专业术语统计报告_风电-储能价值链协同决策模型及信息系统研究

专业术语统计报告_风电-储能价值链协同决策模型及信息系统研究一、概要简析【概要分析】本文档《风电-储能价值链协同决策模型及信息系统研究》超用心地围绕研究主题展开了系统性探讨哦文档总字符数足足有196693其中中文字符81255个英文字词13367个妥妥体现了中英文混搭的学术写作小特色从文档里扒出来的专业术语一共有1718个涉及6个研究领域主打就是扎堆在电力系统信息化(1463次)、区间二型模糊理论(1442次)、风电-储能系统(1436次)这块儿高频术语比如“储能”出镜1494次、“价值链”露脸719次等一眼就能看出研究的核心小焦点✨整体来说这篇文献在相关研究领域超有学术价值一顿系统分析论述操作下来给后续研究铺好了超重要的理论小地基和方法小参考【数据统计】总字符数196693中文字符数81255英文字词数13367二、统计图表分析2.1 三类术语层次分布【数据统计】论文名称术语3个 (核心术语风电-储能价值链、信息系统、协同决策模型)标题摘要术语438个 (核心术语储能系统、风电-储能价值链、储能商)正文术语1277个 (核心术语储能、价值链、储能系统)术语总数1718个频次占比论文名称 2.6% | 标题摘要 27.3% | 正文 70.2%【可视化图表】类别术语数量频次占比论文名称35172.6%标题摘要438552927.3%正文12771421470.2%总计171820260100%【图表评论】旭日图超直观地展示了三类术语在文档不同部分的层次分布啦从内到外依次是论文名称术语、标题摘要术语和正文术语论文名称层级藏着3个核心术语总频次517次占比2.6%核心术语有“风电-储能价值链、信息系统、协同决策模型”这些小家伙直接概括了研究的核心主题哟标题摘要层级有438个术语总频次5529次占比27.3%核心术语像“储能系统、风电-储能价值链、储能商”悄悄透露了研究的次要关键词和方法论正文层级最最丰富啦有1277个术语总频次14214次占比70.2%核心术语比如“储能、价值链、储能系统”把研究的具体技术细节和实验方法都扒得明明白白从内到外一层层细化论文名称术语锁定研究主题标题摘要术语拓宽研究范围正文术语钻进具体技术实现搭出超完整的术语层次小体系把文档的知识结构揭露得清清楚楚2.2 研究领域分布【领域分析】主要领域电力系统信息化(1463次)、区间二型模糊理论(1442次)、风电-储能系统(1436次)【可视化图表】研究领域术语出现次数风电-储能系统1436区间二型模糊理论1442TOPSIS法1427价值链协同1425电力系统信息化1463智能物联信息系统1397总计8590【图表评论】雷达图咻咻地展示了专业术语在六个研究领域的分布情况一眼就能看出文档的学科交叉小特性从图里能瞅见术语分布有这些小可爱特点电力系统信息化 出场次数最多足足1463次妥妥是研究的核心小基础区间二型模糊理论 和 风电-储能系统 的频次分别是1442次和1436次组成了研究的次要支撑小领域而 智能物联信息系统 频次少丢丢只有1397次说明这个领域在本研究里露脸不多啦各领域术语分布虽有小差异但整体超均衡标准差是19.9妥妥反映了研究的多学科交叉融合小特点这种分布格局说明本研究不仅在核心领域挖得深还广泛吸收了相关学科的理论和方法搭出超完整的研究小体系2.3 专业术语分布【集中度分析】前5术语累计频次3616次前5术语累计占比25.2%前10术语累计占比34.5%【可视化图表】排名术语频次1储能14942价值链7193储能系统5634信息4495风电-储能价值链3916增值3047交易2818进行2769储能商23810风电商23211研究23112分析22713用户21414价值增值20615增值效应202前15累计6027【图表评论】环形图和柱状图超清晰展示了高频术语的分布情况和集中度啦从图里能看到前5个高频术语累计频次飙到3616次占总频次的25.2%集中度超高有没有前10个高频术语累计占比也达到了34.5%更能证明研究主题超聚焦排名第一的术语“储能”出场1494次是研究的核心小概念排名第二的术语“价值链”出现719次排名第三的术语“储能系统”出场563次这仨搭成了研究的核心术语小体系从排名第2开始术语频次唰唰下降呈现出长尾分布的小特征说明研究围着少数核心概念展开其他术语都是给核心概念打辅助、做细化的这种分布模式超符合学术文献的一般规律既体现了研究的深度又有满满的广度2.4 术语共现网络【共现分析】核心节点增值最强关联对储能系统 - 储能 (895次)主要聚类以图像增强、注意力机制等为核心的术语聚类共现关系总数17对【可视化图表】术语A术语B共现次数增值增值效应213储能商风电商211价值链增值162交易储能158交易储能商142价值链增值效应93增值风电-储能价值链41【图表评论】术语共现网络图超有趣地展示了高频术语之间的关联关系把文档的知识结构扒得明明白白网络里有10个节点和17条边搭成了以“增值”为中心的术语小聚类最强关联对是“储能系统”和“储能”共现次数高达895次说明这俩概念在研究里关系超铁从网络结构看主要形成了3个聚类聚类一以“储能”为核心包含“储能系统”、“储能商”等术语对应以储能为核心的相关研究方面的研究聚类二以“交易”为核心有“信息”、“其他”等术语是以交易为核心的相关研究方面的内容聚类三则盯着“风电-储能价值链”相关的研究方向各聚类之间靠“储能系统”等术语牵线搭桥搭出完整的知识小网络这个网络结构把研究的核心主题和它们的关系展示得清清楚楚帮我们超轻松理解文档的整体框架和知识体系2.5 核心概念词云【词云数据统计】词云术语总数20个加权总频次737.4次【可视化图表】排名术语加权频次1储能149.42价值链71.93信息系统70.04储能系统56.35信息44.96风电-储能价值链39.17增值30.48交易28.19进行27.610储能商23.8【图表评论】词云图用加权频次超直观地亮出了文档的核心概念体系☁️图里有20个术语加权总频次达到737.4次排名前五的术语分别是“储能”149.4次、“价值链”71.9次、“信息系统”70次、“储能系统”56.3次和“信息”44.9次这些术语字号最大、位置最显眼妥妥是研究的核心概念小团体从词云整体分布看术语按重要程度从大到小、从中心向四周排排坐形成超有层次感的视觉小结构排名靠前的术语反映了研究的核心主题和方法中等排名的术语体现了研究的具体内容和小细节排名靠后的术语则展示了研究的边缘小话题或未来小方向词云图不仅总结了全文的关键概念还帮读者超快抓住研究要点是理解文档内容的超实用小帮手2.6 英文缩写分布【缩写统计】缩写总数30个缩写总频次457次高频缩写 Top 5WF45次TOPSIS34次IIOTIS34次HESS28次IS21次前5缩写累计占比35.4%【可视化图表】排名缩写频次1WF452TOPSIS343IIOTIS344HESS285IS216BES217IP198SMES199PP1710NS17前10累计255【图表评论】环形图展示了英文缩写在文档里的分布情况啦文档里一共出现30个不同的英文缩写总频次有457次排名前五的缩写分别是“WF”45次、“TOPSIS”34次、“IIOTIS”34次、“HESS”28次和“IS”21次前5个缩写累计占比达到35.4%集中度超高一捏捏从缩写类型看主要有期刊名称缩写比如“WF”、作者姓名缩写比如“TOPSIS”、技术术语缩写比如“IIOTIS”和评价指标缩写比如“HESS”等这些缩写高频出镜说明文档引用了超多该领域的经典文献用了通用的技术术语和评价标准超能体现研究的规范性和专业性缩写的分布特征也帮读者了解该领域的学术交流小习惯哟三、原文章节举例3.4.1 仿真设计本节基于利益管理协同演化模型重点讨论政府补贴机制下风电商和储能商在协同交易模式的演化博弈过程讨论博弈模型参数变化对演化博弈系统的影响并验证协同交易模式的经济性和有效性。仿真验证及结果分析的框架图如图3-5所示。根据内蒙古阿拉善盟风电产业发展规划阿拉善盟致力于合理有效地利用丰富的风能资源促进风电产业的可持续发展。目前阿拉善联盟已于2018年签署了战略合作备忘录实施风电-储能一体化示范项目[112]。为便于分析和讨论本章根据该一体化示范项目的情况模拟项目参与方中风电商和储能商之间的利益管理问题进行仿真研究。本文选取该地区某风电场GPGPGP为研究对象该风电场近五年弃风率有所下降但仍高于10%10\%10%。风电场GPGPGP愿通过与储能商协作提高其风电利用率并降低弃风率。同时储能商EPEPEP需分析协同交易模式的经济性和预期收益从而确定其交易策略。风电商GPGPGP和储能商EPEPEP协同交易模式的演化博弈模型的相关参数设置如下SW1100S_{W1} 100SW1​100SW250S_{W2} 50SW2​50ΔFW10,\Delta F_W 10,ΔFW​10,α0.5\alpha 0.5α0.5VW56V_{W} 56VW​56CW125C_{W} 125CW​125SE:1100S_{E:1} 100SE:1​100SE:250S_{E:2} 50SE:2​50ΔFE12\Delta F_E 12ΔFE​12β0.8\beta 0.8β0.8VE78V_{E} 78VE​78CE125C_E 125CE​125。使用MATLAB R2017b对风电商-储能商演化博弈过程进行模拟仿真。图3-5仿真验证及结果分析框架图Fig.3-5 The case and simulation framework四、原文章节举例4.2 储能容量管理的协同框架及分析传统的电力系统结构以电网企业作为中心企业根据用户负荷的实时变化对发电机组的出力进行主动调节和控制。