为了能够生成与已有风电功率序列数据特性一致的风特性的改进马尔可夫链蒙特卡罗(Markov chain Monte Carlo,PV-MC)法,即持续与波动蒙特卡罗(persistence and variation-Monte Carlo,PV-MC)法。该方法基于风电功率状态,首先生成满足状...为了能够生成与已有风电功率序列数据特性一致的风特性的改进马尔可夫链蒙特卡罗(Markov chain Monte Carlo,PV-MC)法,即持续与波动蒙特卡罗(persistence and variation-Monte Carlo,PV-MC)法。该方法基于风电功率状态,首先生成满足状态跳变率矩阵的状态序列;而后,利用风电功率状态的持续特性,确定状态序列中状态的持续时间,得到满足持续特性的状态序列;最后,基于波动特性,将状态序列转换为风电功率序列。利用PV-MC方法与传统的MCMC法分别对全球6个不同地区共26座风电场生成风电功率序列,并与原始风电功率序列进行特性对比分析,结果表明:无论在基本统计特性(均值、标准差、概率密度函数和自相关系数)还是在时域特性(持续性和波动性)上,PV-MC法生成的风电功率序列都优于传统的MCMC法所生成的序列。展开更多
本研究旨在比较不同土地利用数量预测方法的适用性,并结合空间分布预测模型对香溪河流域未来的土地利用进行预测,以期为该区域的土地利用规划提供决策支持,有效控制总磷污染负荷的产生。结合土地利用数量预测的3种算法(线性外推法、马...本研究旨在比较不同土地利用数量预测方法的适用性,并结合空间分布预测模型对香溪河流域未来的土地利用进行预测,以期为该区域的土地利用规划提供决策支持,有效控制总磷污染负荷的产生。结合土地利用数量预测的3种算法(线性外推法、马尔科夫链模型以及遗传算法)与空间预测模型CLUE-S(Conversion of land use and its effect at small regional extent),对流域内的土地利用变化进行预测,通过输出系数法对流域内的总磷污染负荷进行估算。结果表明,基于线性外推与马尔科夫链两种无约束预测模型,2020年流域内林地面积将比2010年减少约1%,绝大多数林地转变为水田与旱地,且大多发生在流域中部坡度较平缓区域。而基于存在自然社会经济约束条件的遗传算法优化情景下,水田面积减少1060 hm2、旱地面积减少3370 hm2,其面积主要转化为林地,且大多发生在流域高海拔、较陡峭的北部区域。基于输出系数法分析得到的流域内总磷污染负荷在线性外推与马尔科夫链预测情景下相比于2010年均有所增加,分别增加11 000 kg和8000 kg,而在遗传算法情景下,总磷负荷相比于2010年减少约24 000kg。空间分布上,在线性外推与马尔科夫链情景下增加的负荷主要位于流域中部区域,而在遗传算法情景下流域北部区域总磷负荷减少量最为明显。研究结果表明,遗传算法在土地利用优化预测方面表现优异,结合CLUE-S模型,可以对未来土地利用规划起到一定的支持作用,有效控制非点源污染负荷的产生。展开更多
文摘为了能够生成与已有风电功率序列数据特性一致的风特性的改进马尔可夫链蒙特卡罗(Markov chain Monte Carlo,PV-MC)法,即持续与波动蒙特卡罗(persistence and variation-Monte Carlo,PV-MC)法。该方法基于风电功率状态,首先生成满足状态跳变率矩阵的状态序列;而后,利用风电功率状态的持续特性,确定状态序列中状态的持续时间,得到满足持续特性的状态序列;最后,基于波动特性,将状态序列转换为风电功率序列。利用PV-MC方法与传统的MCMC法分别对全球6个不同地区共26座风电场生成风电功率序列,并与原始风电功率序列进行特性对比分析,结果表明:无论在基本统计特性(均值、标准差、概率密度函数和自相关系数)还是在时域特性(持续性和波动性)上,PV-MC法生成的风电功率序列都优于传统的MCMC法所生成的序列。
文摘本研究旨在比较不同土地利用数量预测方法的适用性,并结合空间分布预测模型对香溪河流域未来的土地利用进行预测,以期为该区域的土地利用规划提供决策支持,有效控制总磷污染负荷的产生。结合土地利用数量预测的3种算法(线性外推法、马尔科夫链模型以及遗传算法)与空间预测模型CLUE-S(Conversion of land use and its effect at small regional extent),对流域内的土地利用变化进行预测,通过输出系数法对流域内的总磷污染负荷进行估算。结果表明,基于线性外推与马尔科夫链两种无约束预测模型,2020年流域内林地面积将比2010年减少约1%,绝大多数林地转变为水田与旱地,且大多发生在流域中部坡度较平缓区域。而基于存在自然社会经济约束条件的遗传算法优化情景下,水田面积减少1060 hm2、旱地面积减少3370 hm2,其面积主要转化为林地,且大多发生在流域高海拔、较陡峭的北部区域。基于输出系数法分析得到的流域内总磷污染负荷在线性外推与马尔科夫链预测情景下相比于2010年均有所增加,分别增加11 000 kg和8000 kg,而在遗传算法情景下,总磷负荷相比于2010年减少约24 000kg。空间分布上,在线性外推与马尔科夫链情景下增加的负荷主要位于流域中部区域,而在遗传算法情景下流域北部区域总磷负荷减少量最为明显。研究结果表明,遗传算法在土地利用优化预测方面表现优异,结合CLUE-S模型,可以对未来土地利用规划起到一定的支持作用,有效控制非点源污染负荷的产生。
