-
题名碳排放流在电力网络中分布的特性与机理分析
被引量：56
- 1
-
-
作者
周天睿
康重庆
徐乾耀
陈启鑫
辛建波
吴越
-
机构
电力系统及发电设备控制和仿真国家重点实验室清华大学
江西省电力科学研究院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2012年第15期39-44,共6页
-
基金
国家自然科学基金资助项目(51107059)
高等学校博士学科点专项科研基金资助项目(20100002110007)~~
-
文摘
碳排放流的分析与计算是基于电力网络拓扑结构而实现的。在此基础上,可以研究碳排放流在电力网络中的分布特性与机理,揭示和辨识电力系统中的高碳要素,以便进一步实现相应的优化决策。为此,文中定义了电力系统碳排放流的2种分布因子,可以清晰地表征碳排放流的分布特性。提出了3种关联矩阵的概念和定义,结合电力网络分析手段,分析了电力系统中发电机组的碳排放与流过支路、节点以及与电力负荷相对应的碳排放流的等量关联关系,揭示了碳排放流在电力系统中的产生、传输和消费的机理。提出了碳排放流关联矩阵的计算方法,用IEEE 14节点系统验证了该方法的正确性。
-
关键词
低碳电力技术
碳排放流
分布特性
碳流分布因子
碳排放流关联矩阵
-
Keywords
low carbon electricity technology
carbon emission flow
distribution characteristics
carbon emission flow distribution factors
carbon emission flow incidence matrix
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于改进主成分分析法的火电机组能耗特征识别方法
被引量：12
- 2
-
-
作者
马瑞
康仁
罗斌
徐慧明
何进
-
机构
智能电网运行与控制湖南省重点实验室(长沙理工大学)
甘肃省电力公司天水供电公司
国网信息通信有限公司
华润电力(常熟)有限公司
-
出处
《电网技术》
EI
CSCD
北大核心
2013年第5期1196-1201,共6页
-
基金
国家自然科学基金项目(51277015)~~
-
文摘
火电机组的能耗特性(发电煤耗率与各能耗参数的特性关系)反映着机组的能耗特征,它是机组节能研究的重要组成内容。机组的能耗特性等重要知识蕴含于机组的运行数据中,理论上机组的能耗特性可以从其历史数据中回归挖掘出来,然而机组的能耗指标不仅数量多,而且相互之间具有多重共线性特点,这给回归分析带来了困难。运用改进主成分分析法的特征提取和降维的功能,以损失少量信息为代价,解决了能耗变量维数过高及其多重相关性给能耗特性方程的回归带来的困难。然后,从能耗特性方程出发,辨识出了各重要能耗指标的灵敏系数。最后,通过对国内某火电厂的600 MW机组进行能耗特征分析,验证了该方法的有效性。
-
关键词
低碳电力
特征提取
能耗特征
改进主成分分析法
敏感性分析
-
Keywords
low-carbon electricity
featureenergy consumption characteristics
improvedcomponent analysis
sensitivity analysisextraction
principal
-
分类号
TM611
[电气工程—电力系统及自动化]
-
-
题名考虑电能使用行为的用户碳画像研究
- 3
-
-
作者
郑杨
王雨薇
徐丁吉
邓士伟
李莹莹
陈星瑞
-
机构
国网江苏省电力有限公司镇江供电分公司
江苏智臻能源科技有限公司
-
出处
《电力需求侧管理》
2024年第2期100-106,共7页
-
基金
国网江苏省电力有限公司科技项目资助(J2022156)。
-
文摘
随着我国提出“碳达峰、碳中和”的双碳建设目标,节能减碳成为当下的热点问题。用户碳画像对电力公司分析居民用户的电能使用行为,制定合理的电能减碳调控措施具有重要意义。为此,对基于电能使用行为的用户碳画像标签体系和画像方法进行研究。首先对用户多维用能数据进行搜集和筛选;然后根据筛选后的用户电能使用行为数据,结合画像目的,从用户减碳负荷特性、用户低碳用电特性、用户电能产消碳特性3个维度设计用户碳画像的标签体系;再将子标签进行数据处理并对各类综合指标分析得到各维标签数据。最后通过使用k-means聚类算法判断并确定用户的所属簇别,以三维散点图进行展示;再根据标签体系计算获得用户的减碳综合指数并以柱状图进行展示,实现了用户碳画像的可视化呈现,反映了用户电能减碳的综合能力;通过选取典型用户对比实施减碳措施前后的碳排放量,验证了所提方法的有效性。
-
关键词
碳画像
减碳负荷特性
低碳用电特性
电能产消碳特性
K-MEANS聚类算法
-
Keywords
carbon portrait
carbon load reduction characteristics
low carbon electricity characteristics
carbon consumption of electric energy
k-means clustering algorithm
-
分类号
TM28
[一般工业技术—材料科学与工程]
F426.61
[电气工程—电工理论与新技术]
-
