CN114357761A - 一种基于熵权理想点法的风力发电机组选型方法 - Google Patents
一种基于熵权理想点法的风力发电机组选型方法 Download PDFInfo
- Publication number
- CN114357761A CN114357761A CN202111662148.8A CN202111662148A CN114357761A CN 114357761 A CN114357761 A CN 114357761A CN 202111662148 A CN202111662148 A CN 202111662148A CN 114357761 A CN114357761 A CN 114357761A
- Authority
- CN
- China
- Prior art keywords
- index
- ideal point
- generating set
- wind generating
- type selection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000010187 selection method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000000265 homogenisation Methods 0.000 claims abstract description 19
- 230000008901 benefit Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000010408 sweeping Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 7
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Landscapes
- Wind Motors (AREA)
Abstract
本发明公开了一种基于熵权理想点法的风力发电机组选型方法。它包括如下步骤:步骤一:确定风力发电机组选型指标;步骤二:确定方案指标特征值矩阵;步骤三:判断指标性质;步骤四:指标参数均一化处理;步骤五:无量纲处理;步骤六:确定正负理想点计算方法;步骤七:计算距离正负理想点距离;步骤八:计算相对接近度;得到最优风力发电机组选型。本发明克服了现有技术指标单一,考虑不系统、全面,选型结果不够科学准确,且无法满足风力机组选型及优化的相关要求,主要依赖于专家打分,评价偏主观性的问题;具有保证选型结果的客观性、且指标多样,考虑系统、全面,具备可扩展性,选型结果科学准确,满足风力机组选型及优化的相关要求的优点。
Description
技术领域
本发明涉及风力发电技术领域,更具体地说它是一种基于熵权理想点法的风力发电机组选型方法。
背景技术
风力发电以其技术成熟、综合成本低、环境效益好、资源丰富可再生、取之不尽用之不竭、建设周期短、最具有规模开发条件、运行简单等优点,受到了广泛关注。在整个风电场建设过程中,风力发电机组的投资较大,为使整个风场经济效益最优,在建设前期做好机组选型显得尤为必要。目前风机选型方法相对较多,但缺点也相对突出。目前有采用多目标决策法,根据风电场位置等地理信息选择风电机组类型,考虑在该区域内产生的最大功率、年投资量和二氧化碳排放量进行机组选型;采用蒙特卡洛法建立风电机组发电量的数学模型,对各种待选机型进行机组的年发电量、容量系数等指标进行技术经济分析,从而选择经济指标最优的机型;或通过分析单位千瓦扫风面积与发电量、风能利用效率、功率曲线之间的关系,认为风力机选型应尽量优先选用单位千瓦扫风面积大的风机。这些方法主要缺点在于指标单一,考虑不够系统、全面,选型结果不够科学准确,且已无法满足风力机组选型及优化的相关要求。周慧勤构建了一种风电机组选型的综合指标体系,采用基于层次分析法(AHP)的模糊综合评判法对风电机组进行选型。其缺点是主要依赖于专家打分,评价偏主观性。
因此,开发一种保证选型结果的客观性、且满足风力机组选型及优化的相关要求的风力发电机组选型方法很有必要。
发明内容
本发明的目的是为了提供一种基于熵权理想点法的风力发电机组选型方法,该方法是一种没有专家权重的情况下,综合经济、环境、技术等多方面考虑,根据被评价对象的评价指标构成的特征值矩阵来确定指标权重的方法,将其运用于风力发电机组的选型能保证选型结果的客观性、且指标多样,考虑系统、全面,选型结果科学准确,满足风力机组选型及优化的相关要求;且可以较好的解决现有技术中的指标单一,考虑不够系统、全面,选型结果不够科学准确,且已无法满足风力机组选型及优化的相关要求,以及主要依赖于专家打分,评价偏主观性的问题。
为了实现上述目的,本发明的技术方案为:一种基于熵权理想点法的风力发电机组选型方法,其特征在于:包括如下步骤:
步骤一:确定风力发电机组选型指标;
从机组技术性能、与风电场的适应性、机组经济性能、机组运行业绩、产品技术服务五个方面,最终选择风力发电机组选型指标体系;
步骤二:确定方案指标特征值矩阵;
步骤三:判断指标性质;
步骤四:指标参数均一化处理;
步骤五:无量纲处理;
步骤六:确定正负理想点计算方法;
步骤七:计算距离正负理想点距离;
步骤八:计算相对接近度;
