基于自适应PSO-SVR的风速风功率预测

提出了一种基于自适应粒子群支持向量机的风电场风速风功率预测方法。该方法通过自适应粒子群算法优化参数的支持向量机的风速风功率预测。PSO算法作为一种新型的基于群体智能的随机优化算法,简单且易于实现,通过对粒子群算法惯性权重的改进及种群的变异操作,使得算法具有更强的参数优化能力。仿真算例和预测结果表明,该方法具有较高的预测精度。     

计及风电场概率模型的多目标无功优化

随着风电场装机容量的增加,风电场并网对电网的影响越来越大,因此对风电并网后电力系统的不确定分析显得尤为重要。首先将随机响应面法(SRSM)应用到风电并网后电力系统的不确定分析中,并利用该方法建立了含风电场的电力系统概率潮流计算模型。然后将基于个体最优位置自适应变异扰动粒子群算法与前述概率计算模型相结合,建立了以系统有功网损期望值、节点电压越限概率为优化目标的多目标无功优化模型。接着以风电场接入IEEE 14节点标准测试系统为例,根据SRSM计算出节点电压累积分布,与蒙特卡洛法进行比较,算例结果表明随机响应面法具有较高的效率和精度,证实了SRSM的有效性。最后将该无功优化模型应用于IEEE 14节点标准测试系统进行仿真分析,证明了基于个体最优位置自适应变异扰动粒子群算法相对于常规改进粒子群算法(IWPSO)而言,能够有效地避免早熟收敛。     

基于机会约束规划的汇流风电场穿透功率极限计算

大规模的风力发电并网给电网的运行与稳定带来了一系列的问题,研究风力发电的穿透功率极限对于风力发电并网的规划以及运行有着重要意义。基于随机规划理论,利用拉丁超立方采样(latin hypercube sampling,LHS)处理汇流风电场的相关性风速数据,提出了汇流风电场穿透功率极限计算方法,计算中考虑了在同一汇流点不同风电场的风速随机性和相关性,计算得到含有汇流风电场发电系统的线路潮流,进一步基于机会约束规划,利用改进的粒子群算法计算得到汇流风电场的穿透功率极限。在IEEE30系统算例上验证了计算方法的有效性,并简要分析了风力发电位于不同接入点对穿透功率极限的影响。     

基于AMPSO算法与神经网络的风电场发电量预测

分析了影响风电场发电量的主要因素,提出了一种新的基于人工神经网络的风电场发电量预测方法.针对传统神经网络预测模型的预测质量由于陷入局部最优、训练难收敛等原因而降低的情况,该方法引入了自适应变异粒子群算法( AMPSO)对神经网络的权值和阀值进行训练,并且在训练过程中通过比较不同隐层节点数所对应的输出误差来确定神经网络的...     

基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测

从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的相互影响;然后运用最小二乘支持向量机对各子序列分别建模预测,为降低预测风险,使用自适应扰动粒子群算法(ADPSO)和模型学习效果反馈机制对LSSVM预测模型的输入维数和超参数进行联合优化;最后将各个子序列的预测结果叠加得到预测风速。实例研究表明,本文所提的组合预测模型可以有效挖掘风速序列特性,具有较高的预测精度。     

基于CEEMD-RSVPSO-KELM的用户侧微电网 短期负荷预测

用户侧微电网负荷随机性强,短期负荷的预测精度对微电网的正常运行起着重要作用。提出了一种基于互补集成经验模态分解(CEEMD)和区域划分自适应变异粒子群(RSVPSO)算法优化核极限学习机(KELM)的负荷预测模型。采用互补集成经验模态分解将负荷序列分解为多组平稳的子序列,以减小不同局部信息之间的相互影响。针对粒子群算法易早熟和收敛速度慢的问题,利用区域划分来实现惯性权重和学习因子的自适应调整,提高粒子的全局寻优能力和搜索效率,并结合自适应变异操作避免陷入局部最优,加强核极限学习机预测精度。最后通过案例验证,所提模型的预测准确率约为98.114%,较其他预测模型具有更好的预测效果和实际应用意义。     

