多核自适应迭代LSSVR的模拟电路性能评价策略

针对模拟电路的性能评价问题,运用标准支持向量回归机,结合自适应技术的优越性,利用迭代算法改善传统最小二乘支持向量回归的支持向量稀疏性问题,提高训练响应速度.同时采用多径向基核函数以实现核宽度在线调整的灵活度,进一步提高支持向量数目确定的精简性.给出了基于多核自适应迭代最小二乘支持向量回归法的设计思想及构造步骤.实验以高校模拟电路实验为依托,采用近两年内由精密仪器设备测评所得的小功率放大器的8项技术指标构建训练集,进行多核自适应迭代最小二乘支持向量回归评价.实验表明,所提出的方法性能优于传统最小二乘支持向量回归法及ε-SVR法,与精密仪器性能评价结果较为接近,且运算速度优.     

遗传优化的最小二乘支持向量机在开关磁阻电机建模中的应用

针对开关磁阻电机的非线性磁链特性,用最小二乘支持向量机(least square support vector machine,LSSVM)与自适应遗传算法相结合的方法精确构建开关磁阻电动机的磁链模型。在最小二乘支持向量机通过采样数据训练模型的过程中,用自适应遗传算法评价拟合误差,优化LSSVM模型的超参数,进而优化开关磁阻电机的磁链模型。通过比较该模型的预测数据与实际测量数据,可以得出用自适应遗传算法优化的最小二乘支持向量机构建的开关磁阻电机模型是可行的,有较高的精度和较好的预测能力。     

基于参数优化的最小二乘支持向量机状态估计方法

考虑到最小二乘支持向量机的参数选择会对状态估计的结果产生较大影响,提出了一种基于参数优化的最小二乘支持向量机的状态估计方法.首先,在非线性回归估计模型的训练过程中,采用两层网格搜索策略和交叉验证法来动态地调整LS-SVM的参数,从而更好地反映估计模型的复杂度,以此提高状态估计的精度.其次,由于估计模型在应对不良数据时可...     

基于最小二乘法的电力系统网络参数误差估计

为满足电力系统实时动态观测的要求,需要精确估计电网络参数,基于电力系统的任何网络参数误差都会影响状态估计中的量测残差,通过对量测残差的分析提出了一个基于最小二乘的电网络参数误差估计方法.分两步完成电网络参数误差的估计:首先根据动态系统的量测方程,利用加权最小二乘法(weighted least squares method,以下简称WLS),同时引入网络节点虚拟量测量作为等式约束条件建立最优化模型,利用拉格朗日乘法提出量测残差的表达式,网络节点虚拟量测量的引入加强了算法的精确性和收敛速度;第二步首先利用递推最小二乘建立量测残差方程中偏差项的的迭代公式,电网络参数误差包含在量测残差方程的偏差项中,通过迭代得出一个无偏估计的初始状态量,最后求得电网络参数误差.IEEE9节点系统的仿真验证了算法的正确性和有效性.     

以最小二乘支持向量机作组合器的变压器油中溶解气体体积分数预测

提出将灰色多变量模型和自回归AR模型的预测结果作为最小二乘支持向量机的输入变量,将实际值作为其输出向量,训练最小二乘支持向量机以获得组合器的权重,并将训练后的组合模型用于变压器油中溶解气体体积分数的预测.最小二乘支持向量机选用径向基核,其中的参数采用交叉实验的方法获得.这种复合模型综合了多种信息,充分利用了最小二乘支持向量机解决有限样本问题的优势.实例分析证明了所给方法的有效性和相比其他方法的优越性.     

基于LS-SVM的谐波阻抗估计方法

为解决谐波阻抗不易直接获取的问题,提出一种基于最小二乘支持向量机LS-SVM(least squares support vector machine)估计系统谐波阻抗的新方法.利用最小二乘支持向量机构建回归模型,引入Lagrange乘子得到拉格朗日函数,并求解得到模型参数.将公共连接点PCC(point of com...     

