-
题名京津冀区域能源互联网研究
被引量:5
- 1
-
-
作者
曹柳青
王默玉
申晓留
张秋艳
闫丽娜
-
机构
华北电力大学控制与计算机工程学院
华北电力大学控制与计算机工程学院智能决策实验室
华北电力大学能源互联网与电力大数据研究所
-
出处
《电网与清洁能源》
北大核心
2017年第3期125-130,共6页
-
基金
国家自然基金项目(71071053)
北京市自然基金项目(9122021)~~
-
文摘
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。
-
关键词
区域能源互联网
可持续发展
清洁能源
储能
京津冀
-
Keywords
regional energy internet
sustainable development
clean energy
energy storage
Beijing-Tianjin-Hebei
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于LSTM循环神经网络的PM_(2.5)预测
被引量:50
- 2
-
-
作者
白盛楠
申晓留
-
机构
华北电力大学控制与计算机工程学院
华北电力大学能源互联网与电力大数据研究所
-
出处
《计算机应用与软件》
北大核心
2019年第1期67-70,104,共5页
-
基金
国家自然科学基金项目(71071053)
北京市自然科学基金项目(9122021)
-
文摘
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。
-
关键词
空气质量
PM2.5预测
灰色关联度
循环神经网络
LSTM
-
Keywords
Air quality
PM2.5 prediction
Grey relational degree
Recurrent neural network
LSTM
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-