【摘 要】
：
能源的利用直接关系到全世界的福祉和繁荣。通过安全环保的方式来满足日益增长的能源需求是一项重要挑战。地球上大约有70亿人口,人口增长可能会导致能源需求的增加,这取决于能源资源的充足性。此外,在许多国家,人口增长和经济发展对环境产生了严重影响,因为能源生产过程(例如发电、供热、制冷、运输和其他应用的轴功等)会排放污染物,很多都对生态系统有害。利用先进技术减缓全球变暖和提高能源系统的效率是关键目标,许多
论文部分内容阅读
能源的利用直接关系到全世界的福祉和繁荣。通过安全环保的方式来满足日益增长的能源需求是一项重要挑战。地球上大约有70亿人口,人口增长可能会导致能源需求的增加,这取决于能源资源的充足性。此外,在许多国家,人口增长和经济发展对环境产生了严重影响,因为能源生产过程(例如发电、供热、制冷、运输和其他应用的轴功等)会排放污染物,很多都对生态系统有害。利用先进技术减缓全球变暖和提高能源系统的效率是关键目标,许多国家提出并测试了实现这些目标的方法。在这些技术中,多联产工艺因其具有效率高、运行成本低和单位能源产出时污
其他文献
为了有效解决负荷中心和能源资源的逆向分配问题,常规高压直流输电以其容量大、传输距离远的优势在世界范围内得到了广泛的应用。与此同时,由于常规高压直流换流器所采用的晶闸管换流阀为半控型器件,交流系统故障较易引发直流输电系统的换相失败、严重的故障会造成直流闭锁和输送中断,给交直流系统的安全稳定运行带来严峻的挑战。换相失败已成为进一步提升常规直流输电系统可靠性的短板,因此有必要对换相失败深层次原因进行分析
二氧化碳是造成温室效应的主要气体。随着人类工业生产活动的发展,二氧化碳的排放问题越来越严重,CO_2的减排刻不容缓。在众多工业生产里,火力发电是二氧化碳排放最主要的来源。因此,降低火力发电产生的二氧化碳排放量是减缓温室效应的重点。燃烧后碳捕集技术是降低二氧化碳排放量的主要方法,但是在化学吸收法中再沸器的溶剂再生环节需要外界提供热量,而这部分热量往往由电厂里的抽汽提供,也是造成整个系统热效率下降最主
化石能源短缺与环境气候问题逐渐严峻,促使世界各国致力于发展可再生能源,开发更高效环保的能源技术。我国处在能源结构调整的关键时期,立下了碳达峰与碳中和的目标。在此背景下,有机朗肯循环(Organic Rankine Cycle,ORC)作为中低温热能(工业余热以及多种可再生能源,包括太阳能,地热能,生物质能等)发电的有效途径而备受关注。非共沸混合工质超临界有机朗肯循环可以同时优化ORC与冷热源的换热
实现乡村振兴与农业现代化,就必须依靠科技力量的支撑。科技不仅可以帮助农业摆脱“靠天吃饭”的被动境遇,培养拥有高技术水平、高科技素养的职业农民,还可以催生出符合生态发展理念、具有高科技水平的农业产业链。然而,农业科技发展因其公共效应不足很难成为农业产业化的推动力。因此,迫切需要政府职能部门发挥积极作用。政府通过科技职能部门发挥宏观导向作用,尤其是县级科技部门直接面向基层,实施科技政策,能够推动科技力
随着社会经济的发展,以云计算、大数据、物联网为代表的新兴技术正逐渐应用于越来越多的领域,电网公司的信息化建设也进入新阶段,核心传感真正由支撑环节转变成了价值创造环节。与此同时,为响应国家“两化融合”战略,核心传感设备的应用作为电网公司下一个有可能的新增长点,可以加快对核心传感技术的研究,扩大核心传感设备的应用范围,有利于电网公司开展科技创新业务,掌握核心科技。随着国企改革进入深水区,加之“碳中和”
随着科学技术的发展,电气自动化水平不断地提高,越来越多发电形式的电源接入到电网,随之而来的是其负载需求也不断变化。电力系统负荷预测是指对将来指定时间区段的用电量需求和相应区段的负荷波动所进行的预判工作。精准的短期负荷预测对电力系统制定计划与方案提供了重要参考,同时对避免造成资源浪费,保证电网安全可靠运行,提高经济效益有着重要意义。考虑到一般回归模型主要针对线性关系构建模型,忽略了气候、日期类型等因
在“碳达峰、碳中和”这一新的能源发展目标下,我国“十四五”规划明确提出推进能源革命,建设清洁低碳、安全高效的能源体系,这将进一步加速我国电力系统电力电子化。为了保障含大量电力电子设备的电力系统安全稳定运行,需要对其进行电磁暂态仿真,而电力电子设备具有控制及运行特性复杂、动作频率高和暂态过程快等特点,使得对含大量电力电子设备的电力系统进行仿真时,既要对电力电子设备进行精细化的小步长仿真,又要对电网中
随着智能电网的飞速发展和电表的广泛铺设,用户用电数据规模呈现巨大增长。及时有效地识别电力系统中的异常用电行为对于发现恶意窃电用户、减少经济损失、维护国民经济平稳发展至关重要。如何基于电力大数据来检测用户恶意窃电行为,已受到学术界和业界的广泛关注。然而,传统方法主要依赖于使用人工特征的机器学习算法,检测精度差,窃电检测任务还有改进的空间。深度学习是机器学习的一个前沿领域,在机器翻译、序列建模等任务中
光伏发电(Photo Voltaic,PV),以其资源丰富、环境友好和不受地域限制等优点在近些年来得到广泛应用。虽然分布式光伏电源的接入可以缓解供电压力,但是太阳能随机性和间歇性的特点使得其发电功率波动较大,所以作为不可控电源在并网时视其渗透率的高低会对电力系统安全可靠运行产生不同程度的影响。我国的光伏产业虽然起步较晚,但是发展迅速,自2006年中国发布《可再生能源法》以及后来下发的一系列支持光伏
变压器是电力系统中的重要设备之一,变压器绕组在安装运行过程中,在机械外力以及电动力的作用下,可能会发生形变。当绕组形变量积累到一定程度时,会造成变压器主绝缘损害,进而导致匝间短路等更为严重的故障。目前变压器绕组变形的检测方法多以离线检测为主,但离线检测方法的不足之处在于需要变压器停电以后进行检测。因此,探究在线监测变压器绕组变形的方法是十分必要的。本文分析了现有变压器等效模型,选取T型等效模型作为