论养老地产REITs的发展障碍及化解策略

养老地产的快速发展形成了对资金的巨大需求,REITs是一种以发行收益凭证快速筹集闲散资金的金融行为。将REITs引入养老地产领域,是化解养老地产资金瓶颈约束的有效手段。论文抛砖引玉地分析了养老地产引入REITs的意义,探讨了养老地产REITs的发展障碍,并提出了相应的化解策略。     

我国房地产REITs发展历程、困境及对策探究

房地产REITs在我国尚处于起步阶段,但发展潜力巨大。论文在总结我国房地产REITs发展历程的基础上,结合对房地产REITs典型特征及我国房地产REITs发展困境的分析,抛砖引玉地提出了促进房地产REITs发展的对策建议。     

基于IGDT和PSO-SA的综合能源系统鲁棒优化调度方法

综合能源系统是实现我国“双碳”目标的有效途径，随着大规模清洁能源的接入，传统电力系统的运行调度面临着严峻的考验。为了解决综合能源系统中风、光出力波动所导致的系统稳定性问题，提出基于信息间隙决策理论和模拟退火粒子群优化算法的综合能源系统鲁棒优化调度方法。首先，建立包含风电机组、光伏机组和多元储能装置等能量耦合设备的综合能源系统，并分析P2G和碳捕集等单元机组的运行机理；然后，在满足机组出力和功率平衡等约束条件下，将确定性场景下的最小化经济运行成本作为目标适应度，利用模拟退火粒子群优化算法进行优化求解，并将多目标优化适应度结果作为决策信息传递到下层作为约束修正范围；最后，在不确定性场景运行调度模式下，引入信息决策间隙理论对风、光出力的严重不确定性进行度量化，并在接受上层提供的合理决策基准信息修正下进行双层鲁棒优化调度。仿真结果表明，风、光机组出力的不确定性会增加综合能源系统的额外经济调度运行成本，但通过制订合理的机组优化调度策略，可以有效提高系统的经济效益。     

基于小波变换和行波测距的单相短路电压暂降源定位方法

配电网中发生单相接地短路故障的概率占总故障的70％左右,因此,有必要对单相接地短路故障引起的电压暂降进行定位.鉴于行波测距技术在输电线路中的成功应用,给电压暂降扰动源定位的方法提供了一个全新的思路,不仅可以判断出电压暂降扰动源发生在电能质量监测装置的上游或下游方向,还可以精确定位到发生线路故障的具体位置,这更加有利于解...     

基于改进核心向量机的配电网理论线损计算方法

为了提高配电网理论线损计算的精度,提出了一种基于改进核心向量机（quantum genetic algorithm-core vectormachine,QGA-CVM）的智能化理论线损计算方法。QGA-CVM方法将理论线损的计算抽象成回归分析问题进行求解,把理论线损已知的线路构造成样本集,以其做为CVM的数据来源加以训练,进而获得回归分析问题的拟合函数。在CVM训练过程中,利用QGA搜寻CVM的最优训练参数,以克服CVM训练参数选取的盲目性,提高了QGA-CVM的计算精度。最后通过实验验证了QGA-CVM理论线损计算方法的有效性,与传统方法相比,QGA-CVM方法在线损计算精度和速度等方面拥有更好的性能。     

论战略性新兴产业与传统产业的藕合发展

战略性新兴产业与传统产业的藕合发展,是新经济时代我国经济和社会可持续发展的基础,也是我国经济持续增长的源动力。论文分析了战略性新兴产业与传统产业藕合发展的必要性,并结合对战略性新兴产业与传统产业藕合发展的作用机制分析,提出了两者藕合发展的促进策略。     

基于EMD和IABC-SVM算法的复合电压暂降源辨识方法

针对配电网中线路短路故障、大型感应电动机启动以及变压器投切等单一电压暂降源和由单一电压暂降源组合而成的复合电压暂降源导致的电压暂降现象,在MATLAB/Simulink中搭建改进的IEEE 33节点配电网系统模型进行仿真分析和验证,提出一种先对电压暂降信号进行经验模态分解(empirical mode decompos...     

基于VMD-ISSA-LSTM的短期光伏发电功率预测

针对光伏发电功率存在随机波动性的问题,提出基于变分模态分解(variational mode decomposition, VMD)和改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化长短期记忆(long short term memory, LSTM)神经网络的短期光伏发电功率预测方法。首先,通过VMD算法将多维光伏特征数据分解为若干不同频率的本征模态和残差分量,以降低原始序列的非平稳性;然后,采用ISSA对LSTM神经网络超参数进行全局寻优,建立了不同模态序列分量下的ISSA-LSTM组合模型;最后,使用训练好的组合模型对各分解的子序列模态特征分量进行多维预测,并将各层模态预测序列叠加组合成最终的输出结果。仿真结果表明,构建的VMD-ISSA-LSTM组合模型相较于常规的短期光伏发电功率预测模型,具有更强的鲁棒性和高精度性。