定义一个相对接近度C,C=[c1,c2,…,ci](i=1,2,…,m),表示到负理想点的距离与到正理想点和负理想点的距离之和的比值,且ci值越大代表方案越优,从而得到最优风力发电机组选型。
在上述技术方案中,在步骤一中,风力发电机组选型指标体系包括扫风面积、额定风速、切出风速、安全风速、功率调节方式、发电机功率因素、发电机的绝缘等级、轮毂高度、风电机组控制系统、功率保证曲线、机组设计寿命、风电场平均风速、风电场风电机组安全等级、容量系数、低温要求、防雷要求、适应电网要求、设备及安装工程费、工程静态总投资、运行维护费、修理费、机组年发电量、单位装机容量投资、单位发电量成本、本机型运行情况、本机型销售情况、机组制造商能力、供货能力、保修期、技术服务与培训等共n个指标,所选指标可根据需求选取,指标可根据需求进一步增加,可扩展性强。
在上述技术方案中,在步骤二中,确定方案指标特征值矩阵的方法具体为:假设参与比选的方案有m种,并假设每一种方案指标特征值矩阵为Xi=(xi1,…,xij),其中i=1,2,…m;同一指标不同方案间的指标特征值矩阵为Xj=(x1j,…,xij),其中j=1,2,…n;i、j分别表示指标的序号;m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;xij表示第i种方案中,第j个指标的取值。
在上述技术方案中,在步骤三中,判断指标性质的方法具体为:确定风力发电机组选型指标体系中的各指标类型,即区分该指标为效益型或者成本型指标,其中涉及费用的为成本型,涉及产出的为效益型。
在上述技术方案中,在步骤四中,指标参数均一化处理的方法具体为:
对不同方案的特征值矩阵采用效益型指标均一化公式或采用成本型指标均一化公式进行均一化处理,得到每一种方案的矩阵Ri=(ri1,…,rij),其中i=1,2,…m;
当采用效益型指标均一化公式进行均一化处理时,
rij=(xij-inf(Xj))/(sup(Xj)-inf(Xj));
当采用成本型指标均一化公式进行均一化处理时,
rij=(sup(Xj)-xij)/(sup(Xj)-inf(Xj));
上式中:sup(Xj)为不同方案中第j个指标的最大值;inf(Xj)为不同方案中第j个指标的最小值;i、j分别表示指标的序号;xij表示第i种方案中,第j个指标的取值;rij表示第i种方案中,第j个指标的均一化后的值,rij大于或等于0、小于或等于1,以便比较;m表示参与比选的方案总数。
在上述技术方案中,在步骤五中,无量纲处理的方法具体为:
消除指标间量纲不同带来的影响,得到属性矩阵Ai=aij=wjRi,其中i=1,2,…m;
其中,wj为第j个评价指标的熵权,Hj第j个评价指标的熵,fij为第i种方案第j个指标在所有比选方案中所占的权重;rij表示第i种方案中,第j个指标的均一化后的值,rij大于或等于0、小于或等于1,以便比较;m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数。
在上述技术方案中,在步骤六中,确定正负理想点计算方法具体为:
设正理想点为P+,负理想点为P-,根据理想点的定义:
P+=(P1+,P2+,…,Pn+)
P-=(P1-,P2-,…,Pn-)
其中,n表示风力发电机组选型指标体系的指标总数;Pn+为第n个正理想点;Pn-为第n个负理想点;
当第j个指标是效益型指标时,正、负理想点计算公式分别为
P+=max{aij|i=1,2,…,m},j=1,2,…,n;
P-=min{aij|i=1,2,…,m},j=1,2,…,n;
其中,m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;i、j分别表示指标的序号;aij表示第i种方案中,第j个指标的均一化后并无量纲处理后的值;
当第j个指标是成本型指标时,正、负理想点计算公式分别为
P+=min{aij|i=1,2,…,m},j=1,2,…,n;
P-=max{aij|i=1,2,…,m},j=1,2,…,n;
其中,m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;i、j分别表示指标的序号;aij表示第i种方案中,第j个指标的均一化后并无量纲处理后的值。
在上述技术方案中,在步骤七中,计算距离正负理想点距离的方法具体为:
计算个方案到正、负理想点的距离分别为di+和di-,则:
本发明的有益效果是:
(1)使用本发明方法可以在没有专家权重的情况下,综合经济、环境、技术等多方面考虑,根据被评价对象的评价指标构成的特征值矩阵来确定指标权重的方法,选择最优的风力发电机组;
(2)本发明方法流程清晰、可操作性强,本发明采用熵权法规避了专家打分环节,从而将指标规范化,保证选型结果的客观性、且满足风力机组选型及优化的相关要求;本发明可根据具体要求选取指标,可扩展性强;
(3)本发明方法适应性强,可根据实际项目选择风力发电机组选型指标,扩展性强,可以综合地考虑机组技术性能、与风电场的适应性、机组经济性能、机组运行业绩、产品技术服务等多种指标,且不会因为某个因素的主观性较大而影响评价结果。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图详细说明本发明的实施情况,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。
