考虑负荷聚合商的源荷双侧合作协同运行策略

为应对可再生能源出力间歇性对电能供需实时平衡带来的挑战,利用供给侧与需求侧相互配合的运营模式,进而提出考虑负荷聚合商参与的源荷合作博弈优化模型。首先,构建考虑负荷聚合商的源荷合作运行基本框架,以解决源侧可再生能源出力波动性带来的电能供需供应难题。其次,计及源侧发电成本、弃风成本,荷侧需求响应成本,构建源荷双侧支付函数模型;并以源荷合作运行总成本最低为目标函数,以保证各参与主体的运行经济性。再次,基于Shapley值分配法,提出合作运行联盟内源荷双侧的成本分配策略,从而保证合作运行联盟的稳定性。最后利用算例仿真验证所提源荷合作运行策略的可行性与有效性。结果表明：所提策略可减小负荷峰谷差、减少火电机组出力、提高可再生能源消纳量、降低源荷双侧运行成本,对系统的经济环境效益具有积极作用。     

暗支撑高度变化时十字型短肢剪力墙非线性分析

利用ANSYS 对8个带暗支撑的十字型钢筋混凝土短肢剪力墙进行单调荷载作用下的非线性有限元分析,比较了在暗支撑布置高度变化时,剪力墙的承载能力、刚度和变形能力变化情况,分析了带暗支撑的十字形短肢剪力墙的暗支撑位置对构件的极限荷载和破坏形态的影响,揭示该型短肢剪力墙结构的真实力学行为,得出暗支撑在十字形短肢剪力墙的上下两端附近时对抗震最为有利的结论.为实际工程的截面设计提供依据.     

高效厌氧反应器处理生物制药废水的试验研究

高效厌氧反应器(EABR)处理生物制药废水的启动和运行试验研究结果表明:EABR反应器处理效率高,启动周期短,经过50 d的运行后,COD的去除率达到90.4%,BOD5的去除率维持在88.5%以上.EABR的最佳运行负荷在18.0 kg·m-3·d-1以下,有机负荷在20.0 kg·m-3·d-1时,COD、BOD5的去除率均有较大幅度的下降.EABR对负荷的冲击承受能力不宜超过50%;出水pH维持在7.0～7.4时,COD的去除率在87.9%～91.4%.     

运动过程中自我感觉与生理负荷指标的制定

通过实验研究来观察分析高校学生运动负荷有关生理、心理的变化状况,拟生理负荷的心率监测指标动态变化规律,结合RPE主观感觉指标,制定最佳运动负荷等级对应指标．     

电液转辙机防反弹装置控制与研究

通过对电液转辙机防反弹装置的结构及受力分析,从理论上得出控制转辙机解锁压力的关键,并通过现场实际装配及测试证明研究方法正确。文章可应用于实践中以更好地提高产品的质量。     

齿轮扭转偏载的基本方程

从分析齿轮的扭转变形出发,导出了齿轮齿面分布载荷所应满足的二阶微分方程,并推广到载荷作用在不连续啮合点的情形,从而推出了圆弧点啮合齿轮扭转偏载的计算公式。     

基于聚类及优化集成神经网络的地铁车站空调负荷预测

分别从优化算法集成神经网络及将数据聚类后按类建模两方面建立3种模型对地铁车站空调负荷进行逐时预测,结果表明：同一物理量对地铁车站空调负荷所产生的影响程度随时间呈现某种动态变化特征,根据历史数据定量分析这些特征,对精准筛选模型输入参数、提高模型预测精度大有裨益。在3种模型中,粒子群优化算法-神经网络（PSO-BPNN）和果蝇优化算法-神经网络（FOA-BPNN）预测的平均相对误差（MAPE）较单纯神经网络（BPNN）分别降低25.87%和40.08%,聚类-神经网络（Kmeans-BPNN）预测的MAPE比PSO-BPNN及FOA-BPNN分别降低61.12%和51.90%。说明在同等情况下,优化算法集成模型比单纯BPNN预测精度更高,而当区分实际负荷变化特点后,采用聚类后建模比优化集成建模效果更佳。     

模糊理论在电力负荷预测中的应用

提出了一种预测电力系统负荷的新方法。该法首先根据模糊聚类分析的方法对电力负荷及其相关环境因素的历史样本进行归纳分类，然后采用合适的模糊数及模糊集刻画出各类样本中负荷变化的模式及环境因素的特征，最后，由未来环境因素状态判定未来负荷变化属于哪种模式，从而预测出电力负荷的未来值。文中以我国某省中期负荷预测为例，说明了所提方法的有效性。     

中国硫沉降目标负荷的研究

研究了两种确定硫沉降目标负荷的方法——最小超临界负荷法和等比例降低超临界负荷法,介绍了其原理和相应的数学模型,并分析了用这两种方法确定的硫沉降目标负荷及相应的超临界负荷分布。和等比例削减ＳＯ２方案比较,采用上述两种方法,中国超临界负荷总量会明显降低,而最小超临界负荷法可以使超临界负荷的区域面积比２０００年无控方案减小约１２％。综合考虑技术、经济和区域公平性,建议在确定中国硫沉降目标负荷时采用这两种方法。     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。