会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

2024中国信创+AI趋势洞察报告

2024中国信创+AI趋势洞察报告是一篇主要面向信创行业从业者以及AI行业从业者的研究报告，旨在帮助从业者分析AI与信创的协同发展趋势，梳理AI技术如何赋能信创行业的各个环节，国家政策面对信创+AI的支持，大型国央企的投入力度，AI应用在八大行业的落地情况，未来发展的技术难点以及方向。

  • 2025-02-25
  • 阅读169
  • 下载0
  • 16页
  • pdf

面向短时过载及长期轻载的配变侧储能配置与调度双层优化

针对农村配电变压器短时过载、长期轻载运行的问题，提出了一种基于经济效益评价的配变侧储能配置和调度双层优化方法。上层模型以系统经济效益最优为目标，决策储能系统的额定功率和额定容量，采用莱维飞行粒子群算法求解；下层模型嵌入储能寿命消耗的简化计算模型，以配变低压侧有功波动最小，储能寿命削减最小以及调度经济效益最优为目标，决策储能系统调度策略，采用商业求解器Gurobi求解。在构建配变侧储能系统经济效益评价模型时，计及电池寿命消耗以及配变动态负载率对经济效益的影响，搭建了基于等效全循环次数折算的磷酸铁锂储能系统投资成本模型以及考虑动态负载率对故障发生概率影响的配变故障风险收益模型。算例结果表明，该方法在确保配电网安全运行下能够提高配变侧接入储能系统的经济性。

  • 2025-02-25
  • 阅读267
  • 下载0
  • 27页
  • pdf

世界能源结构转型的地缘政治影响

由国网能源研究院、清华大学能源互联网创新研究院、北京大学能源研究院、国网新疆电力公司联合召开的“丝路能源智库联盟”2024年会在北京举行。会上，国网能源院苗中泉研究员，作了题为“世界能源结构转型的地缘政治影响”的报告。《中国电力》编辑部征得专家同意，特与您分享，欢迎品读！

  • 2025-02-25
  • 阅读203
  • 下载0
  • 8页
  • pdf

基于熵权-德尔菲法的源网荷储多能互补项目布局评估方法

源网荷储一体化和多能互补对于加快新型电力系统建设，实现电力系统高质量发展，提高多种能源协调互济能力，推动中国能源绿色低碳转型和经济社会发展有重要意义。首先，基于分析中国源网荷储一体化和多能互补资源要素、国家发展战略、用电负荷、电价价格、新能源消纳水平、调节能力建设需求等因素，建立了主客观组合赋权的评估体系。然后，运用熵权法确定“一体化”多种发展路线影响因素的客观权重，同时也运用德尔菲法确定客观权重，经过融合计算得出综合权重。最后，根据影响因素分值和权重对各种发展路线进行综合评分，划分优先等级，得到中国各省（区、市）“一体化”项目建设优先顺序，为各省（区、市）布局“一体化”项目提供技术参考

  • 2025-02-25
  • 阅读289
  • 下载0
  • 25页
  • pdf

基于工作模态分析的风电机组叶片裂纹损伤在线监测研究｜《中国电力》

针对风电机组叶片裂纹损伤发生概率高且难以发现的问题，通过叶片振动信号采集与分析来进行叶片裂纹损伤的在线监测。首先，基于工作模态分析理论构建了基于传递率的叶片模态参数在线识别方法，并搭建叶片振动物理实验台用于该方法的实验验证，通过与传统力锤激振法的实验结果对比，验证了该模态参数识别方法的准确性；然后，以某5 MW风电机组作为仿真算例，进行了叶片裂纹损伤故障仿真，并通过工作模态分析获取了损伤故障特征；最后，将叶片振动信号、模态参数和机组运行数据融合为多源数据集，结合LightGBM算法进行了叶片裂纹损伤故障诊断，诊断结果表明：LightGBM算法较常规机器学习算法能够取得更好的诊断效果，而且在数据集中融入叶片模态参数可明显增加诊断算法的准确率，从而提高叶片裂纹损伤的在线监测准确性。

  • 2025-09-09
  • 阅读251
  • 下载0
  • 23页
  • pdf

基于图卷积网络和风速差分拟合的中长期风功率预测｜《中国电力》

为充分利用数据特征间的先验关系，提高风电场中长期发电功率预测精度，提出一种基于图卷积神经网络（GCN）、风速差分拟合（DF）、粒子群优化算法（PSO）的中长期风功率预测模型。通过分析风力发电全过程，挖掘风功率影响因素及因素间的相互关联性，搭建GCN模型，分别拟合风速和功率利用效率，进一步结合基于DF的风速-功率计算模型计算风功率，模型的损失包含功率损失、风速损失和功率利用效率损失3个部分，采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明，该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%，具有较高的预测精度。

  • 2025-09-09
  • 阅读674
  • 下载0
  • 23页
  • pdf

基于DRS与改进Autogram的风电齿轮箱复合故障特征提取

复合故障特征提取是分析风电齿轮箱故障根因的关键。提出基于离散随机分离（DRS）和改进Autogram的复合故障特征提取方法。基于DRS方法削弱振动信号周期性成分对微弱故障成分的影响，结合谱峭度与谱负熵设计一种新的特征量化指标，对最大重叠离散小波包变换与无偏自相关处理后的各窄带分量进行综合评价，以选择最优的滤波频带，精确地识别包含复合故障特征的信号分量。将所提方法应用于实际风电齿轮箱齿轮-轴承复合故障诊断中，能够有效提取出振动信号中的多个故障特征，具有较好的诊断效果。

  • 2025-09-09
  • 阅读217
  • 下载0
  • 9页
  • pdf

2025年建设零碳园区加速生产侧绿色转型报告

落基山研究所(Rocky Mountain Institute, RMI)是一家于1982年创立的专业、独立、以市场为导向的智库，与政府 部门、企业、科研机构及创业者协作，推动全球能源变革，以创造清洁、安全、繁荣的低碳未来。落基山研究所着 重借助经济可行的市场化手段，加速能效提升，推动可再生能源取代化石燃料的能源结构转变。落基山研究所在北 京、美国科罗拉多州巴索尔特和博尔德、纽约市、华盛顿特区及加利福尼亚州奥克兰和尼日利亚设有办事处。

  • 2025-12-02
  • 阅读115
  • 下载0
  • 44页
  • pdf