久久为功凝聚绿量 精心运笔成就大美

来源 :厦门日报 | 被引量 : 0次 | 上传用户:jueduizone
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
其他文献
随着新能源的广泛应用,电池储能系统的研究得到了快速发展。退役电池的梯次利用是一个备受关注的话题。对于退役的电池,其参数差异较大,如容量、电压和内阻。本文提出了一个基于部分功率变换的电池包多自由度能量管理系统。首先分析了所提出的基于部分功率变换的电池包多自由度能量管理系统。基于不同的开关时间段,分析了前级双半桥(DHB)和后级Buck/Boost变换器的电感电流。根据电感电流的表达式,提出了DHB零
学位
目前,世界正在经受能源危机和环境污染等问题的考验。通过促进多能源的生产解决能源供应问题已经迫在眉睫。综合能源系统(Integrated Energy System,IES)的概念应运而生。IES的提出,使得能源的综合利用率显著提高,与此同时,实现了风能、太阳能等可再生能源的大规模利用。但是由于可再生能源运行成本较高、用户对新能源的消费水平有限,综合能源市场面临供需不平衡、投资成本高等问题。针对上述
学位
论文以绿色供应链管理理论为基础,通过深入分析和总结现阶段国有石油企业在供应链绿色转型方面遇到的突出问题和困难,重点从制度层面、技术层面、意识层面、执行层面着手和发力,以期解决现阶段困扰国有石油企业供应链绿色转型的法规标准不明确、关键技术无法完全自主可控等突出问题,再通过组织机构保障、人才培养保障和容错、纠错机制等保障措施,以确保供应链绿色转型策略达到预期的效果。上述研究对促进国有石油企业在创建世界
期刊
在小兴安岭地区采集大型真菌标本645份,经分类鉴定出437种,由399种担子菌和38种子囊菌组成。其中,优势科有14科,占小兴安岭地区总科数的20.59%;优势科共含284种,占总种数的64.99%。优势属有22属,占小兴安岭地区总属数的13.84%;优势属共含214种,占总种数的48.97%。小兴安岭地区属的区系地理成分分为5个分布类型,以世界广布成分(55.35%)为主,其次为北温带成分(32
期刊
结合物种的多个概念,综述了国内外苜蓿属植物分类的意义和混乱的现状,统计了我国13个苜蓿属物种的名称和特性,详细总结了全球约90个苜蓿属物种的名称、生活型、染色体数目、授粉方式和自然分布等,以及苜蓿属内14个组和10个亚组的划分、不同物种间的分子进化关系、苜蓿属的地理起源,并进一步解释了紫花苜蓿复合体内部不同亚种之间的遗传关系。提出了在深入理解物种概念的基础上鉴定苜蓿属物种的方法,建议广泛收集全球苜
期刊
太阳能光伏发电由于其清洁型、安全性、资源的充足性,具有广阔的发展前景。在大型光伏发电系统中,逆变器作为低压光伏阵列与中压电网之间的接口,起着至关重要的作用。本文设计了一种新型的两级式隔离型中压光伏三电平并网逆变器光伏发电系统,以提高系统可靠性、减小系统体积、节约成本为研究目的开展了以下研究:本文以隔离型中压光伏并网系统为研究对象,设计了一种两级式隔离型光伏中压三电平逆变器。文章首先分析中压光伏逆变
学位
锂离子电池退役高潮的袭来对社会环境和社会安全提出了严峻的考验,储能系统作为梯次利用的一种途径在一定程度上有效缓解了这种压力。然而锂离子电池内部电化学反应较为复杂且具有很强的非线性特性,外部仅有电池端电压和端电流可被检测,属于典型的黑箱系统。如何对电池的荷电状态(State of Charge,SOC)做出准确的预测以保证其安全可靠运行,是电池管理系统(Battery Management Syst
学位
本文主要研究对象为基于模块化多电平变换器(Modular Multilevel Converter,MMC)拓扑的固态变压器(Solid State Transformer,SST),由于其工作机理存在的固有问题,需要大尺寸电容起电压支撑和子模块(Submodule,SM)电压波动抑制的作用,降低了系统功率密度。因此本文提出一种波动功率消除(Ripple Power Elimination,RPE
学位
以黑龙江省西部地区引种栽植的4个省(自治区)12个种源平榛为研究对象,对其生长性状指标进行测定和综合评价,探讨不同种源平榛生长性状差异,筛选出适宜黑龙江省西部地区发展的优良平榛种源。结果表明:株高、冠幅、株丛枝数、果形指数、三径均值、坚果重、果仁重、出仁率8个性状指标在种源间有极显著差异(P<0.01);平榛坚果表型性状的变异程度差异较大,变异系数为7.55%~40.00%;平榛表型性状中株丛性状
期刊
风本身具有随机性的特点,导致风电出力具有间歇和波动等不确定的因素。大规模的风电并网会对电力系统的运行和调控造成严重影响,精确的风电功率预测技术是解决上述问题的重要保证。由于传统的深度神经网络在训练过程中随着网络层数的加深精确度趋于饱和甚至下降,出现了网络退化现象,严重地影响了模型的训练效果和预测精度,因此本文提出了基于深度残差网络的短期风电功率组合预测方法:首先,基于风电场的实测历史数据,对风力发
学位