导读:本文包含了时间尺度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:尺度,模型,柔性,时间,园区,因子,负荷。
时间尺度论文文献综述
郝少荣,裴志永,段广东,乔敬伟,庞国辉[1]（2020）在《不同时间尺度下环境因子与沙柳茎流关系的差异研究》一文中研究指出为揭示环境因子对沙柳茎干液流的影响是否存在时间尺度差异,对毛乌素沙地沙柳茎流及环境因子(太阳辐射RA、降雨量P、空气温度T、空气湿度RH、空气温度ST和土壤含水量SW)进行持续6个月的同步观测。结果表明:在月尺度下,ST和SW是茎流变化的主要影响因子,ST单独能解释87.9%的茎流变化,两者综合能解释93.0%;T、ST和RA在日尺度下对茎流变化影响最大,T能解释茎流变化的51.5%,叁者共同解释62.2%;小时尺度下,茎流变化受较多环境因子共同影响,但气象因子占主导作用。随时间尺度由大到小,对茎流变化的主导因子由少变多,由土壤因子向气象因子再向综合环境因子过渡。大时间尺度上监测土壤因子可以估算出沙柳的蒸腾耗水量,较小时间尺度上由环境因子推测出的茎流变化不够准确,宜采用仪器直接测定。(本文来源于《干旱区资源与环境》期刊2020年03期）
王成山,吕超贤,李鹏,李树泉,赵鲲鹏[2]（2019）在《园区型综合能源系统多时间尺度模型预测优化调度》一文中研究指出在冷/热/电综合能源系统中,协调多种设备使其优化运行,经济可靠地满足系统用能需求十分重要,制定合理有效的调度策略是实现这一目标的关键。该文针对一个实际园区综合能源系统冬季运行优化调度问题进行研究。在对设备进行详细建模基础上,建立包含滚动优化环节和动态调整环节的两阶段多时间尺度模型预测控制调度策略:滚动优化阶段以系统运行费用和机组启停罚金最小为目标,结合分时电价并考虑多系统互补运行,通过多步滚动求解制定系统大时间尺度调度计划;动态调整阶段以滚动优化阶段调控计划为基准,对设备的运行状态进行调整,应对可再生能源及负荷小时间尺度的不确定性变化。分析结果表明,该文调度方法可协调供能、蓄热装置的运行,发挥多种设备互补运行的优越性,有效降低运行成本,减少主机启停次数;动态调整阶段的引入可快速响应可再生能源和系统负荷小时间尺度变化,经济可靠地满足系统用能需求。(本文来源于《中国电机工程学报》期刊2019年23期）
鄢发齐,李姚旺,汪旸,徐浩,苗世洪[3]（2019）在《含CAES和多类型柔性负荷的电力系统多时间尺度电能-备用联合优化调度》一文中研究指出为了应对大规模风电接入,压缩空气储能(CAES)技术和柔性负荷主动响应技术在近年来发展迅速。以含CAES电站、可转移负荷、可中断负荷、可直接负荷控制(DLC)负荷、风电场、常规机组的电力系统为研究对象,综合考虑CAES电站和多类型柔性负荷在日前、日内、实时时间尺度下的调度特性及其在备用与调频方面的应用潜能,建立考虑源-荷-储协调互动的电力系统多时间尺度电能-备用联合调度模型。该模型以最小化电网运营商的总支出成本为优化目标,能够同时制定系统的发电计划、旋转备用购置与调用计划和自动发电控制(AGC)参与因子配置计划。基于修改版PJM-5Bus系统的仿真结果验证了所建调度模型的有效性。(本文来源于《电力自动化设备》期刊2019年12期）