现以本发明试用于某风电场项目的风力发电机组选型为实施例对本发明进行详细说明,对本发明应用于其它风力发电项目的风力发电机组选型同样具有指导作用。
本实施例中,某风电场项目拟建装机容量为49.5MW的TBH风电场,本项目位于平原,地质条件、交通建设条件较好,利于风电场交通建设和风电设施设备安装,因此本实施例项目在选型过程中主要考虑,机组经济性能、机组运行业绩、产品服务等方面的指标。拟选择的风机型号有不同厂家的2200kW及2000kW等五种。其中第一种机型有两种轮毂高度,故共有6种评价方案,风机型号用WTG1~WTG6(WTG1~WTG6分别为方案1、方案2、方案3、方案4、方案5、方案6)表示,见表1。
表1各机型主要技术参数比较表
本实施例采用本发明所述的基于熵权理想点法的风力发电机组选型方法进行选型,具体方法如下:
(1)选取部分指标,如表2所示。
(2)判断指标类型,其中部分参数值为机组铭牌参数,部分参数值需行业专业打分。其中安全风速、容量系数、本机型运行情况、机组制造商、供货能力、保修期、技术服务与培训部分为收益型指标(即效益型指标)。
表2选取的部分指标
(3)对不同方案的特征值矩阵进行均一化处理,得到每一种方案的矩阵R。
(4)消除指标间量纲不同带来的影响,得到属性矩阵A。
w=[0.125,0.124,0.125,0.127,0.125,0.125,0.125,0.124]。
(5)计算得到正、负理想点矩阵;
P+=[0.042,0.052,0.042,0.064,0.042,0.042,0.042,0.026],
P--=[0.021,0.026,0.021,0.032,0.021,0.021,0.021,0.051]
(6)各待评价方案到正理想点的距离;
d+=[0.039,0.019,0.049,0.035,0.034,0.041]
(7)各待评价方案到负理想点的距离;
d-=[0.053,0.061,0.038,0.055,0.057,0.052]
(8)根据各个待评价方案到正负理想点的距离算得出各方案在相对接近度下的优属度C;
优属度矩阵为C=[0.577,0.767,0.438,0.613,0.625,0.558]
(9)按照优属度大小可将各方案按照优劣程度排序:
方案2>方案4>方案5>方案1>方案6>方案3。
结论:本实施例采用本发明方法在没有专家权重的情况下,基于项目客观条件的特点,选取机组经济性能、机组运行业绩、产品服务等方面的指标,综合经济、环境、技术等多方面考虑,可扩展性强,根据被评价对象的评价指标构成的特征值矩阵来确定指标权重的方法,选择最优的风力发电机组,流程清晰、可操作性强,本实施例采用熵权法规避了专家打分环节,从而将指标规范化,保证选型结果的客观性,同时保证了本实施例项目的针对性(即保证本实施例选型结果与项目特点或要求完全配合)。
其它未说明的部分均属于现有技术。
Claims (8)
1.一种基于熵权理想点法的风力发电机组选型方法,其特征在于:包括如下步骤:
步骤一:确定风力发电机组选型指标;
从机组技术性能、与风电场的适应性、机组经济性能、机组运行业绩、产品技术服务五个方面,最终选择风力发电机组选型指标体系;
步骤二:确定方案指标特征值矩阵;
步骤三:判断指标性质;
步骤四:指标参数均一化处理;
步骤五:无量纲处理;
步骤六:确定正负理想点计算方法;
步骤七:计算距离正负理想点距离;
步骤八:计算相对接近度;
定义一个相对接近度C,C=[c1,c2,…,ci](i=1,2,…,m),表示到负理想点的距离与到正理想点和负理想点的距离之和的比值,且ci值越大代表方案越优,从而得到最优风力发电机组选型。
2.根据权利要求1所述的基于熵权理想点法的风力发电机组选型方法,其特征在于:在步骤一中,风力发电机组选型指标体系包括扫风面积、额定风速、切出风速、安全风速、功率调节方式、发电机功率因素、发电机的绝缘等级、轮毂高度、风电机组控制系统、功率保证曲线、机组设计寿命、风电场平均风速、风电场风电机组安全等级、容量系数、低温要求、防雷要求、适应电网要求、设备及安装工程费、工程静态总投资、运行维护费、修理费、机组年发电量、单位装机容量投资、单位发电量成本、本机型运行情况、本机型销售情况、机组制造商能力、供货能力、保修期、技术服务与培训,共n个指标。
3.根据权利要求2所述的基于熵权理想点法的风力发电机组选型方法,其特征在于:在步骤二中,确定方案指标特征值矩阵的方法具体为:假设参与比选的方案有m种,并假设每一种方案指标特征值矩阵为Xi=(xi1,…,xij),其中i=1,2,…m;同一指标不同方案间的指标特征值矩阵为Xj=(x1j,…,xij),其中j=1,2,…n;i、j分别表示指标的序号;m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;xij表示第i种方案中,第j个指标的取值。
4.根据权利要求3所述的基于熵权理想点法的风力发电机组选型方法,其特征在于:在步骤三中,判断指标性质的方法具体为:确定风力发电机组选型指标体系中的各指标类型,即区分该指标为效益型或者成本型指标,其中涉及费用的为成本型,涉及产出的为效益型。
5.根据权利要求4所述的基于熵权理想点法的风力发电机组选型方法,其特征在于:在步骤四中,指标参数均一化处理的方法具体为:
