基于卷积神经网络与门控循环单元的气液两相流流型识别方法

提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法。该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小 DCT 系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别。分析了输入序列长度对CNN-GRU、CNN 及 GRU 网络分类准确的影响,确定了最佳输入向量维度分别为 60、65 及 50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达 99.40%。     

计及碳交易的区域综合能源不完全信息博弈优化调度

减缓全球变暖,减少二氧化碳的排放已经成为能源部门的一个紧迫问题,在此背景下,区域综合能源系统的优化调度成为实现节能减排目标的重要途经。但是区域综合能源系统内能源集线器(energy hub, EH)间存在复杂的利益交互关系和市场不完全信息,这给系统的运行调控带来巨大的困难和影响,如何实现能源集线器间的制约和平衡成为关键。针对计及碳交易的多能源集线器区域综合能源系统,提出基于不完全信息博弈的优化调度策略。在考虑碳交易的基础上,引入电-气(power to gas, P2G)技术和碳捕集系统(carbon capture systems, CCS)耦合技术,以寻求系统低碳经济双赢。结果表明：所构建的优化调度模型,采用碳交易和碳捕集系统协调配合控碳,在保证系统经济效益的同时,碳排放量也下降了6.4%。     

不完全信息下计及环境成本的多能源集线器博弈优化调度

为解决综合能源系统内多个能源集线器间的不完全信息以及竞争制约关系给系统经济与环境优化调度带来的挑战,建立了经济和环境协同的综合能源系统优化调度模型,并分析了动态价格机制下多能源集线器间的制约关系,采用决策博弈方法对多能源集线器进行优化调度。针对能源集线器间热电联产运行模式的不完全信息,采用贝叶斯博弈对多能源集线器间的不完全信息博弈关系进行建模,并给出了博弈算法描述,获得计及环境成本的多能源集线器间贝叶斯博弈优化调度方案。仿真分析表明,依据不完全信息下多能源集线器间的博弈模型所得综合能源系统经济与环境优化调度方案趋近于实际情况,能够在提高经济效益的同时兼顾环境污染问题,具有合理性和可行性。