|
喜获《发电技术》2020 年度优秀论文:大气压的差值对风速空间相关性预测的影响分析
2020年12月31日 16:28 收到《发电技术》编辑部的邮件,通知我们的稿件《大气压的差值对风速空间相关性预测的影响分析》被评为2020年度《发电技术》优秀论文。
感谢《发电技术》编辑部的厚爱!
惭愧啊,惭愧!
祝福《发电技术》编辑部!
感谢“国家最高科学技术奖”得主
叶笃正、曾庆存老师!!
叶笃正院士,2005
曾庆存院士,2019
https://www.sohu.com/a/366945758_120024466
叶笃正、曾庆存两位老师的研究结果,
给我们的“空间相关性”预报提供了气象学的理论性启发!
推荐阅读:
[1] 叶笃正,李崇银,王必魁.动力气象学[M].北京:科学出版社,1988.
[2] 曾庆存,叶笃正. 旋转大气中运动适应过程问题的研究(一)[J]. 大气科学,1980,4(4): 379-393.
http://www.dqkxqk.ac.cn/dqkx/dqkx/article/abstract/19800412?st=article_issue
https://www.cnki.com.cn/Article/CJFDTotal-DQXK198004010.htmm
[3] 吕建华,2020-07-03,一篇非SCI文章,两位国家最高奖作者:关于大气中的适应问题 精选
http://blog.sciencenet.cn/blog-3360191-1240516.html
相关链接:
[1] 2018-08-13,[请教] 利用季风的空间相关性提高风电功率预报的定位:世界首创、国际领先、国内领先、国内一般、没有价值?
http://blog.sciencenet.cn/blog-107667-1128960.html
[2] 2020-01-21,喜获《发电技术》2019年度优秀审稿专家!
http://blog.sciencenet.cn/blog-107667-1215111.html
下面汇总一下俺得过的“优秀审稿专家”之类:
(1)《中国科技论文在线》优秀评审专家,2009年、2012年。
(2)《电工技术学报》2013年优秀审稿人。全国一共才60人!
(3)《电力系统保护与控制》优秀审稿专家,2015年开始多次。
(4)《中国电力》优秀审稿专家,2016年。
(5)《西安交通大学学报》优秀审稿人,2016年。
(6)《电网技术》优秀审稿专家,2016年开始数次。
(7)《电气工程学报》优秀审稿专家,2019年。
(8)《发电技术》优秀审稿专家,2019年。
[3] 杨正瓴,冯勇,熊定方,等.基于季风特性改进风电功率预测的研究展望[J].智能电网,2015,3(1):1–7.
https://www.cnki.com.cn/Article/CJFDTotal-ZNDW201501001.htm
http://www.cqvip.com/QK/71975X/20151/90786887504849534849484849.html
《基于季风特性》一文被期刊他人引用:
[1] 基于时空相关性的NAR动态神经网络风功率超短期组合预测[J]. 黄慧,贾嵘,董开松. 太阳能学报. 2020(10)
[2] 基于区间二型FLS的短期风电功率多步预测[J]. 李军,王星辉. 控制工程. 2019(02)
[3] 基于多重离群点平滑转换自回归模型的短期风电功率预测[J]. 陈昊,张建忠,许超,谭风雷. 电力系统保护与控制. 2019(01)
[4] 考虑风向的风电功率预测不确定性研究[J]. 杨茂,杨春霖. 东北电力大学学报. 2018(05)
[5] 基于改进极限学习机的风电功率预测仿真研究[J]. 王浩,王艳,纪志成. 系统仿真学报. 2018(11)
[6] 基于CEEMD和GWO的超短期风速预测[J]. 王静,李维德. 电力系统保护与控制. 2018(09)
[7] 基于小波与最小资源分配网络的超短期风电功率预测研究[J]. 杨杰,霍志红,何永生,郭苏,邱良,许昌. 电力系统保护与控制. 2018(09)
[8] 基于AMD-ICSA-SVM的超短期风电功率组合预测[J]. 李燕青,袁燕舞,郭通. 电力系统保护与控制. 2017(14)
[9] 基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测[J]. 叶瑞丽,郭志忠,刘瑞叶,刘建楠. 电工技术学报. 2017(21)
[10] 风电运行风险与备用协调优化的调度方法[J]. 李茜,刘天琪,莫思特,何川,李兴源. 电子科技大学学报. 2017(04)
[11] 基于IAFSA-BPNN的短期风电功率预测[J]. 张颖超,王雅晨,邓华,熊雄,陈浩. 电力系统保护与控制. 2017(07)
[12] 一种多输出模型的风电功率超短期预测方法[J]. 杨茂,董骏城. 中国电力. 2016(12)
[13] 风电功率爬坡气象场景分类模型及阈值整定研究[J]. 熊一,査晓明,秦亮,欧阳庭辉,夏添. 电工技术学报. 2016(19)
[14] 基于风速升降特征的短期风电功率预测[J]. 叶小岭,陈浩,郭晓杰,邓华,王雅晨. 电力系统保护与控制. 2016(19)
[15] 不同时间分辨率的风功率时间序列ARIMA模型预测[J]. 张立栋,李继影,吴颖,余侃胜,朱明亮,迟俊宇. 中国电力. 2016(06)
[16] 基于优化核极限学习机的风电功率时间序列预测[J]. 李军,李大超. 物理学报. 2016(13)
[17] 基于QPSO-LSSVM的风电场超短期功率预测[J]. 张涛,孙晓伟,史苏怡,李振兴. 中国电力. 2016(03)
[18] 基于特征选择谱聚类和优化支持向量机的短期风速预测[J]. 张国维,王丙乾. 陕西电力. 2016(02)
[19] 一种基于径向基神经网络的短期风电功率直接预测方法[J]. 马斌,张丽艳. 电力系统保护与控制. 2015(19)
感谢您的指教!
感谢您指正以上任何错误!
感谢您提供更多的相关资料!
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-6 00:34
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社