对不同方案的特征值矩阵采用效益型指标均一化公式或采用成本型指标均一化公式进行均一化处理,得到每一种方案的矩阵Ri=(ri1,…,rij),其中i=1,2,…m;
当采用效益型指标均一化公式进行均一化处理时,
rij=(xij-inf(Xj))/(sup(Xj)-inf(Xj));
当采用成本型指标均一化公式进行均一化处理时,
rij=(sup(Xj)-xij)/(sup(Xj)-inf(Xj));
上式中:sup(Xj)为不同方案中第j个指标的最大值;inf(Xj)为不同方案中第j个指标的最小值;i、j分别表示指标的序号;xij表示第i种方案中,第j个指标的取值;rij表示第i种方案中,第j个指标的均一化后的值,rij大于或等于0、小于或等于1。
7.根据权利要求6所述的基于熵权理想点法的风力发电机组选型方法,其特征在于:在步骤六中,确定正负理想点计算方法具体为:
设正理想点为P+,负理想点为P-,根据理想点的定义:
P+=(P1+,P2+,…,Pn+)
P-=(P1-,P2-,…,Pn-)
其中,n表示风力发电机组选型指标体系的指标总数;Pn+为第n个正理想点;Pn-为第n个负理想点;
当第j个指标是效益型指标时,正、负理想点计算公式分别为
P+=max{aij|i=1,2,…,m},j=1,2,…,n;
P-=min{aij|i=1,2,…,m},j=1,2,…,n;
其中,m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;i、j分别表示指标的序号;aij表示第i种方案中,第j个指标的均一化后并无量纲处理后的值;
当第j个指标是成本型指标时,正、负理想点计算公式分别为
P+=min{aij|i=1,2,…,m},j=1,2,…,n;
P-=max{aij|i=1,2,…,m},j=1,2,…,n;
其中,m表示参与比选的方案总数;n表示风力发电机组选型指标体系的指标总数;i、j分别表示指标的序号;aij表示第i种方案中,第j个指标的均一化后并无量纲处理后的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111662148.8A CN114357761A (zh) | 2021-12-31 | 2021-12-31 | 一种基于熵权理想点法的风力发电机组选型方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111662148.8A CN114357761A (zh) | 2021-12-31 | 2021-12-31 | 一种基于熵权理想点法的风力发电机组选型方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114357761A true CN114357761A (zh) | 2022-04-15 |
Family
ID=81105405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111662148.8A Pending CN114357761A (zh) | 2021-12-31 | 2021-12-31 | 一种基于熵权理想点法的风力发电机组选型方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114357761A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107622360A (zh) * | 2017-10-20 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种综合考虑主客观因素的关键线路识别方法 |
CN108122057A (zh) * | 2016-11-30 | 2018-06-05 | 全球能源互联网研究院 | 一种智能园区能源利用方案综合评价方法及装置 |
CN109523183A (zh) * | 2018-11-27 | 2019-03-26 | 中铁二院工程集团有限责任公司 | 基于混合多属性决策的铁路建设方案的评价方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN111881560A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
CN111881559A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于组合权重-双决策与表面质量多目标的加工参数优化方法 |
CN112560255A (zh) * | 2020-12-09 | 2021-03-26 | 南京航空航天大学 | 一种基于熵权法-理想点法-响应曲面法与表面完整性的加工参数域优选方法 |
-
2021
- 2021-12-31 CN CN202111662148.8A patent/CN114357761A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122057A (zh) * | 2016-11-30 | 2018-06-05 | 全球能源互联网研究院 | 一种智能园区能源利用方案综合评价方法及装置 |
