基于特征代表性的土壤环境质量监测点布局优化方法

为提升土壤监测点代表性以更准确获取土壤信息并实施有效管理措施,本文提出一种基于特征代表性的土壤环境质量监测点布局优化方法。该方法基于多个与监测目标变量相关性强的辅助变量的属性分布构建特征空间,采用条件拉丁超立方体方法将特征空间分层并进行编码,并通过计算特征空间分层影响度以确定抽样顺序,逐点抽样优化获得高代表性的布样方案。本研究以北京顺义区为例,以土壤类型、土壤质地、土地利用类型和坡度作为辅助变量进行监测点布局优化,并与简单随机采样方法、空间分层采样方法、条件拉丁超立方体采样方法(cLHS)进行比较。结果显示:相较于其他3种方法,本文提出的方法的特征空间覆盖率平均提高15%左右,耗时远小于cLHS,略高于简单随机采样和空间分层采样,所获取的监测点布设方案的不确定性明显低于其他3种方法,重金属含量分布特征与总体数据更为接近。综上,本研究提出的方法能够显著提升监测点在特征空间的代表性,可有效反映调查区域土壤属性总体分布特征,能为后续调查监测土壤信息提供参考手段。

基于改进贝叶斯的新能源场站并网处系统谐波阻抗估计

随着“双碳”目标的推进,大规模新能源并网使电网背景谐波呈现强波动性,导致现有系统谐波阻抗估计方法精确度降低,进而影响谐波主导扰动源定位与后续针对性治理。因此,针对新能源场站并网场景,研究系统谐波阻抗的精确估计对解决电网谐波污染问题有重要意义。从数据驱动的角度出发,在新能源场站并网点建立了谐波阻抗评估模型。首先,针对背景谐波波动干扰的非理想条件,引入伊潘涅切科夫核函数拟合背景谐波电压的概率密度函数;其次,对于系统侧谐波阻抗值的估计,提出了基于改进贝叶斯的谐波阻抗估计方法,应用贝叶斯方法评估谐波阻抗时,基于熵最大原则和自分析法确定先验均匀分布区间范围;然后,针对样本容量过大导致估计过程耗时较长的问题,提出了基于最大最小优化拉丁超立方体采样法对公共连接点(point of common coupling,PCC)的数据样本进行筛选;最后,通过MATLAB/Simulink仿真分析的计算,验证了所提系统侧阻抗估计方法在背景谐波波动干扰时具有较高精度。