传统电力系统中电网基于随机的用户负荷情况对相对可控的发电侧资源进行调度和调峰当用户负荷增加电网则提高发电侧机组出力而当负荷降低时电网则降低发电侧出力从而实现功率平衡。对电网企业来说风电出力的不确定性和波动性带来了调度、调峰等方面的挑战。对风电企业来说电网企业对于风电并网的质量和数值要求使其处于价值链的被动地位其价值增值效应难以有效发挥。随着储能系统的加入构建风电-储能价值链以储能系统作为价值链的主体和中心节点通过储能容量管理实现风电场功率、储能系统功率、用户负荷功率之间的协同达到实时供需平衡状态进而实现风电-储能价值链的协同效应和价值增值。基于WF-HESS的储能容量管理协同框架如图4-1所示。图4-1 储能容量管理的协同框架Fig.4-1 Collaborative framework of energy storage sizing management目前对于不同储能技术混合方案的协同决策方面已开展了相关研究。文献[116]对电池储能技术和氢储能技术的协同决策进行了讨论。基于超级电容器和电池储能系统的混合储能系统被广泛应用于电动汽车和可再生能源领域[117.118]这是因为电池储能系统能够长期、连续地吸收和释放能量而超级电容器能够响应动态的瞬时功率需求。与超级电容器相比超导磁储能系统不需要升压/降压接口[119]能量转换效率达到90%90\%90%以上可在几毫秒内快速响应功率波动。文献[120]构建了基于超导磁储能系统和电池储能系统的混合储能系统模型探讨其在风力发电应用中的互补性。文献[121]使用超导磁储能系统和电池储能系统组合方案来平滑风电场功率输出。以上研究综述表明电池储能系统和超导磁储能系统在促进风电消纳方面具备优势互补性和可行性。在此基础上本文基于电池储能系统和超导磁储能系统在风电-储能价值链应用中的互补特性构建混合储能系统来应对风能波动1超导磁储能系统具有较高的循环寿命、高功率密度、高额定功率、低自放电率能有效应对较大波动的风电出力2电池储能系统能有效提供低功率和稳定功率电能在技术成熟度和广泛可用性方面具有突出优势。面向能源结构转型和用户需求多样化的要求在电网侧大规模储能建设暂缓的背景下通过实现风电和储能的综合利用以及储能容量配置的协同决策研究能充分发挥储能系统在降低风电出力波动性和提高风电利用率的重要作用。目前已经有相关研究对风电-储能混合系统优化决策方面进行了探索但兼顾储能容量协同决策与价值链价值增值过程从经济、环境和技术角度探讨WF-HESS的总成本、弃风量和供电缺失率协同优化决策的研究较为鲜见。基于以上分析本章构建风电-储能价值链容量管理的协同决策模型旨在有效提高风电利用率、减少弃风、实现风电场和储能系统的价值增值效应。为实现这一目标本文构建基于WF-HESS的容量管理协同优化决策模型考虑风电场、混合储能系统、用户负荷三方面的约束实现系统总成本最小化、风电场弃风量最小化和系统供电缺失率最小化的多目标协同决策以满足实时用户负荷需求为探讨风电-价值链的价值创造和增值效应研究提供基础。五、总结本报告超认真地对《风电-储能价值链协同决策模型及信息系统研究》做了系统的专业术语统计与分析啦文档总字符数196693中文字符81255个英文字词13367个一共扒出专业术语1718个高频术语“储能”1494次、“价值链”719次等搭成了研究的核心概念小体系文档涉及6个研究领域主要扎堆在电力系统信息化(1463次)、区间二型模糊理论(1442次)、风电-储能系统(1436次)超有多学科交叉的研究小特点术语共现网络有10个节点和17条边最强关联对“储能系统”与“储能”共现895次搭成了以“增值”为中心的术语小聚类英文缩写一共出现30个总频次457次前五缩写“WF”45次等累计占比35.4%反映了文档引用的经典文献和技术标准总的来说本报告通过多维度术语统计把文档的知识结构和研究焦点扒得明明白白超全面的哟六、原文部分参考文献[1] Han X, Zhou M, Li G, Lee KY. Stochastic Unit commitment of wind-integrated power system considering air-conditioning loads for demand response[J]. Applied Sciences-Basel, 2017, 7: 1154.[2] He Y, Xu Y, Pang Y, Tian H, Wu R. A regulatory policy to promote renewable energy consumption in China: review and future evolutionary path[J]. Renewable Energy, 2016, 89: 695-705.