基于PSOGSA全参数连分式的风速预测模型

风的间歇性和时变性限制了风电场的发电能力,准确的风速预测有助于减小风力发电入网对电力系统的运行方式安排带来的影响。针对风速时间序列存在的复杂变化和混沌特性,为了提高预测精度和简化预测数学模型结构,提出一种结合万有引力搜索算法(GSA)全局寻优能力和粒子群优化算法(PSO)的局部快速收敛优势的全参数连分式预测模型。将n项截断式连分式转化为PSOGSA优化参数问题,进行多维空间上函数的优化。以风电场风速采集两组数据为预测对象,通过对复杂风速时间序列建模仿真,并利用基于PSOGSA优化的全参数连分式对序列进行多时间尺度的预测。仿真结果分别与传统的BP神经网络、RBF神经网络、当前时间序列预测利用较多的长短期记忆网络算法(LSTM)和粒子群优化支持向量机(PSO-SVM)进行对比得出：基于PSOGSA的全参数连分式预测模型具有精度高、结构简单和建模速度快等特点,具有更强的非线性预测能力。     

基于改进粒子群算法的PIDNN控制器在VSC-HVDC中的应用

针对海上风电场并网柔性直流输电(voltage sourceconverter based high-voltage direct-current,VSC-HVDC)系统比例–积分–微分神经网络(PID neural network,PIDNN)控制器参数寻优过程中存在的问题,提出一种基于限制竞争小生境混沌变异的改进粒子群算法(improved niche chaoticparticle swarm optimization,INCPSO)。该算法中小生境技术引入限制竞争淘汰机制,使其具有良好的全局寻优能力(探索),配合改进的帐篷映射混沌变异算法,可获得局部精细遍历性能(发现)。在解决粒子群算法早熟收敛和搜索精度低等问题的同时,最大程度地平衡了粒子群算法在解空间内的探索和发现能力。给出了VSC-HVDC系统中PIDNN控制器参数寻优INCPSO算法步骤,并进行算例分析验证。仿真结果表明,该算法寻优效率和搜索精度高,鲁棒性好,INCPSO-PIDNN控制器可用于海上风电场柔性直流输电变流器。     

基于自适应变异粒子群算法的双馈风电机组等值建模

风电机组等值建模是风电并网研究的基础,文中提出一种基于自适应变异粒子群(AMPSO)算法的双馈风电机组等值建模方法。首先依据风力机型号进行机群划分,通过简化双馈风电机组控制策略,建立了双馈风电机组等值模型。根据模型中各参数对双馈风电机组运行特性的影响特点,将其分为暂态参数和稳态参数,采用收敛速度快、通用性强的AMPSO算法对稳态参数寻优,采用试测法辨识暂态参数。通过仿真,验证了所述等值方法精确、简便,适用于大规模风电场接入电网的分析计算。     

基于PSO优化LSSVM的短期风速预测

为了提高风电场风速短期预测的精确性,提出了基于粒子群算法优化最小二乘支持向量机的预测方法。首先求出风速时间序列的嵌入维数和延迟时间,进而对混沌风速时间序列进行相空间重构。利用粒子群算法对最小二乘支持向量机进行参数优化,然后利用优化后的最小二乘支持向量机模型对相空间重构后的风速时间序列进行预测,预测结果表明基于粒子群优化的最小二乘支持向量机的预测效果满足了精度要求。同时运用了支持向量机和BP神经网络模型进行预测,仿真结果表明,基于粒子群优化的最小二乘支持向量机预测方法具有预测精度高,预测速度快的优点,因此具有很高的工程实际应用意义。     

用于主动噪声控制系统的高性能算法结构

本文针对传统的自适应滤波算法降噪性能差、收敛速度慢以及应对突变能力不足等问题,提出了基于改进的方程误差算法和镜像优化算法。其中,改进的方程误差算法在FURLMS算法基础上进行离线二次路径建模,解决了降噪性能和收敛速度的问题。为了提高系统应对突变的能力,该算法在FURLMS算法基础上进行了镜像优化。结果表明,本文提出的两种算法在系统频率为250 Hz左右范围时,均方误差可稳定在-20dB,提出的改进方程误差算法和镜像修改算法分别有28dBA和30dBA的噪声衰减效果。     

