关键词： 光伏发电   风力发电   离散小波变换   时间卷积神经网络   长短期记忆神经网络  

摘要： 近年来,由于化石燃料的燃烧,已经导致了很多严重的环境问题,比如温室效应、酸雨等。为了缓解环境压力和减少能源消耗,新能源的发现为人类提供了一条环保、可持续发展的光明道路。新能源主要包括太阳能、风能、地热能等,新能源发电(New Energy Generation,NEG)是利用现有技术和上述新能源实现发电的过程。新能源发电主要包括光伏发电(Photovoltaic Power Generation,PPG)和风力发电(Wind Power Generation,WPG)。为了提高新能源发电站电网的稳定性以及电站的运营管理效率,新能源发电功率预测已经成为了智能电网建设中的重要课题。光伏发电功率预测(Photovoltaic Power Forecasting,PPF)对于智能电网的建设具有重要的意义。针对光伏功率预测问题,本文提出了一种基于时间卷积神经网络(Temporal Convolutional Neural Network,TCN)和长短期记忆神经网络(Long and Short-Term Memory Neural Network,LSTM)相结合的混合深度学习框架(Conv-LSTM),对超短期光伏发电功率进行预测。本文对真实光伏发电数据集进行了综合实验,采用了三个误差指标来评价Conv-LSTM模型的预测性能。Conv-LSTM模型在MAAPE评价指标上,比LSTM提升了6.90%;在RMSE评价指标上,比MLP提升了11.45%;在MAE评价指标上,比CNN提升了9.43%。与其他模型相比,Conv-LSTM模型对光伏功率提高了预测性能。风电功率预测(Wind Power Forecasting,WPF)是解决风电不确定性和波动性的最有效、最经济的方法之一。针对风电功率预测问题,提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)、时间卷积神经网络(TCN)和长短期记忆神经网络(LSTM)的混合深度学习模型框架(DWT-TCN-LSTM)用来进行超短期风力发电功率预测。通过实验结果对比,DWT-TCN-LSTM模型在RMSE评价指标上,比SVR提升了5.10%;在MAE评价指标上,比LSTM提升了20.75%;在SMAPE评价指标上,比TCN-LSTM提升了10.14%,因此DWT-TCN-LSTM模型的预测性能相对于其他模型得到了显著提高。

关键词： 中职学校   新能源汽车技术   教学策略  

摘要： 环境问题以及能源紧缺等问题使得汽车行业面临着巨大的挑战，所以汽车行业也在慢慢开始接受企业转型的挑战。据数据资料统计，2011年全球的新能源汽车年销量只有5万辆，但是经过短短4年时间之后，2015年的全球新能源汽车销量已经达到60多万辆。我国在“十二五”期间就已经开始逐步落实好新能源汽车行业的扶持政策，可以说国家对于新能源汽车发展的支持力度是十分大的，近年来我国新能源汽车行业得到了长足的发展，取得了显著的发展成效。基于此，就中职学校如何开展“新能源汽车技术”课程提出几点教学策略。

