碲化铋温差发电模块构型优化设计

利用温差发电技术进行发动机废热回收的研究日益受到关注。为此,以热源温度250℃、热沉温度30℃为工况,考虑半导体热电材料(碲化铋)物理参数随温度的变化,数值研究了热电元件长度和截面积、导热基底厚度这3个结构参数对温差发电模块发电性能的影响。针对1维模型精度低和灵活性差的特点,建立了3维热电耦合物理模型。数值模拟结果表明:对于峰值输出功率而言,热电元件长度存在最优值,在该研究条件下,最优值在0.075~0.125 mm范围内,与理论分析结果近似,能量转化效率则随热电元件长度的增加而减小;输出功率随热电元件截面积的增大而减小,面积比功率和能量转化效率则缓慢下降;导热基底越厚,输出功率和能量转化效率均越减小。并且建立了简易实验测试装置,通过测试商用热电器件验证了物理模型的准确性。研究结果能为温差发电模块构型设计提供参考。     

基于热电类比理论的光纤复合低压电缆温度分布特性研究

光纤复合低压电缆(OPLC)作为坚强智能电网的重要产品,将光单元与电缆复合在一起,能够实现信息及电力的双重传输.OPLC温度特性研究对决定光网络传输稳定性和可靠性具有重要意义.本文基于热电类比理论提出了OPLC热路模型的建模方法,以双缆芯OPLC为例建立暂态热路模型,并对光单元位置单独建模,实现各位置温度的精确计算.在此基础上,利用遗传算法对模型热阻、热容参数辨识,提高了温度特性研究的准确性;通过COMSOL仿真分析及搭建温度测量实验平台分别获得不同电流大小时OPLC各位置温度值,通过对比热路模型计算得到各位置温度值与仿真及实验所得温度值误差小于1.3℃,验证了基于热电类比理论研究OPLC温度特性的有效性.     

基于LSSVM和混沌理论改进人工蜂群优化算法的GIS母线接头温度预测*

GIS母线接头过热已成为典型的过热性故障,为实现GIS母线接头温度的准确预测,在研究最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)算法的基础上,引入混沌理论改进的人工蜂群算法对LSSVM的参数进行优化,建立了一种基于参数优化LSSVM的GIS母线接头温度预测模型。通过GIS母线温度物理模拟实验,将实验所获得的负荷电流、GIS母线筒外壳测点温度及环境温度作为输入量,GIS母线接头温度作为输出量,对该模型进行了训练。结果表明,该模型的预测误差仅为0. 193%,优于ABC-LSSVM、LSSVM和RBF神经网络。提出的温度预测模型可实现母线接头温度的精确预测,为防止GIS母线接头过热性故障的研究奠定了基础。     

基于灰关联加权组合模型的电力负荷预测研究

针对灰色系统理论中的预测模型(简称GM(1,1)模型)不太适于中长期负荷预测的不足,以及由历史负荷数据的不同时段建模形成预测灰区间的特点,提出了灰关联加权组合修正方法。从历史负荷与其拟合数值的灰关联度挖掘出负荷发展的“远、近”趋势,对灰区间值进行加权组合,大大提高了GM(1,1)模型的预测精度。使用该方法对某一地区未来几年的负荷预测得到了较为理想的结果,说明该方法对中长期负荷预测非常有效,弥补了GM(1,1)模型在该领域内使用的缺陷,具有一定的理论价值和实际应用价值。     

钙基脱硫剂团聚体结构烧结模型的计算机模拟

在钙基脱硫剂团聚体结构模型基础上,利用球-板结构烧结模型,综合考虑体积扩散和表面扩散的共同影响,建立了基于团聚体理论新的烧结动力学方程,并研究了温度、团聚体粒径对CaO烧结的影响.对钙基脱硫剂团聚体烧结过程进行了计算机模拟,在该烧结模型的基础上,模拟了CaO颗粒空隙结构随温度变化的改变过程,模拟结果与实际情况相吻合,证实该模型是可行的.     