贾雨龙,米增强,王俊杰,余洋,范辉[4]（2019）在《柔性负荷聚合商参与电力系统的多时间尺度协同优化调度策略》一文中研究指出随着电动汽车(EV)、分布式储能和温控负荷等柔性负荷接入新一代电力系统,为电网调度提出了新的挑战和机遇。基于多种柔性负荷的响应特性,计及风电和负荷预测不确定性所需的系统旋转备用,提出了一种柔性负荷聚合商参与电网调控的多时间尺度优化调度方法。首先,建立了不同柔性负荷模型,在日前阶段,考虑了EV优化充电和分布式储能电价差套利的柔性负荷聚合商运行约束,建立了以日前系统运行经济性最优为目标的调度模型;在日内阶段,考虑了系统旋转备用成本及温控负荷的约束,建立了日内调度模型。最后,以改进的8-bus电力系统算例分析,得出了柔性负荷聚合商参与电力系统的日前-日内协同调度运行计划及承担备用方案,验证了优化方法的有效性和可行性。(本文来源于《华北电力大学学报(自然科学版)》期刊2019年06期）
李芬,李春阳,闫全全,王丽娟,杨兴武[5]（2019）在《多时间尺度下光伏出力爬坡事件概率建模与评估研究》一文中研究指出为分析短时间尺度下光伏出力爬坡事件,建立光伏出力爬坡率的广义高斯混合模型,并通过在不同时间尺度和天气类型下与不同分布模型对比检验,得出3阶广义高斯混合模型最适合用于描述短时间尺度光伏出力爬坡率的概率分布。其次,基于建立的爬坡率模型,对短时间尺度下光伏电站发生爬坡事件的概率进行总体评估。最后,采用旋转门算法,并提出一种改进的得分函数和定义的标签向量的方法,对不同天气类型下光伏爬坡事件进行识别筛选,发现长时间尺度下光伏出力爬坡持续时间、爬坡速率和爬坡幅值均呈幂律分布,且晴天与非晴天下3种指标的分布规律有差异。(本文来源于《太阳能学报》期刊2019年11期）
陈丽艳,王城城,赵从举,叶文伟[6]（2020）在《海南西部桉树林地土壤水分多时间尺度变化特征分析》一文中研究指出为研究不同时间尺度桉树林地土壤水分变化过程与特征,揭示其变化的形成机制。采用TDR与土钻法对海南儋州林场桉树林地0-150cm土层土壤水分和气象因子进行为期8年连续监测。结果表明:1)日尺度晴天土壤水分基本不变,而雨天土壤水分随着降水量增加呈非线性增加;晴天土壤水分与相对湿度呈显着正相关(p<0.01),而与太阳辐射、气温相关性不显着(p>0.05);雨天土壤水分与降水呈显着正相关(p<0.01),而与太阳辐射、气温、湿度相关性不显着(p>0.05)。2)月尺度土壤水分处于高值时段较长,最高值出现于雨季后期的9月,土壤含水量为10.27%;土壤水分最低值出现于旱季末期的4月,土壤含水量为7.43%;月尺度土壤水分含量与降水量呈显着正相关(p<0.01),而与太阳辐射、气温、湿度之间的相关性不显着(p>0.05)。3)2010-2017年桉树林地降水量年际变化差异显着(p<0.01),而不同土层土壤水分差异不显着(p>0.05),0-150cm土层的土壤水分多年保持相对稳定。(本文来源于《干旱区资源与环境》期刊2020年01期）
谢五叁,唐为安,宋阿伟[7]（2019）在《多时间尺度SPI在安徽省气象干旱监测中的适用性研究》一文中研究指出基于安徽省81个气象站1961—2017年逐日降水数据及土壤墒情和干旱灾情资料,从诊断干旱日数年际变化、季节演变、空间分布、频率分布、典型干旱过程演变及与土壤墒情、干旱灾情的相关性等方面,研究6种时间尺度SPI在安徽省气象干旱监测效果。