关键词： 云储能   新能源电厂   容量配置   优化调度   弃风弃光  

摘要： 近年来我国以风光为代表的新能源发展迅速,建立了多个大型风力、光伏发电基地,为节能低碳发展、优化电源结构做出了重要贡献。然而,在风力、光伏等新能源发电的装机容量不断上升的同时,弃风弃光问题一直存在。风电、光伏等新能源的波动性、随机性和间歇性对电力系统的可靠性和稳定性的影响也越来越大。部署储能系统是缓解新能源间歇性、保持系统可靠性的一种实用解决方案,但是储能系统的高昂成本制约了其大规模的应用。为此,本文引入了云储能的概念。将云储能运用在发电侧,研究新能源电厂的储能规划与优化调度,主要工作如下:首先,介绍了云储能的基本概念,将发电侧的新能源电厂作为用户建立云储能的基本框架,体现了云储能的主要内涵和组成部分。其次,在云储能的基本结构中详细介绍了系统的多个功能模块,包括通信模块、数据分析模块以及调度优化模块。最后,引入了云储能的能量交易机制,有利于改善云储能用户的实际需求的时间差和互补性。为缓解新能源出力的波动性,降低储能成本,本文以风电场为具体研究对象,提出了一种基于云储能服务的风电场系统框架,设计了一种实体储能与虚拟储能联合的功率分配策略,考虑自建储能全生命周期成本、CES的租赁和交易成本以及弃风和平滑功率短缺的惩罚成本,以年总成本最小为目标,建立了风电场联合储能容量最优分配模型。最后以德国某风电场为例,分析了三种场景下的算例仿真结果,验证了模型能够有效降低成本,延长储能设备的使用寿命,并且抑制风电波动。为缓解拥有自建储能的风力/光伏发电厂集群的弃风弃光现象,提高新能源电厂集群收益,本文基于云储能服务,设计了新能源电厂集群的基本架构与工作机制,建立了考虑发电厂售电收益、减少弃风/弃光损失惩罚收益、减少计划出力误差惩罚收益以及输电成本的新能源电厂集群优化调度模型,并通过算例验证了模型的经济性、稳定性与合理性。

关键词： 建筑节能   新能源   利用   建筑设计  

摘要： 将探讨建筑节能与建筑设计中的新能源利用，目的是为相关领域提供有价值的参考依据，希望可以为建筑企业发展带来积极影响，使其可以加强对建筑节能的重视，进而减少建筑施工所造成的安全问题和污染问题。

ISBN: (纸本)9787111688426

关键词： 人才培养模式   “1+X”证书   新能源汽车  

摘要： 现代汽车产业的发展对高职院校培养适应产业发展需求的技术技能人才提出了新的要求。从新能源汽车技术对复合型人才的实际需求出发，本文提出了书证融通型分类人才培养定位，并依此创新“二路径、四阶段、五融合”人才培养模式。以军工精神、工匠精神教育引导学生，做到“1+X”证书制度与人才培养融合发展，创新高素质复合型与高技能工匠型技术技能人才“双路径”培养模式，为高职院校专业群教育教学改革提供重要参考。

关键词： 能源集团   新能源发电   风险管理   层次分析法  

摘要： 基于国家对电源多元化建设的战略选择和对世界履行生态保护的大国承诺,新能源产业因其环保低碳、综合成本低的优势跨越式发展,已经成为我国电力增量的主体。在这一趋势下,国内电力企业加快了新能源电力项目发展步伐,风险问题也随之而来。以H集团山东分公司作为研究对象,探讨其新能源发电业务的风险管理问题。基于风险管理相关理论,构建H集团山东分公司新能源发电业务风险管理研究框架,主要讨论四个方面:H集团山东分公司新能源发电业务风险管理现状、风险识别、风险评价、风险应对。采用访谈法并基于企业全面风险管理八要素,对H集团山东分公司新能源发电业务的内部环境、目标设定、风险识别、风险评估、风险应对、控制活动、信息与沟通、内部监控现状进行了分析,研究认为,H集团山东分公司新能源发电业务存在着价值链条风险因素识别不清,风险评价方法不够科学,风险控制方案针对性不强等问题。为了化解这些问题,进一步采用访谈法和问卷调查法,从价值链角度对山东分公司新能源发电业务风险进行了识别,识别结果显示,在新能源发电业务中共存在24项风险因素,其中,项目设计环节有5项风险,设备采购环节有4项风险,电站建设环节有4项风险,电力生产环节有5项风险,电力营销环节有6项风险。为了辨识出重大风险,构建了山东分公司新能源发电业务风险评价指标体系,采用层次分析法和三角模糊数法对风险进行了评价。评价结果显示,H集团山东分公司新能源发电业务总体风险较大,其中,项目设计风险等级最高,和设备采购风险同属于较大风险。在所有二级风险因素中,需要特别关注的两个重大风险分别是新能源发电项目合规风险、新能源电站建设安全风险。为了有效应对不同等级风险,参考COSO的《企业风险管理——整合框架》和《中央企业全面风险管理指引》,将风险应对策略分为四种类型:回避、控制、转移和保留。在构建的风险应对策略选择模型基础上,确定出24项风险因素的应对策略,针对这些应对策略,提出了风险控制方案。