基于外部观测温度预测锂电池电极温度的研究

实际应用中,电池箱由于空间体积限制,电池箱内传感器数量少且不方便布置,通过少量温度传感器来准确预测电池温度显得尤其重要。基于锂离子动力电池充放电的热平衡过程和能量守恒定律,并根据冷却液与电池箱内壁的外部观测温度,提出了锂离子动力电池温度场物理热模型。将模型进行有限差分法变换,并用最小二乘法辨识出模型中的未知参数。仿真实验结果表明,该模型具有精度高、运算成本极低的优点,能在线实时准确预测锂电池表面电极处的温度。     

基于多属性决策和支持向量机的风电功率非线性组合预测

针对单一预测模型误差波动较大和线性组合预测的局限性,提出了基于多属性决策和支持向量机(SVM)的风电功率非线性组合预测模型。首先基于多属性决策理论,在检验其预测有效的情况下选择3种最优模型作为单项预测模型,并分别建模预测得到3种不同的预测结果;然后将各单项的预测结果作为训练输入,将相应的实际值作为训练输出,建立SVM组合预测模型。为检验该模型预测的有效性,用2组不同的历史数据进行验证,结果表明:该组合模型综合了各单项模型的优点,其均方根误差和平均百分比误差均小于各单项模型及其他组合模型,有效地提高了预测精度。最后还研究了采样间隔对预测结果的影响,结论表明:当采样间隔为5～15min时,预测精度较高。     

基于状态监测的风电机组主轴承早期故障预测方法

利用风电机组实时监测数据来研究主轴承温度与其潜在故障之间的关系,提出一种基于温度预测模型的风电机组主轴承在线故障预测方法。首先建立正常运行状况下主轴承温度的线性回归分析预测模型,提出可表示系统实际运行状态和预测状态之间偏差的判别函数,通过比较判别函数值与设定门槛值来监控主轴承的运行状态。理论分析和仿真结果表明,该方法所用模型鲁棒性好,提取的故障特征明显,可有效地预测在线风电机组主轴承潜在的故障。     

基于DSLPSO的中速磨煤机动态特性研究

以某火电厂MPS型中速磨煤机为研究对象,建立了具有动态特性的中速磨煤机灰箱模型,将动态自学习粒子群寻优(DSLPSO)算法应用于对模型中未知参数的高效辨识,并对模型进行验证。结果表明:建立模型的输出数据能够较好地跟随磨煤机的实际输出数据,采用该模型可以实现磨煤机出口参数的预测及煤粉水分含量的在线监测;通过控制一次风进口的流量和温度能够有效地调节煤粉水分含量和磨煤机出口温度。     

基于FT-GT模型的风电短期功率预测

随着风电接入规模的增加,风电功率预测日益重要。研究了一种基于分形理论(FT)与灰色理论(GT)模型相结合的短期风电功率预测新方法。建立了基于分形理论的风力发电功率预测模型,并对模型进行了求解。使用灰色理论对分形模型的分维数进行优化,提高模型预测精度。使用FT-GT模型和灰色模型两种方法进行预测,并利用真实数据进行预测同时与实际值做出比对分析。仿真结果表明,该风电功率预测方法相对灰色模型具有较高的预测精度。     

基于模型预测控制的智能楼宇用能灵活性调控策略

提出一种基于模型预测控制的智能楼宇用能灵活性调控策略。首先,根据楼宇蓄热特性,构建考虑楼宇内部不同制热区域的智能楼宇能耗预测模型,并将楼宇系统作为灵活可控单元集成到配电网中;然后基于模型预测控制方法,通过楼宇内部暖通空调系统在温度舒适度范围内对室温进行优化调节,实现楼宇系统的能耗灵活管理,降低楼宇运行成本;最后,在冬季制热场景下,对不同暖通空调控制方法下的楼宇集群进行优化调度分析,并对比分析了楼宇集群优化调度对于配电网运行状态的影响。结果表明,所提方法在保证温度舒适度的前提下可充分发掘智能楼宇的需求响应潜力,降低楼宇运行成本,同时可有效解决由可再生能源出力预测数据误差而导致的楼宇日前调控方案与实际运行场景偏差较大的问题,在预测不确定性环境下具有较强的鲁棒性。     

纯电动汽车动力电池温度预测模型实验研究

温度是影响动力电池寿命和安全性能的一个重要因素，在复杂的行驶工况下，对车载动力电池的温度预测控制显得非常重要。针对纯电动汽车动力电池温度测量精确度下降的问题，分别采集了车辆在FTP75和UDDS两种典型行驶工况下的温度数据，在动力电池热动力学模型的基础上，采用基于参数模型的广义预测控制算法，建立了纯电动汽车整车模型以及动力电池温度精确预测模型，并搭建了动力电池温度测量实验台架，试验结果表明，在车辆FTP75和UDDS两种典型行驶工况，模型预测温度与实际温度的误差极小，广义预测控制算法模型满足了车用动力电池温度精确预测的目标需求。     