频率变化时交流采样算法分析

电力系统交流采样中使用均方根法计算时必须取得交流信号1个整周期的数据,否则会产生较大的误差。分析了引起误差的原因,使用Matlab的仿真计算,分析了误差大小和采样点数之间的关系。在此基础上提出了2种改进的算法,分别利用有效值作为参考选取起始点和数值补偿进行误差校正。前者在频率变化不大时,无需准确知道系统频率就能保持较高计算精度,但在采样频率较低时误差较大;后者计算精度高,但必须准确知道频率值。     

高压直流电能计量系统计量误差研究

高压直流电能计量的准确性对直流系统电量结算和相关技术指标计算有直接影响。针对典型的高压直流电能计量系统,考虑系统中各装置准确级及误差的概率分布,结合工程实际使用的电能计量算法,建立了高压直流电能计量误差模型。分析表明在不同装置准确级组合情况下,直流电能计量系统的相对误差表现出与各环节误差分布的均值有关,直流侧总电能相对误差与换流单元正极和负极电能计量误差的均值有关。在换流站现场对直流电能表进行误差测试,得到被测直流电能表的计量误差情况。由于装置组合产生的整体误差会对系统损耗率较小的直流输电系统的损耗电能计量造成一定影响,因此应在计量装置满足准确级的基础上,适当增加周期性校准试验次数,并在调校过程中尽量降低装置的误差均值,从而提高高压直流电能计量的准确性。     

导线网平差边角权的确定及可靠性分析

对导线网平差观测值权的几种确定方法, 通过实例比较, 分析了各种定权方法的合理 性和特点, 并对提高导线网平差结果可靠性提出了新的认识和建议。     

CR网络中的主用户活动检测与跟踪算法研究

针对集中控制认知无线网络提出一种主用户活动估计与跟踪算法。首先,建立移动模型来预测可能的检测时间,然后认知基站选择预测检测时间最长的认知用户来检测主用户。其次,每个认知用户使用最大似然估计理论来估计主用户的ON/OFF平均周期。最后,认知基站使用均方误差来停止精细检测,并且利用均方误差的变化来重新启动精细检测以便跟踪主用户活动的变化。仿真结果表明,提出的方法能够快速有效地检测并跟踪主用户的活动。     

一种负荷预测模型预测能力的评价标准

常用的负荷预测模型预测能力的评价标准（如MSE和MAE）在使用过程中存在一定的局限性。引入Diebold-Mariano（DM）检验,给出了判断不同预测模型预测能力是否存在显著差别的定量分析方案。算例分析表明,基于DM检验的现代评价标准可以缓解样本中随机干扰造成的影响,有效地甄别模型的预测能力,为更全面地比较负荷预测模型提供了参考。     

10kV线损理论计算方法的误差分析

分析了利用配电变压器的负荷曲线计算10kV辐射状配电网络线损理论计算的新方法与传统的均方根电流法线损理论计算的误差 ,证明了配电变压器的负荷曲线对线损计算结果的影响 ,说明了新方法可提高线损理论计算的精确性     

一类带有等式约束的不确定系统的滤波方法

研究了一类离散不确定系统中存在等式约束时的最优滤波问题,在均方误差最小的意义下利用卡尔曼滤波给出了最优解。与传统的不确定滤波结果相比,从理论证明了利用更多信息的约束滤波的估计误差协方差的迹更小。计算机仿真验证了理论结果。     

数字式电能表电压采样误差的理论分析与仿真

证明了整周期采样无原理性误差,推导了非整周期采样的误差公式,仿真实验反映了电压频率、采样点数和采样起始角与相对误差的关系.在论文实验条件下:频率变化0.1Hz时误差变化约0.1％,采样点数与误差为反比关系,起始角与误差近似为余弦关系.结论同样适用于电流有效值的计量.     

带支撑物圆阵波达方向估计实验研究

为了验证带支撑物圆阵波达方向估计算法的有效性,在介绍算法原理的基础上,利用设计的镶嵌在刚性球上的12元均匀圆阵,分别在消声室和外场进行了声源定向实验研究.定向结果显示消声室内平均估计误差不大于2°,均方根误差不大于2.2°,外场平均估计误差和均方根误差均不大于3°.实验表明基于带支撑物圆阵所推导的波达方向估计算法是有效的,能正确估计出声源的波达方向,且具有较高的精度,为利用带支撑物圆阵进行波达方向估计的工程应用奠定了基础.