排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
我国的水资源短缺问题日趋严重,新形势下,双控行动是解决水资源短缺问题的战略措施,研究水资源承载能力有助于水资源的可持续发展。从水资源总量、水资源强度、生态环境3个方面出发,基于集对分析(SPA)和云理论,构建了水资源承载能力评价体系,确定出评价等级与标准,并以南京市浦口区为例,研究了浦口区的水资源承载能力。结果表明,浦口区2016年的水资源承载能力等级为一般。此结果与实际情况相符,验证了模型的适用性,为最严格水资源管理和水生态文明建设提供了科学依据。 相似文献
3.
洪水资源利用在产生效益的同时,也会带来风险,有必要加强洪水利用风险评价研究,最大限度降低洪水资源利用的负面影响。对调水工程洪水资源利用风险因素进行识别,构建风险评价指标体系,从蓄水工程、输水工程、提水工程三个方面展开评价。采用层次分析法计算主观权重,熵权法和投影寻踪法计算客观权重,引入云模型计算风险指标的隶属度,最后得到洪水资源利用的风险等级。以南水北调东线工程江苏段为实例,对丰、平、枯三种典型年的洪水资源利用风险进行了评价,验证了评价方法的有效性与适用性。 相似文献
4.
5.
从防洪除涝减灾、水资源保障、水环境与河湖生态保护、农村水利保障、供排水工程、水管理服务以及水利发展保障7个方面建立了水利现代化水平评价指标体系,共27项指标,确定了各项指标的评价等级与标准,构建云模型对江苏省新沂市水利现代化水平进行了评价。结果表明,新沂市水利现代化水平在2015年现状的评价值分别为85.53(云模型)和84.56(集对分析),均处于基本现代化阶段,与实际情况相符;而2020年评价值为93.71(云模型)和91.38(集对分析),预测能达到全面现代化,与"十三五"规划目标相符,验证了云模型评价方法的有效性和适用性。 相似文献
6.
针对堤坝除险加固效益后评价,从经济、社会、生态环境效益3方面构建效益评价指标体系,该体系包括防洪增量效益、灌溉增量效益、经济内部收益率、水环境影响等15项指标,确定效益极佳、较好、一般、较差、极差5个评价等级及相应标准,提出改进云模型进行综合评价。该模型将投影寻踪法和熵权法计算得到的客观权重与云模型计算的初始权重相耦合,利用组合评价法计算指标权重,根据指标等级与标准计算云模型的3个特征值(期望Ex,熵En,超熵He),采用条件云发生器计算各指标的隶属度,进行综合评价。将上述方法应用于湖北省黑湾水库堤坝除险加固效益后评价,验证了改进云模型评价方法的有效性和适用性。 相似文献
7.
本文提出一种计算戴维南等值阻抗和负荷节点电压稳定裕度的新方法。该算法利用系统的拓扑结构,负载阻抗和相量测量单元(PMU)测量的相量来估算,其中负载阻抗被计入到电力系统的导纳矩阵以计算戴维南等值参数,并用监测负荷节点的测量值识别电压稳定薄弱节点。该方法能有效监测电压的稳定性。该方法也适用于PMU的在线应用和状态估计。通过对IEEE39节点系统的仿真分析,证明了所提方法的有效性。 相似文献
8.
针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。 相似文献
9.
针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。 相似文献
1