基于贝叶斯框架的LS-SVM中长期径流预报模型研究

为解决最小二乘支持向量机模型采用交叉验证方法确定模型参数耗时较长的问题,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选.选用径向基核函数,建立了中长期径流预报模型.采用岷江紫坪铺水文站1937～2007年的年径流资料进行模型的预测和检验,并与交叉验证方法优选参数确定的最小二乘支持向量机模型及BP神经网络模型进行比较.研究结果表明,基于贝叶斯框架下的最小二乘支持向量机径流预报模型具有较好的预报精度.     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS-SVM）的预测模型。由于LS-SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine, WLS- SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。     

基于最小二乘支持向量机的短期负荷预测

针对当今人工智能短期负荷预测方法存在的缺陷,提出了一种最小二乘支持向量机(LS-SVM)短期负荷预测方法,即建立最小二乘支持向量机(LS-SVM)回归模型。在选取该模型训练样本时,为了提高预测精度,采用灰色关联投影法来选取相似日。同时,针对标准粒子群优化算法易陷入局部最优的缺点,提出自适应变异粒子群优化算法来选择最小二乘向量机的参数,从而提高了负荷预测精度,避免了对模型参数的盲目选择。仿真结果分析表明,该方法有效、可行。     

LSSVR在电子设备电磁脉冲场耦合建模中的应用

针对现有机理建模算法普遍存在计算过程复杂的问题,研究了最小二乘支持向量回归机在电子设备电磁脉冲场耦合建模中的应用。先利用稳压电源在吉赫兹横电磁波室内对矩形脉冲场感应得到的耦合电压数据,对电磁脉冲能量耦合传递函数进行最小二乘支持向量回归机建模,并基于模拟退火算法、遗传算法2种典型算法对模型进行了参数优化,再运用建立的模型对耦合电压进行了仿真预测。通过对比表征模型回归能力的拟合度、均方误差2个重要参数证明,利用模拟退火算法优化的最小二乘支持向量回归机,建立的矩形脉冲场耦合模型与实际数据的拟合度更高,均方误差更小,而计算过程得到了简化,是一种简便有效的工程仿真建模手段。     

微电网概率性最优的储能容量研究

针对可再生能源发电受外界环境影响较大、难以控制,接入微电网后对其安全运行带来很大挑战的问题,指出在微电网中接入储能装置可有效地解决此问题;研究了微电网孤岛运行时储能容量的确定方法,提出了一种概率性最优的储能容量确定方法：计算了微电网调度出力与负荷需求的功率差额,并根据其概率函数密度曲线确定储能系统的最大充放电功率;根据储能系统不同时刻其充、放电量累计值的概率函数密度曲线,求出其最优储能容量,使电网能实现经济效益最优和可再生能源利用率最大。采用该方法确定微电网储能容量,具有求解方法简捷、所需储能容量小的特点。     

电解铝整流系统建模与稳流协调控制策略

介绍了大功率直流电解铝供电系统结构,建立了包括电解槽负载模型、饱和电抗器（ＳＲ）模型以及有载调压变压器（OLTC）的整流系统模型,提出了稳流协调控制策略：OLTC可对系列电流进行离散性的粗调,SR可在一定范围内实现对系列电流的连续性微调,两者结合能有效地解决机组投入与退出、阳极效应发生等大扰动下的稳流精确控制问题。基于电磁暂态分析软件包（ＥＭＴＤＣ）搭建了6机组整流系统,对网侧电压波动、负荷波动等工况进行了仿真分析,仿真结果表明：所提协调控制策略能保持直流系统处于最佳的运行状态,可实现电解铝生产过程中电流的平稳。     

基于卡尔曼增益动态修正的动力电池SOC估算

扩展卡尔曼滤波法(EKF)被认为是一种精度较高的电动汽车动力电池荷电状态(SOC)估算法,但是观测方程误差会对SOC估算结果带来影响。对EKF滤波过程进行改进,根据观测方程的误差对原EKF滤波过程增设动态卡尔曼增益修正系数,提出基于卡尔曼增益动态修正的动力电池SOC估算法。仿真结果表明EKF法可以有效克服SOC初始值不准确所造成的估算误差,动态卡尔曼增益修正系数可以进一步减小由于观测方程误差造成的SOC估算误差,使估算误差保持在5%之内。     

