净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿...净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿草地生态系统2018—2022年日尺度通量观测数据,使用多元线性回归模型、机器学习模型(随机森林、支持向量机和人工神经网络模型)和融合生态学知识与机器学习的生态知识-机器学习(EML)模型分别对NEE和ET进行拟合。其中,有6种基于不同生态假设的EML模型用于拟合NEE,7种基于不同生态假设的EML模型用于拟合ET。最后构建拟合效果最好和解释能力最优的EML模型并探究环境和植被因素对NEE和ET的影响。结果表明:(1)包含了气象因素、土壤水分因素和植被因素的EML模型对NEE和ET的拟合效果最好,R2和RMSE分别为0.81和0.70 g C m^(-2)d^(-1),0.83和0.48 mm/d,MRE和MAE分别为1.72和0.48 g C m^(-2)d^(-1),0.29和0.30 mm/d。该模型在NEE和ET上的拟合能力较多元线性回归模型提升了24.62%和12.16%,较机器学习模型平均提升了13.02%和6.87%。(2)空气温度是NEE和ET的主要影响因素,重要性占比分别为63.12%和60.38%。6℃和22℃是草地NEE日均空气温度的阈值,在6—22℃之间NEE处于下降趋势,在22℃后NEE变为平稳趋势。0℃和22℃是草地ET日均空气温度的阈值,当空气温度大于22℃后,ET由上升趋势转变为平稳趋势。(3)土壤水分因素在NEE和ET的重要影响因素中的占比分别为17.13%和5.66%,NEE对土壤水分的敏感性高于ET。研究结果有助于完善半干旱区草地生态系统碳水通量的模拟方法,并明确其对环境和植被因素的响应。展开更多
电力系统电磁暂态仿真中,常用异步电动机模型来代表动态负荷模型。然而,由于异步电动机数量众多和电机-电网接口方法的局限性,传统异步电动机模型很难兼顾仿真效率和数值稳定性。针对这一问题,该文提出一种用于电力系统电磁暂态仿真的...电力系统电磁暂态仿真中,常用异步电动机模型来代表动态负荷模型。然而,由于异步电动机数量众多和电机-电网接口方法的局限性,传统异步电动机模型很难兼顾仿真效率和数值稳定性。针对这一问题,该文提出一种用于电力系统电磁暂态仿真的异步电动机负荷解耦(induction motor load decoupling,IMLD)模型。该模型结合异步电动机等效电路和LC传输线时延,构造出具有天然时延的电机-电网解耦接口,从而将异步电动机与外部电网解耦,异步电动机的迭代求解过程无需与外部电网同步求解。根据负荷节点给定的潮流有功和无功功率,通过求解等效电路方程并配置IMLD模型参数,使仿真功率结果与潮流计算给定负荷节点功率相匹配。测试算例结果表明,所提IMLD模型可有效减少网络方程迭代次数,同时具备较高准确性和仿真效率,且具备良好的数值稳定性。展开更多
针对风力发电机组频发的火灾事故,首先从人-机-环-管角度出发,通过统计分析近20年来全球81起风力发电机组火灾事故案例,得到了21项风力发电机组火灾事故的影响因素;然后通过事故树分析(fault tree analysis,FTA)法演绎推理得到了风力发...针对风力发电机组频发的火灾事故,首先从人-机-环-管角度出发,通过统计分析近20年来全球81起风力发电机组火灾事故案例,得到了21项风力发电机组火灾事故的影响因素;然后通过事故树分析(fault tree analysis,FTA)法演绎推理得到了风力发电机组火灾事故各基本事件的逻辑关系,并根据结构重要度进行了火灾事故致因的定性分析;接着采用模糊层次分析(fuzzy analytic hierarchy process,FAHP)法,将事故树的基本事件从人、机、环、管4个方面整合,构建出风力发电机组火灾事故致因评价指标体系,并以结构重要度系数的顺序为模糊判断矩阵的赋值依据,进行了火灾事故致因的定量分析;最后,根据综合分析结果提出了风力发电机组火灾事故的对策措施。结果表明:机和环境的不安全因素是引发火灾事故的主要致因;电气设备故障和雷击是最主要因素。该研究成果可为风力发电机组的火灾防治提供理论参考。展开更多
文摘净生态系统CO_(2)交换量(NEE)和蒸散(ET)是表征半干旱区生态系统碳水循环能力的重要指标。对碳水通量动态变化的准确模拟和驱动机制的深入分析,有助于明确黄土高原半干旱区草地生态系统的功能及其对气候变化的响应。基于黄土高原铁杆蒿草地生态系统2018—2022年日尺度通量观测数据,使用多元线性回归模型、机器学习模型(随机森林、支持向量机和人工神经网络模型)和融合生态学知识与机器学习的生态知识-机器学习(EML)模型分别对NEE和ET进行拟合。其中,有6种基于不同生态假设的EML模型用于拟合NEE,7种基于不同生态假设的EML模型用于拟合ET。最后构建拟合效果最好和解释能力最优的EML模型并探究环境和植被因素对NEE和ET的影响。结果表明:(1)包含了气象因素、土壤水分因素和植被因素的EML模型对NEE和ET的拟合效果最好,R2和RMSE分别为0.81和0.70 g C m^(-2)d^(-1),0.83和0.48 mm/d,MRE和MAE分别为1.72和0.48 g C m^(-2)d^(-1),0.29和0.30 mm/d。该模型在NEE和ET上的拟合能力较多元线性回归模型提升了24.62%和12.16%,较机器学习模型平均提升了13.02%和6.87%。(2)空气温度是NEE和ET的主要影响因素,重要性占比分别为63.12%和60.38%。6℃和22℃是草地NEE日均空气温度的阈值,在6—22℃之间NEE处于下降趋势,在22℃后NEE变为平稳趋势。0℃和22℃是草地ET日均空气温度的阈值,当空气温度大于22℃后,ET由上升趋势转变为平稳趋势。(3)土壤水分因素在NEE和ET的重要影响因素中的占比分别为17.13%和5.66%,NEE对土壤水分的敏感性高于ET。研究结果有助于完善半干旱区草地生态系统碳水通量的模拟方法,并明确其对环境和植被因素的响应。
文摘电力系统电磁暂态仿真中,常用异步电动机模型来代表动态负荷模型。然而,由于异步电动机数量众多和电机-电网接口方法的局限性,传统异步电动机模型很难兼顾仿真效率和数值稳定性。针对这一问题,该文提出一种用于电力系统电磁暂态仿真的异步电动机负荷解耦(induction motor load decoupling,IMLD)模型。该模型结合异步电动机等效电路和LC传输线时延,构造出具有天然时延的电机-电网解耦接口,从而将异步电动机与外部电网解耦,异步电动机的迭代求解过程无需与外部电网同步求解。根据负荷节点给定的潮流有功和无功功率,通过求解等效电路方程并配置IMLD模型参数,使仿真功率结果与潮流计算给定负荷节点功率相匹配。测试算例结果表明,所提IMLD模型可有效减少网络方程迭代次数,同时具备较高准确性和仿真效率,且具备良好的数值稳定性。