结果表明:不同时间尺度SPI在干旱监测中差异明显,6种时间尺度SPI对于干旱日数年际变化、不同等级干旱频率分布具有较好的监测效果,但对于干旱日数季节演变和空间差异性诊断与实况存在偏差;从典型干旱过程诊断来看,时间尺度越短,降水权重越大(例如SPI30、SPI60),SPI监测曲线对降水的响应越敏感,而SPI150、SPI180等时间尺度长的SPI对降水的响应又过于"迟钝";从与土壤墒情的相关性来看,时间尺度短的SPI30与10 cm表层土壤墒情相关性最好,相关系数达0.91,时间尺度长的SPI180与50 cm深层土壤墒情相关性较好;在各时间尺度SPI与年降水量的负相关及与干旱灾情的正相关方面,相关系数随着时间尺度的增长均先增后减,时间尺度适中的SPI120相关性最好。总体来看,不同时间尺度SPI代表不同含义,针对不同时间尺度的气象干旱应采用不同时间尺度的SPI进行监测评估。(本文来源于《气象》期刊2019年11期）
路朋,叶林,汤涌,张慈杭,仲悟之[8]（2019）在《基于模型预测控制的风电集群多时间尺度有功功率优化调度策略研究》一文中研究指出风电集群有功功率多时间尺度优化调度是提高风电集群精细化调度水平,促进风电消纳的有效技术手段。为有效克服已有方法在风电集群有功功率控制效果差、跟踪调度计划误差较大的不足,基于模型预测控制理论,提出一种风电集群有功功率多时间尺度协调调度新方法。该方法基于方差–协方差变权重组合预测模型对日前风电功率进行预测,依据风电集群出力特性,考虑风电功率的上升、平稳、下降等主要变化趋势,建立有功功率动态变化优先次序集。在日前调度阶段,考虑风电集群预测值与调度值的偏差,建立以风电消纳最大化为目标的调度模型;在日内调度阶段,为减小风电集群日前预测误差带来的不利影响,采用模型预测控制技术实现风电集群有功功率有限时域滚动优化和实时反馈校正,其中,反馈校正环节以当前时刻风电集群输出状态为新一轮滚动优化调度的初始值。以某大规模风电基地实际数据为算例,结果表明,文中所提方法提高了风电集群有功功率调度精度和平稳性,可以有效协调风电集群有功功率日前调度、日内滚动及实时调度,进一步增加风电集群输出功率的平滑性。(本文来源于《中国电机工程学报》期刊2019年22期）
张旭东,杜家浩,黄宇方,石东贤,缪永伟[9]（2019）在《基于多尺度层级LSTM网络的时间序列预测分析》一文中研究指出现有的深度学习研究都依赖于网络的自发学习能力,在训练过程中力求避免或尽量减少人为先验知识的设定,导致网络训练过程完全"黑盒",研究人员很难从语义上进行阐述。针对这种情况,文中提出了一种基于原始LSTM网络的改进——多尺度层级LSTM(Multi-Scale Hierarchical Long Short-Term Memory,MSH-LSTM)网络。该网络保留了神经网络的常规实现流程,在网络学习过程中将层级网络结构与人的经验知识有机结合,使网络在人为指引下有目的地训练,不再是完全的"黑盒",同时对时间序列更好地进行分析预测。为说明MSH-LSTM网络结构的有效性,实验选取了两种时间序列数据(气温、股票),结果表明,相较于ANN网络、LSTM网络及GRU网络,MSH-LSTM网络在保证网络适用性的同时更具分析预测优势。在气温实验中,由于MSH-LSTM与常规LSTM,GRU网络都利用了序列数据的时间因素,因此,它们的效果明显优于ANN;在股票实验中,MSH-LSTM的MAPE误差相对于常规LSTM,GRU,ANN网络分别平均提升了约19.65%,24.35%,46.30%。(本文来源于《计算机科学》期刊2019年S2期）
李廷钧,韩肖清,杜欣慧[10]（2019）在《计及能量互保行为的综合能源园区多时间尺度调度》一文中研究指出综合能源园区的运行控制应兼顾多方市场主体利益诉求,针对不同类型园区的供能差异化需求,提出计及用户诉求的日前调度与实时调度相结合的综合能源园区多时间尺度优化调度策略。首先,构建包含智能用电管理单元、电—气耦合联供单元、电动汽车(EV)充电单元和用户电—冷用能调度单元的园区基本架构,并分析市场环境下的园区运行方法;其次,在日前调度中建立以运营商利润和用户评价为目标的园区非合作博弈模型,确定园区能价和用能安排;再次,针对日前购电偏差问题,建立考虑不同类型用户用能诉求的含能量互保行为的实时能量偏差应对模型;最后,以14节点配电网和7节点天然气管网组成的微能源网为场景,对所提模型进行仿真验证,证明所提模型的有效性。结果表明,所提多时间尺度优化调度策略能够提升园区多方市场主体经济效益,以及兼顾用户多样化用能需要的可行性。(本文来源于《电力系统自动化》期刊2019年23期）
时间尺度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在冷/热/电综合能源系统中,协调多种设备使其优化运行,经济可靠地满足系统用能需求十分重要,制定合理有效的调度策略是实现这一目标的关键。该文针对一个实际园区综合能源系统冬季运行优化调度问题进行研究。在对设备进行详细建模基础上,建立包含滚动优化环节和动态调整环节的两阶段多时间尺度模型预测控制调度策略:滚动优化阶段以系统运行费用和机组启停罚金最小为目标,结合分时电价并考虑多系统互补运行,通过多步滚动求解制定系统大时间尺度调度计划;动态调整阶段以滚动优化阶段调控计划为基准,对设备的运行状态进行调整,应对可再生能源及负荷小时间尺度的不确定性变化。分析结果表明,该文调度方法可协调供能、蓄热装置的运行,发挥多种设备互补运行的优越性,有效降低运行成本,减少主机启停次数;动态调整阶段的引入可快速响应可再生能源和系统负荷小时间尺度变化,经济可靠地满足系统用能需求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时间尺度论文参考文献
[1].郝少荣,裴志永,段广东,乔敬伟,庞国辉.不同时间尺度下环境因子与沙柳茎流关系的差异研究[J].干旱区资源与环境.2020
[2].王成山,吕超贤,李鹏,李树泉,赵鲲鹏.园区型综合能源系统多时间尺度模型预测优化调度[J].中国电机工程学报.2019
[3].鄢发齐,李姚旺,汪旸,徐浩,苗世洪.含CAES和多类型柔性负荷的电力系统多时间尺度电能-备用联合优化调度[J].电力自动化设备.2019
[4].贾雨龙,米增强,王俊杰,余洋,范辉.柔性负荷聚合商参与电力系统的多时间尺度协同优化调度策略[J].华北电力大学学报(自然科学版).2019
[5].李芬,李春阳,闫全全,王丽娟,杨兴武.多时间尺度下光伏出力爬坡事件概率建模与评估研究[J].太阳能学报.2019
[6].陈丽艳,王城城,赵从举,叶文伟.海南西部桉树林地土壤水分多时间尺度变化特征分析[J].干旱区资源与环境.2020
[7].谢五叁,唐为安,宋阿伟.多时间尺度SPI在安徽省气象干旱监测中的适用性研究[J].气象.2019
[8].路朋,叶林,汤涌,张慈杭,仲悟之.基于模型预测控制的风电集群多时间尺度有功功率优化调度策略研究[J].中国电机工程学报.2019
[9].张旭东,杜家浩,黄宇方,石东贤,缪永伟.基于多尺度层级LSTM网络的时间序列预测分析[J].计算机科学.2019
[10].李廷钧,韩肖清,杜欣慧.计及能量互保行为的综合能源园区多时间尺度调度[J].电力系统自动化.2019
论文知识图