CN107622360A (zh) * | 2017-10-20 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种综合考虑主客观因素的关键线路识别方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN109523183A (zh) * | 2018-11-27 | 2019-03-26 | 中铁二院工程集团有限责任公司 | 基于混合多属性决策的铁路建设方案的评价方法 |
CN111881560A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于灰色关联分析法-熵权理想点法与加工表面完整性多指标的加工参数优化方法 |
CN111881559A (zh) * | 2020-07-08 | 2020-11-03 | 南京航空航天大学 | 一种基于组合权重-双决策与表面质量多目标的加工参数优化方法 |
CN112560255A (zh) * | 2020-12-09 | 2021-03-26 | 南京航空航天大学 | 一种基于熵权法-理想点法-响应曲面法与表面完整性的加工参数域优选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903073B (zh) | 一种含分布式电源及储能的微电网优化规划方法及系统 | |
CN108133311A (zh) | 一种风电机组故障模式风险评估及可靠性分析方法 | |
CN105046591A (zh) | 一种电力用户用电能效评估方法 | |
Tao et al. | Joint optimization of wind turbine micrositing and cabling in an offshore wind farm | |
CN107368961A (zh) | 一种适用于新能源接入背景下的区域电网碳排放管理方法 | |
Liu et al. | Optimization of intelligent heating ventilation air conditioning system in urban building based on BIM and artificial intelligence technology | |
CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
CN111553608A (zh) | 一种用于城市配网综合能源系统的效益评价方法 | |
CN113988421A (zh) | 基于深度学习的风电机组功率智能预测方法 | |
CN114021483A (zh) | 基于时域特征与XGBoost的超短期风电功率预测方法 | |
Bao et al. | Wind turbine condition monitoring based on improved active learning strategy and KNN algorithm | |
CN114358601A (zh) | 多元能量系统多维评价指标体系构建的方法及装置 | |
CN111178601B (zh) | 一种基于气象数据后处理的风电机组功率预测方法 | |
CN114357761A (zh) | 一种基于熵权理想点法的风力发电机组选型方法 | |
CN110991743B (zh) | 一种基于聚类分析和优化神经网络的风电功率短期组合预测方法 | |
CN111652759A (zh) | 弹性负荷快速响应与调节示范工程的综合评价方法及装置 | |
CN116523493A (zh) | 配电网运行维护辅助决策分析方法、系统及存储介质 | |
CN115455731A (zh) | 一种海上风电场风电机组微观选址与电缆布局联合优化设计方法 | |
Zhang et al. | Operation state assessment of wind power system based on PSO+ AHP—FCE | |
CN112653185B (zh) | 一种分布式可再生能源发电系统的效率评估方法和系统 | |
CN114114995A (zh) | 一种用于数据中心空调系统的调优系统 | |
CN114204554A (zh) | 一种用于智能电网系统使用的调控运行安全性评价方法 | |
Ho et al. | Chiller system performance management with market basket analysis | |
Xu et al. | PRODUCTION SCHEDULING OPTIMIZATION OF FLEXIBLE MANUFACTURING SYSTEM FOR GREEN MANUFACTURING | |
He et al. | Fuzzy comprehensive evaluation of distributed photovoltaic operation and maintenance effect based on information entropy fusion model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |