【摘 要】
：
推进退役动力电池梯次利用是建立绿色低碳循环经济体系的重要抓手,该文围绕退役动力电池政策事前模拟评估开展研究,提出一种退役动力电池利用政策的知识化表达方法,构建基于模糊神经网络的退役动力电池政策智能模拟模型,实现了计算机对政策知识的自动识别和政策制定者决策行为的智能模拟,为退役动力电池政策优选提供了一种新思路.
【机 构】
：
国网能源研究院有限公司,北京 100018
论文部分内容阅读
推进退役动力电池梯次利用是建立绿色低碳循环经济体系的重要抓手,该文围绕退役动力电池政策事前模拟评估开展研究,提出一种退役动力电池利用政策的知识化表达方法,构建基于模糊神经网络的退役动力电池政策智能模拟模型,实现了计算机对政策知识的自动识别和政策制定者决策行为的智能模拟,为退役动力电池政策优选提供了一种新思路.
其他文献
伴随着工业互联网的快速发展,数字化已经从消费领域渗透入生产制造领域,网络空间与物理世界的相互交融程度愈加充分,网络安全与政治安全、经济安全、文化安全、社会安全、军事安全等领域相互交织、相互影响,已成为我国面临的最复杂、最现实、最严峻的非传统安全问题之一.经过多年的信息化建设,遵循“六统一、三同步”等原则,能源化工企业大部分构建了基于等保基本要求的纵深防护体系,网络安全得到了较好的保障,但是随着数字化转型与工业生产经营管理工作深度耦合,网络安全威胁从事件型向常态化趋势发展,网络安全管控体系发展趋势也在技术、
信创是最近开始兴起的行业,全名叫做信息技术应用创新,它是之前行业融合而来,包含了从IT计算机这个行业的基础软硬件到上层应用软件的全产业链,解决了核心技术自主安全可控问题,是未来发展的重中之重,能够更好地促进国家的科研技术发展.但是在日常使用中,难免会有许多网络安全问题来困扰着这个技术的发展,因此本文旨在说明信息技术应用创新的网络安全问题,以及如何解决它的对策.
为了提高核极限学习机的分类正确率,采用狮群算法对惩罚系数C、宽度参数?两个参数进行优化.首先,利用乳腺良恶性肿瘤数据库训练集和狮群算法优化核极限学习机,完成核极限学习机的重构;然后,通过LSO-KELM和KELM对测试集进行分类诊断;最后,对比分析LSO-KELM和KELM的分类性能,测试结果表明,LSO-KELM的诊断正确率相较于KELM提高了12％,且恶性肿瘤的诊断正确率显著优于KELM.
电子邮件通信一直是网络信息交换的主要方式之一,其安全性始终是人们关注的焦点.本文介绍基于Thunderbird邮件客户端,便捷的图形化操作就能实现PGP功能,大幅提升电子邮件安全性.
当今社会处于信息技术高速发展的阶段,随着人工智能的兴起,计算机技术被应用于各个行业的各个方面,其中图像识别技术的运用得到了很大程度的普及,很多个领域都在使用图像识别技术,图像识别技术也越来越成熟,变得越来越多元化,本文旨在深入研究跟踪算法,并结合现在的图像识别技术,探讨并研究基于跟踪算法的图像识别方法的实现以及优化,以及将其应用于智能化教学视频录播系统.
本文提出了采用“垂直认证”技术建立数字货币安全技术架构,对数字货币的币值和交易单都进行两次签名,采用私钥对交易单或币值进行签名,采用“垂直认证”技术对交易单或币值进行二次签名,并建立可信公钥体制和芯片对芯片的认证架构,保证交易单和数字货币的币值都真实、可信,针对有中心交易,采用对称算法建立的签验协议完成,针对点对点交易,采用非对称算法及公钥进行签验,较大提高验证的效率,采用组合密钥生成算法,解决了对称密码算法密钥管理的难题,同时,解决海量交易单并发签验的难题,通过建立200座验证中心和400个分布式数字货
针对相似气象情况下,光伏电站发电功率接近的实际情况,提出一种基于数值天气预报(NWP)相似性分析的超短期光伏发电功率预测方法.该方法根据皮尔逊相关系数找到与被预测时刻相似的天气预报数据,根据相似时刻的实际功率估计出被预测时刻的功率.该方法能高效的根据天气预报数据预测发电功率,运算速度快,与神经网络相比预测有着更优的效果,尤其在数据波动大的时段具有更高的可靠性.
分别以纳米氧化镍和镍盐为原料,合成硫化镍(NiS)纳米材料,将其掺入聚(3,4-乙烯二氧噻吩)-聚苯乙烯磺酸盐(PEDOT-PSS)溶液中,作为对电极材料制备DSCs.研究不同对电极材料的染料敏化太阳电池的光电性能.结果表明,2种合成方法制备的电极材料,都可有效提升器件性能,其中水热法合成NiS制作的NiS/PEDOT-PSS复合材料作为对电极的器件效率接近采用Pt对电极器件.器件性能的提升主要源于NiS纳米材料的掺入使PEDOT-PSS对电极的表面粗糙度增加及电化学活性提升.NiS/PEDOT-PSS复
光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作.为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法.首先,将光伏阵列的时序波形进行标准化处理;接着,使用SAE对标准化后的时序波形进行特征自动提取,并训练一个EELM的故障分类模型;最后,利用BOA对诊断模型的超参数进行优化.实验结果表明所提方法对仿真和实验的故障诊断准确率分别达到了98.40％和98.10％,优于反向传播(BP)
当阴影条件变化时,并联光伏组件的全局最大功率点(MPP)会随之改变.为了实现太阳能发电最大化,要求最大功率点跟踪(MPPT)方法始终能实时而准确地锁定住并联光伏组件的全局MPP.不同阴影条件下并联光伏组件会呈现不同的外特性特征,如多阶梯的电流电压特性以及多峰值的功率电压特性.基于此现象,该文提出一种基于并联光伏组件外特性的MPPT方法,理论分析及仿真结果都表明:该方法不会陷入局部MPP,在无阴影、静态阴影和动态阴影条件下均具有平稳、快速和准确跟踪全局MPP的能力.