[3] Liu J, He D. Profit allocation of hybrid power system planning in energy internet: a cooperative game study[J]. Sustainability, 2018, 10: 388.[4] Dong C, Qi Y, Dong W, Lu X, Liu T, Qian S. Decomposing driving factors for wind curtailment under economic new normal in China[J]. Applied Energy, 2018, 217: 178-188.[5] Golkhandan RK, Aghaebrahimi MR, Farshad M. Control strategies for enhancing frequency stability by DFIGs in a power system with high percentage of wind power penetration[J]. Applied Sciences-Basel, 2017, 7: 1140.[6] Yang J, Liu Q, Li X, Cui X. Overview of wind power in China: status and future[J]. Sustainability, 2017, 9: 1454.[7] Huenteler J, Tang T, Chan G, Anadon LD. Why is China’s wind power generation not living up to its potential?[J] Environmental Research Letters, 2018, 13: 044001.[8] Liu J, Wei Q, Dai Q, Liang C. Overview of wind power industry value chain using diamond model: a case study from China[J]. Applied Sciences-Basel, 2018, 8: 1900.[9] Michiorri A, Lugaro J, Siebert N, Girard R, Kariniotakis G. Storage sizing for grid connected hybrid wind and storage power plants taking into account forecast errors autocorrelation[J]. Renewable Energy, 2018, 117: 380-392.[10] 杨文海. 城市电网需求侧能源资源动态聚合决策及信息系统研究[D]. 华北电力大学(北京), 2018.[11] Tan Z, Tan Q, Wang Y. A critical-analysis on the development of Energy Storage industry in China[J]. Journal of Energy Storage. 2018, 18: 538-548.[12] Robert FC, Sisodia GS, Gopalan S. A critical review on the utilization of storage and demand response for the implementation of renewable energy microgrids[J]. Sustainable Cities and Society. 2018, 40: 735-745.[13] Gan LK, Shek JKH, Mueller MA. Optimised operation of an off-grid hybridwind-diesel-battery system using genetic algorithm[J]. Energy Conversion and Management, 2016, 126: 446-462.[14] Sahu BK. Wind energy developments and policies in China: a short review. Renewable and Sustainable Energy Reviews[J], 2018, 81: 1393-1405.