京津冀区域能源互联网研究

能源危机和环境污染使得世界各国认识到清洁能源的必要性和重要性。开展能源革命,减少化石能源的依赖,提高清洁能源的使用,对协调能源-经济-环境,走可持续发展道路具有重要意义。在此背景下,能源互联网被提出来。通过阐述能源互联网和可持续发展的关系,提出了一种基于中尺度的能源互联网——"区域能源互联网",并以京津冀为例,通过分析清洁能源的分布和利用情况,重点强调集中式储能-抽水蓄能和分布式储能-电动汽车,阐述了京津冀区域能源互联网的构成。在此基础上,构建了京津冀区域能源互联网架构,通过区域能量流和信息流的融合提高清洁能源的高效利用,实现能源-经济-环境的协调可持续发展。

基于LSTM循环神经网络的PM_(2.5)预测

PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。