基于机器学习的水电机组劣化趋势预测模型北大核心CSCD

水电机组的劣化影响着水电站乃至电力系统的安全稳定运行。为了准确解析水电机组运行状态,获取机组的劣化趋势并对其进行准确预测,本文提出了一种基于极限梯度提升算法、变分模态分解算法、双向门控循环单元神经网络和注意力机制的水电机组劣化趋势预测混合模型。该方法首先用极限梯度提升算法建立考虑工作水头、有功功率和导叶开度影响的水电机组健康状态模型;其次,根据健康状态模型,推导出数年后的水电机组劣化趋势;再次,通过变分模态分解算法对水电机组劣化趋势进行分解,得到多个相对平稳的固有模态函数分量,并对每个模态分量建立双向门控循环单元神经网络和注意力机制的组合模型进行预测;最后,将预测模型的结果进行叠加,得到最终的趋势预测结果。实例分析结果表明,所提方法能准确地表达水电机组的劣化趋势,并且能有效地提高机组劣化趋势的预测精度。     

基于趋势预测的大型调相机运行状态实时评估

大型调相机作为高压直流输电工程中的重要设备,其健康状态对于电网安全运行具有重要意义。为此,本文提出一种基于趋势预测的大型调相机健康状态评价方法。首先,针对调相机的设备构成,基于多层次模糊综合评价法构建了调相机健康状态评估体系;其次,提出基于层次分析法与熵权法的组合赋权法进行指标权重赋值,应用模糊隶属度进行逐层评价;最后,提出了基于小波包-长短期记忆神经网络预测模型的劣化度改进方法,以实现实时状态评估。算例结果表明所提方法较于传统评估方法,更具合理性,有助于实现设备的故障预警,为换流站的调度运行与设备检修提供参考意见。     

双重BP神经网络组合模型在实时数据预测中的应用

在回归和延时神经网络的基础上，利用非线性组合预测方法的优点，提出一种新的预测模型--双重BP神经网络组合模型模型，选用某660MW机组的主蒸汽流量数据进行学习训练，实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度，校核样本的平均相对误差为1.5%，而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%，证明双重BP神经网络组合模型具有很高的预测精度，可应用于火电厂实时数据的有效性验证。     

基于GA-Elman神经网络的电池劣化程度预测研究

阀控铅酸蓄电池的老化机理复杂,劣化程度受多种因素影响,因此较难预测.在分析影响蓄电池劣化程度的多种因素的基础上,采用Elman神经网络方法对电池劣化程度预测建立模型,并通过遗传算法对预测模型中的初始权值和阈值进行优化,根据浅度放电的测量数据进行劣化程度的预测.仿真结果表明:该模型达到了对电池劣化程度准确预测的目的,通过与实测数据的对比,证明该模型具有较高的有效性.     

基于稀疏轻量卷积神经网络的管道泄漏检测

针对传统供水管网泄漏检测问题,本文提出了一种基于稀疏轻量卷积神经网络的管道泄漏检测算法。首先通过声音传感器采集管道泄漏的声音信号,经过立体声转换、重采样、长度对齐等预处理操作后,将其转换成梅尔频谱图。然后,构建一种稀疏轻量化的卷积神经网络模型来对梅尔频谱图进行特征抽取和泄漏检测。针对声音特征图的稀疏和时延性质,本文采用Inception网络结构来进行提高模型的特征抽取能力。此外,因为该模型需要被部署到边缘侧,因此设计了一种基于SqueezeNet的轻量化卷积神经网络模型来减少模型的参数,降低模型复杂度。实验结果表明,提出的管道泄漏检测算法在保证复杂度较低的同时具有较高的识别准确率。     

神经网络组合预报模型及其在汽轮发电机组状态检修中的应用

在组合预报模型研究基础上，提出基于神经网络的非线性组合预报模型，由神经网络给出常规预报方法的最佳组合。首先从函数逼近角度研究了这种模型的理论基础，在此基础上给出了实现策略和神经网络的有效训练算法，将该模型应用于发电机组状态检修的振动参数的趋势分析和故障预报，仿真结果表明该模型有更高的预报精度。     