多ARM协同架构的智能合并单元设计

为降低合并单元设备成本、增强其智能化和通用化特性,利用多ARM（高级精简指令集处理器）并行处理的优势来构建智能合并单元。采用灵活的模块化方式来进行总体架构的设计,通过光纤接口方式与其他智能电子设备建立基于快速以太网的双向通信,遵循IEC 61850通信标准进行采样值报文和GOOSE报文的高速网络化传输。结合数据处理和报文传输的要求,详细阐述了采样控制和开入开出控制等核心部分的软件处理流程。采样值及GOOSE传输等相关测试结果表明,该智能合并单元工作可靠而稳定,可满足智能变电站中合并单元在实时性强、可靠性高、通信流量大等方面的要求。     

级联Boost变换器输出电压纹波分析

级联Boost变换器含有两个LC滤波器,呈现四阶动力学特性,具有宽输入电压范围的特点。其输出电压纹波与电感、开关周期、电容和负载等因素有关,其中输出电压纹波受电容等效串联电阻影响较大。采用时间平均等效原理对级联Boost变换器进行直流稳态分析,分析了两个电容等效串联电阻对输出电压纹波的影响,由理论分析可知电容C1的等效串联电阻对输出电压纹波影响较小,电容C2的等效串联电阻对输出电压纹波影响较大。采用谷值电流控制策略,保证了变换器稳定地工作在较高直流电压传输比的情况下,避免了次谐波振荡现象。实验验证了理论分析的正确性。     

碱法提取煤矸石中氧化铝试验条件优化

工业固体废物煤矸石中存在有价值的氧化铝,如能将其替代铝土矿提取氧化铝,则将变废为宝。然而,煤矸石中的铝、硅主要以高岭土形式存在,活性很低,因此需要通过高温破坏煤矸石中高岭土结构,才能将其中的氧化铝转化为可溶于碳酸钠溶液的铝酸钙。为了使煤矸石中的氧化铝尽可能多地溶出,采用正交试验方法分别对采用石灰烧结法提取煤矸石氧化铝的活化和溶出条件进行了优化。试验结果表明：采用石灰烧结法提取煤矸石氧化铝,最佳条件下煤矸石中氧化铝溶出率可高达89.5%,试验所确定的最佳条件可供工业试验参考。     

关于“十三五”配电网发展的思考

配电网直接面向电力用户,是保障电力“落得下、用得上”的关键环节,也是改善民生的重要基础设施。面对“十三五”期间配电网发展“高质量、智能化”的需求,在梳理总结当前存在问题的基础上,从经济社会发展、高供电可靠性要求、分布式能源与多元化负荷接入、外部建设环境变化等角度阐述了配电网发展面临的挑战与机遇,提出了未来配电网发展面临的关键问题,并从规划建设角度提出了应对措施与建议。     

DZM与FM系列铅酸蓄电池在制造过程中的比较

根据多年的实际工作经验,从基本原理、客户要求及电池使用的角度出发,通过不同生产及工艺条件下反应生成物的不同,对DZM与FM系列铅酸蓄电池在生产制造过程中的不同进行了阐述。     

全钒液流电池电解液的制备和性能优化研究进展

全钒液流电池是一种新型的适用于大规模储能的电池,钒电解液是全钒液流电池的重要组成部分,电解液的制备及性能优化是全钒液流电池的一个研究热点。介绍了全钒液流电池电解液的制备和性能优化的研究进展,并展望了全钒液流电池电解液研究的发展方向。     

基于NW小世界的量子进化算法在无功优化中的研究

针对量子进化算法的早熟问题,提出了一种适于电力系统无功优化的NW（newman-watts）小世界量子进化算法。该算法引入了NW小世界网络模型,以一种新颖的随机加边方式动态改变种群个体的邻域拓扑结构,从而保证了整个优化过程中的种群多样性,提高了算法的全局搜索能力。应用该算法对IEEE-14节点和IEEE-57节点系统进行无功优化的仿真分析,结果表明,NW小世界量子进化算法在电网无功优化计算中具有较强的全局寻优能力和较高的收敛精度。