摘要： ~~

关键词： 新能源发电   功率预测   风光互补   控制策略   储能优化配置  

摘要： 在“双碳”目标背景下,我国积极发展绿色低碳的新能源电力产业,快速提升的风电、光伏渗透率对电力系统提出了严峻考验。作为一种灵活的调节资源,储能系统具有良好的调频、调峰技术优势,可平抑新能源发电功率波动。本文以基于新能源发电功率预测的储能系统优化配置为研究对象,开展了储能电池寿命估计、新能源功率预测、风光储系统研究等工作,为新能源大规模并网提供技术支撑。主要研究内容如下:(1)在分析研究影响锂离子电池寿命的多重动态因素的基础上,利用戴维南等效电路模型,建立了一种非线性的扩展卡尔曼滤波器的电池荷电状态估计算法。首先,分析研究了传统锂离子电池交换性能寿命估计方法和放电深度寿命估计方法,将温度、电池寿命和工作点动态变化等非线性因素引入戴维南等效电路模型中。在含有锂离子电池的双向DC-DC变换器控制场景下,提出了一种非线性的拓展卡尔曼滤波器的估计方法,对锂离子电池的荷电状态进行了实时估计。结果表明,在25℃的测试环境下,用混合动力脉冲能力特性分析方式,采用非线性扩展卡尔曼对锂离子电池荷电状态的估计误差小于4%,这为复杂环境下的锂离子电池健康状态及寿命估计提供了借鉴。(2)针对新能源发电功率预测数据规模大和特征维度多的问题,在长短期记忆网络算法中集成了线性回归模块,构建了精度提升的自适应功率预测模型。为解决长短期记忆网络算法在新能源发电功率预测中适应性差、精度不高、稳定性低的问题,引入集成学习算法原理,在风光功率预测模型中集成了生成对抗网络、支持向量机和线性回归模块,建立了一种自适应长短期记忆网络功率预测模型,提高了功率预测的精度和鲁棒性。针对实际风、光电站进行模拟测算,结果表明,光伏发电模拟计算场景下,所提模型的预测精度比传统LSTM模型分别提高了39.27%;风力发电模拟计算场景下,所提模型的预测精度比传统LSTM模型分别提高了 27.87%。可见,自适应预测模型改善了不同场景下的风、光功率预测适应性和稳定性问题。(3)在自适应功率预测模型精度提升的基础上,采用交直流拓扑结构研究了风光储联合系统的功率波动特性,对风光互补下的储能系统进行了优化配置。对比研究了五种平抑风、光功率波动的控制策略,明确了模型预测控制算法可以大幅度节约储能最大充放电功率和容量,并平抑新能源电力的出力不稳定特性。利用模型预测控制算法建立了风光储联合的交直流拓扑结构,将新能源并网功率波动降低到每分钟2%以下。在同时考虑不同装机类型、采样间隔、电站数量等多种工况因素对储能配置的影响下,证明了风光发电的相关系数、功率波动率均与储能配置成正相关性;另外,当电源数量增加时,风光发电的相关系数减小、互补性增大,储能配置容量可适当降低。该储能配置设计研究为风光互补发电系统的储能配置优化提供了理论依据。(4)在风光互补系统的储能优化配置研究的基础上,将碳减排目标作为优化目标函数,构建了综合能源系统中电/热混合储能的双层优化配置策略。将碳排放因素表征为系统运行成本,并引入以新能源为主体的综合能源系统中,构建了基于电、热、冷、气能量平衡与电/热储能设备运行约束的综合能源系统模型。对模型进行分层优化控制,并以运行成本为内层目标函数、能量平衡为外层目标函数,建立了适用于电/热混合储能的双层控制策略。能源企业运行数据仿真测算表明,不考虑缺负荷造成的损失情况下,混合储能的优化配置使系统的运行成本降低了6.84%。同时,也反映出电储能盈利时会一定程度提高系统的碳排放,提出了电/热混合储能优化配置是有效降低综合能源系统中碳排放的有效方式之一。