基于布谷鸟-Elman算法的光伏发电预测

提高光伏发电功率预测的精度对于保证电网的安全稳定运行、提高光伏资源的开发和利用率具有重要的意义。文中提出了一种基于天气相似度以及改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型。首先在选取相似日上,提出一种基于距离和角度趋势的相似度计算方法,选出与待预测日相似度更高的相似日。其次,利用改进后的布谷鸟算法对Elman神经网络的权值和阈值进行优化并构建光伏发电短期功率预测模型。最后将文中提出的光伏发电预测模型与传统Elman神经网络模型的预测结果及实际输出值进行比较,结果表明改进布谷鸟算法优化Elman神经网络的光伏发电短期功率预测模型预测精度更高。     

基于模糊神经网络的蓄电池劣化程度预测研究

阀控铅酸盐蓄电池是变电站通信电源系统的重要组成部分,担负着在故障状态下为变电站通信系统提供不间断供电电源的重任。通过对阀控铅酸盐蓄电池劣化程度的各种因素进行分析,研究了采用模糊神经网络建立阀控铅酸盐蓄电池劣化程度预测模型,通过对测量数据进行劣化程度的预测,与实际测量数据进行比较,证明预测模型具有较高的可靠性。     

基于健康因子的锂电池剩余寿命预测方法

分析了锂电池的容量衰退趋势,从锂电池的充放电过程参数中提取与容量高度相关的健康因子,构建了基于BP(Back Propagation)神经网络的锂电池剩余寿命预测模型。分别采用健康因子拼接和其他特征拼接作为预测输入,对试验结果进行评估,指出所提取的健康因子结合BP神经网络模型预测速度快、精度高,具有较好的应用价值。     

优化组合预测的设计与分析

阐述了组合预测方法的基本原理,并从理论上论证了组合预测方法相对于单一预测模型的优越性。针对以往的组合预测模型最优权重不能保证非负性的问题,提出了一种新的基于前向神经网络模型的最优权重确定方法,并引入了神经网络优选组合预测模型。通过分析和比较,此模型具有很强的自适应性和较高的预测精度。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于DSP控制的并联型功率因数校正技术研究

传统的并联型有源滤波器(APF)需要检测负载电流,同时计算出其中的谐波及无功分量.该算法较复杂,计算延时大,易导致控制的实时性变差.采用直接电流控制的并联型功率因数校正(PFC),则不需要复杂的算法,它保留了传统APF双环控制的优点上,同时使控制变得简单.此处在分析并联型PFC原理的基础上,进行了仿真,基于DSP控制,...     

基于MEMS技术的汽车传感器研究进展

随着汽车传感器的迅速发展和对MEMS(微机电系统)技术研究的深入,基于MEMS技术的汽车传感器具有广阔的应用前景。本文就MEMS汽车传感器的研究应用现状、MEMS汽车传感器的分类、制作加工技术和工艺等进行了简述,并详细介绍了几种典型的MEMS汽车传感器,最后对MEMS汽车传感器今后的发展进行了探讨。     

基于CORBA实现OPC技术探索

OPC (过程控制中的对象链接与嵌入技术)是工业控制和生产自动化领域中硬件和软件之间的接口标准,近年来在电力系统广泛应用。它是一种基于DCOM(分布式组件对象模型)的技术。由于DCOM的平台相关性,不利于OPC技术的进一步应用。而代表分布对象技术主流的CORBA(通用对象请求代理体系结构)技术具有跨平台、语言无关等突出优点,本文尝试采用CORBA技术实现OPC技术。探讨了基于CORBA实现OPC技术的解决方案,通过具体的实现过程展示了方案的可行性,并通过测试用例和应用实例验证了方案的实用性和有效性。基于CORBA实现OPC技术,将大大提高OPC技术跨平台、跨语言应用的能力,使其成为一种更广泛适用的标准。     

电动汽车用电机技术研究

当今世界节能和环保备受关注,使得电动汽车技术正在加速发展。电机技术是发展电动汽车的关键技术之一。该文对电动汽车用的感应电动机、永磁同步电动机和开关磁阻电动机技术和发展水平进行了分析研究。     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

一种基于DSP新型三相逆变器谐振电路的控制方法

阐述了一种新型基于DSP三相DC-AC逆变器零电压开关(ZVS)拓扑电路的工作原理,并就其控制方法中的问题及其对ZVS电路的影响作出了详细分析,同时给出了相应的实验结果。