差拍控制在有源电力滤波器中的应用

有源滤波器因可以实现谐波、无功、不平衡分量补偿等多种功能 ,所以已成为谐波抑制的主要技术。而且随着脉宽调制技术和微机技术的不断发展 ,使得基于微机的数字脉宽调制方法在有源滤波器中的应用成为可能。无差拍控制就是其中一种在预测控制基础上发展起来的全数字化脉宽调制方法。该方法的优点是能够预测谐波电流的变化趋势并跟踪补偿 ,缺点是控制算法复杂 ,对预测模型依赖性较大 ,使其在具体实现过程中存在困难。针对这一不足 ,提出了一种改进的、易于实现的差拍控制方法 ,并结合定脉宽调制技术 ,以单相并联型有源滤波器为对象进行     

含风光水的虚拟电厂与配电公司协调调度模型

随着大量利用可再生能源发电的分布式电源的出现,微网和虚拟电厂成为有效解决分布式电源并网的两种主要方法。采用场景抽样生成与缩减技术处理风电和光伏发电出力的不确定性,形成含概率信息的经典场景,在此基础上,根据合作博弈理论,建立了基于场景分析的虚拟电厂单独调度、与配电公司联合调度模型,分析了含风光水的虚拟电厂与配电公司的合作空间以及利益公平分配问题。算例采用某风光水分布式电源示范工程和迪庆藏族自治州电网实际数据进行分析,结果表明风光发电出力的预测精度、配电负荷曲线、备用价格等因素直接影响了虚拟电厂和配电网的合作空间和利益分配方案,并为分析分布式电源对配电网影响、虚拟电厂和配电公司合作谈判、优化虚拟电厂各类电源容量配置等提供了定量的依据。     

Prediction Model on Room Temperature Side Effect due to FastADR Aggregation for a Cluster of Building Air‐Conditioning Facilities

In this paper, we have constructed an auto regressive and neural network combined type prediction model for responsive change in the room temperature trend due to the fast automated demand response (FastADR) power limitation of office building air‐conditioning facilities. We defined the average of differences between room temperature and set point of each indoor unit for the entire building as a FastADR side effect index for the building. Prediction experiments using an actual office building showed that the root mean square prediction error of our model was 0.23 °C for 5 min after the FastADR. This prediction ability is considered sufficient to estimate the side effect of FastADR power limitation.     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

一种温差电器件的发电性能分析研究

BiTe合金是低温热电发电材料的一种典型材料。为获得其在室温范围内的发电方面的热电性能,采用一种BiTe合金材料,制备了多种规格的温差电器件,通过实验研究了该器件在不同温度下的电阻、电压、赛贝克系数等热电性能,给出了其随温度变化的线性近似方程,求得相关的经验参数。在此基础上,推导出最大输出功率的近似数学表达式,并进行了试验验证,实验结果表明近似方程与实际测量结果相吻合。     

基于双模调频分解的低压配电网同期线损率预测模型

为了高精度评价电力系统运行方式合理性以及电力企业运营状况,研究基于双模调频分解的低压配电网同期线损率预测模型,利用高精度的线损率预测结果提升电网运营管理性能。采集低压配电网电能传输信号,通过双模调频分解方法利用双模调频基函数分解信号,去除无用信号;利用分层式节点识别策略在分解后的配电信号中划分低压配电网的负荷节点,获取各负荷节点的注入电流;利用支持向量机方法建立同期线损率预测模型,将所获取的注入电流输入到模型中,输出线损率预测优化结果。试验结果表明,该预测模型的预测结果与实际结果极为吻合,平均绝对误差和均方根误差均不超过0.09%,证明该模型可有效预测低压配电网同期线损率,预测精度高,可为智能配电网运营管理提供有效依据。     

基于GA-RBF神经网络的变压器温升预测

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型。首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性。以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力。     

广义极值理论在大停电事故损失负荷预测中的应用

近年来随着区域电网的互联升级,大停电事故的风险随之增加。对停电风险进行预测,具有重要的现实意义。文中应用广义极值分布模型来预测电网停电事故损失负荷。首先,通过对1981至2012年全国电网停电事故损失负荷数据的分析,证明了损失负荷数据不适合直接作为极值分析的样本;然后采用相对值法对停电事故损失数据进行处理,以消除电网规模变化对数据分析的影响,给出了广义极值下的预测模型;最后,以1997至2012年的相对值数据对未来全国电网的事故概率及损失负荷情况进行了预测,进而推算出各区域电网对应的事故损失负荷预测值,并通过实际事故数据验证了所述方法的可行性。