群结果利用等值前后并网点输出功率不变原则求取集电线路等值参数,由此完成场站级等值模型搭建。最后仿真对比某实际光伏电站等值模型及详细模型运行特性。结果表明所提机电暂态等值建模方法具有较好的准确性和工程实用性。 相似文献
17.
为了研究异性导电媒质对直流接地极跨步电压分布的影响,通过CDEGS建立水平双圆环直流接地极模型,计算极址外部附近以及极址区域内存在异性导电媒质时的跨步电压分布.结果表明:当接地极极址外部附近存在一块高(低)电阻率的异性媒质时,将会使外环靠近异性媒质区域的溢流密度及跨步电压下降(升高);当极址内部的表层局部区域存在一块高(低)电阻率的异性媒质时,将会使位于异性导电媒质的环段的溢流密度下降(升高),但跨步电压却反而增加(降低);当极址内部的下层局部区域存在一块高(低)电阻率的异性媒质时,将会使位于异性导电媒质的环段的溢流密度和跨步电压同时降低(升高).研究成果可为直流输电工程中接地极设计及选址提供参考. 相似文献
18.
智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。 相似文献
19.
为了提高居民日负荷预测精度,基于自下而上的建模思想,提出一种模块化的群体居民用户日负荷预测方法.考虑外界因素和用户自身用电行为对负荷的影响,构建相似日提取模块、聚类分析模块和用户用电行为分析模块以实现单户家庭负荷预测.在此基础上,利用蒙特卡洛抽样方法对家用电器组合、家用电器功率和用户用电时间点这3个随机变量进行抽样模拟,构建用户负荷预测模块,实现群体居民日负荷预测.算例仿真结果表明:采用所提方法的居民日负荷预测平均误差为1.3%,最大误差为5.6%.相较于基于灰色模型预测的平均误差2.7%、最大误差7.5%,和基于神经网络模型预测的平均误差2.3%、最大误差6.9%,所提方法显著提高了群体居民日负荷预测的精度. 相似文献
20.