期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于燃煤电厂碳监测数据的碳核算误差分析及修正模型建立
1
作者
朱剑利
白胜利
+2 位作者
张桐瑞
康滟婷
卢浩
《矿冶》
2025年第1期144-150,共7页
随着全球气候变化问题日益严重,碳排放控制成为各国政府和能源企业的共同目标。燃煤电厂作为碳排放的主要来源之一,其碳排放量的准确计算和有效管理显得尤为重要。针对燃煤电厂排放因子法计算误差较大的问题,提出了一种基于多项式拟合...
随着全球气候变化问题日益严重,碳排放控制成为各国政府和能源企业的共同目标。燃煤电厂作为碳排放的主要来源之一,其碳排放量的准确计算和有效管理显得尤为重要。针对燃煤电厂排放因子法计算误差较大的问题,提出了一种基于多项式拟合和误差修正的方法,以提高碳排放量计算的准确性。通过皮尔逊相关系数法选取特征数据集构建多项式模型,利用浣熊优化算法得到最优多项式系数,并对不同特征数和阶数的多项式展开试验。仿真结果显示,建立以发电量、供电量及耗电量的四阶多项式对误差的修正效果最好。误差修正模型能够显著减少碳排放量的计算误差,使修正后的碳排放量更接近实际值。
展开更多
关键词
燃煤电厂
碳监测
排放因子
误差修正
多项式模型
在线阅读
下载PDF
职称材料
组合聚类和深度学习模型的风电场群风速预测
2
作者
樊雅洁
王聪
+2 位作者
张宏立
马萍
李新凯
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024年第12期71-80,共10页
为提高规模化风电场群的风速预测精度,进而保障中国电网的安全稳定运行,提出了一种基于粒子群-投影寻踪聚类算法结合NS-L-Transformer的风电场群短期风速混合预测模型。首先,通过变分模态分解、去伪分量和小波变换的方法对采集的风速数...
为提高规模化风电场群的风速预测精度,进而保障中国电网的安全稳定运行,提出了一种基于粒子群-投影寻踪聚类算法结合NS-L-Transformer的风电场群短期风速混合预测模型。首先,通过变分模态分解、去伪分量和小波变换的方法对采集的风速数据集进行处理,得到滤除噪声干扰后的风速数据集。其次,考虑风电场群间的风速空间关联特性,根据其风速波动特征,采用粒子群-投影寻踪聚类算法分析了风电场群间的空间相关性,根据算法所得到的评价指标对风电场群进行了场群关联性最优分类,并构造了分类后的高维风速数据集。最后,通过Transformer模型的自注意力机制结合LSTM模型的门控单元机制捕捉风速时间序列的局部特征,提出了NS-L-Transformer模型对所构造的具有局部特性的高维风速数据集进行了风速预测。选用中国东南某地区风电场群的风速数据进行了仿真分析,研究结果表明,采用分类后的高维数据集进行风速预测较单一风速数据集的预测精度有较大的提升;相较于Transformer模型,NS-L-Transformer的预测误差减少,从而验证了本研究所提混合预测模型的有效性。
展开更多
关键词
风速预测
风速数据降噪
风电场群分类
粒子群-投影寻踪聚类算法
NS-L-Transformer模型
在线阅读
下载PDF
职称材料
题名
基于燃煤电厂碳监测数据的碳核算误差分析及修正模型建立
1
作者
朱剑利
白胜利
张桐瑞
康滟婷
卢浩
机构
国网
新疆
电力有限公司经济
技术
研究院
新疆大学
智能科学
与技术
学院
(
未来
技术
学院
)
出处
《矿冶》
2025年第1期144-150,共7页
基金
新疆重大科技专项(2023A01005-1)
国家自然科学基金资助项目(52266017)
国家社科基金资助项目(21&ZD133)。
文摘
随着全球气候变化问题日益严重,碳排放控制成为各国政府和能源企业的共同目标。燃煤电厂作为碳排放的主要来源之一,其碳排放量的准确计算和有效管理显得尤为重要。针对燃煤电厂排放因子法计算误差较大的问题,提出了一种基于多项式拟合和误差修正的方法,以提高碳排放量计算的准确性。通过皮尔逊相关系数法选取特征数据集构建多项式模型,利用浣熊优化算法得到最优多项式系数,并对不同特征数和阶数的多项式展开试验。仿真结果显示,建立以发电量、供电量及耗电量的四阶多项式对误差的修正效果最好。误差修正模型能够显著减少碳排放量的计算误差,使修正后的碳排放量更接近实际值。
关键词
燃煤电厂
碳监测
排放因子
误差修正
多项式模型
Keywords
coal-fired power plant
carbon monitoring
emission factor
error correction
polynomial model
分类号
TF05 [冶金工程—冶金物理化学]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
组合聚类和深度学习模型的风电场群风速预测
2
作者
樊雅洁
王聪
张宏立
马萍
李新凯
机构
新疆大学
电气工程
学院
新疆大学
智能科学
与技术
学院
(
未来
技术
学院
)
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024年第12期71-80,共10页
基金
国家自然科学基金(52267010)
国家重点研发计划项目(2021YFB1507000)
新疆维吾尔自治区自然科学基金(2022D01E33,2022D01C367)。
文摘
为提高规模化风电场群的风速预测精度,进而保障中国电网的安全稳定运行,提出了一种基于粒子群-投影寻踪聚类算法结合NS-L-Transformer的风电场群短期风速混合预测模型。首先,通过变分模态分解、去伪分量和小波变换的方法对采集的风速数据集进行处理,得到滤除噪声干扰后的风速数据集。其次,考虑风电场群间的风速空间关联特性,根据其风速波动特征,采用粒子群-投影寻踪聚类算法分析了风电场群间的空间相关性,根据算法所得到的评价指标对风电场群进行了场群关联性最优分类,并构造了分类后的高维风速数据集。最后,通过Transformer模型的自注意力机制结合LSTM模型的门控单元机制捕捉风速时间序列的局部特征,提出了NS-L-Transformer模型对所构造的具有局部特性的高维风速数据集进行了风速预测。选用中国东南某地区风电场群的风速数据进行了仿真分析,研究结果表明,采用分类后的高维数据集进行风速预测较单一风速数据集的预测精度有较大的提升;相较于Transformer模型,NS-L-Transformer的预测误差减少,从而验证了本研究所提混合预测模型的有效性。
关键词
风速预测
风速数据降噪
风电场群分类
粒子群-投影寻踪聚类算法
NS-L-Transformer模型
Keywords
wind speed prediction
wind speed data denoising
classification of wind farm clusters
the particle swarm optimization combined with projection pursuit clustering algorithm(PSO-PPC)
NS-L-Transformer model
分类号
TM614 [电气工程—电力系统及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于燃煤电厂碳监测数据的碳核算误差分析及修正模型建立
朱剑利
白胜利
张桐瑞
康滟婷
卢浩
《矿冶》
2025
0
在线阅读
下载PDF
职称材料
2
组合聚类和深度学习模型的风电场群风速预测
樊雅洁
王聪
张宏立
马萍
李新凯
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
