风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。     

风力发电系统发电容量时间序列的混沌属性分析

利用非线性动力学的分析方法对并网型风电机组的发电容量时间序列进行分析,以检验其是否存在混沌属性。分析表明,通过对低维非线性动力学建模,风电机组发电容量时间序列表现出了混沌特性,此结果为基于混沌时间序列的风力发电容量预测奠定了基础。     

月降雨序列的混沌判定的合理性分析

针对目前月降雨序列混沌特性研究中存在的问题,以广东省西江流域高要站月降雨序列为例,运用功率谱方法、主成分分析法、饱和关联维数法、C-C方法进行了混沌特性的判定及特征参数的求取,同时分析了数据长度和噪声对混沌研究的影响.研究结果表明,利用功率谱方法进行混沌判定时,单纯的根据连续多峰的噪声背景作为判定混沌存在的依据并不可靠;饱和关联维数法仅从能量角度对混沌序列进行判定,此外,对混沌序列进行滤波会导致此法判定结果的稳健性降低,C-C方法证明了其计算结果的可靠性;为计算出相对稳定的饱和关联维D2,计算数据的长度至少应为450个点;递归图及相应的各种定量判定标准验证了改进的双小波空域降噪方法可有效去除混沌序列中噪声的影响.     

洞庭湖区月降雨序列的混沌特性识别及预测研究

基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌预测精度的影响,表明监测误差是影响混沌预测精度的一个重要因素,提高数据精度是提高混沌预测精度的一个有效方法。     

辨识混沌时间序列中的确定性

总结了一些分析混沌时间序列的关键技术：相空间重构、吸引子维数、Lyapunov指数、熵等，并综合运用这些方法来判断时间序列是否存在混沌现象。     

风速时间序列非线性特征分析

针对时间序列风速确定性与随机性相结合的复杂非线性特征,基于相空间重构理论和最大Lyapunov指数对其进行混沌与分形特征分析。首先,以经典Lorenz混沌系统及非混沌完全随机白噪声时间序列为验证算例,通过相空间重构和最大Lyapunov指数法判断以上2种非线性时间序列的混沌特征,分别从定性和定量的角度验证了所提方法的可行性;其次,对美国风能研究中心实测风速数据进行相空间重构,计算其最大Lyapunov指数并估算其可预测时间,最后采用G-P算法分析了实测风速时间序列的饱和关联维数。结果表明:相空间重构理论及最大Lyapunov指数法均可作为判断混沌特征的重要方法,时间序列风速具有明显的混沌分形特征及短期可预测性。     

基于LS-SVM和RBF的月降雨混沌时间序列预测

以乌尔逊河为例,采用相空间重构理论计算实测月降雨的延迟时间、嵌入维数、G-P饱和关联维数和Laypunov指数,证明月降雨时间序列存在混沌现象。运用LS-SVM模型对乌尔逊河月降雨混沌时间序列进行预测,并利用交叉验证法求取LS-SVM模型两个重要参数的最佳组合,同时与RBF神经网络模型进行了对比分析。结果表明,在做混沌时间序列分析时LS-SVM模型的预测精度优于RBF神经网络模型。     

混沌相空间的卡尔曼滤波模型及其应用

针对混沌时间序列,提出将混沌分析方法和卡尔曼滤波实时技术相耦合,建立混沌相空间的卡尔曼滤波模型.以混沌系统的相点为状态变量构成相点的状态空间描述,运用卡尔曼滤波实时预测并校正相点的未来演化规律,据此对四川省电力系统的日负荷时间序列进行短期预测.实例表明,该模型有利于跟踪相空间中相点的非线性演化轨迹,预测精度高、效果好.     

车用发动机去噪声振动信号时间序列混沌分形识别

应用混沌分形理论,选择合适的滞时,对去噪后车用发动机振动信号时间序列进行了相空间重构,并得出了不同嵌入相空间下去噪后车用发动机振动信号时间序列关联维的变化规律。计算结果表明:经去噪后车用发动机振动信号时间序列具有分形特征,且该时间序列是混沌序列。在车用发动机系统中,影响去噪后车用发动机振动信号的系统内部因素最多可达8个,最小不会小于1个。     

风速时间序列混沌特征分析及非线性短期预测

针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。     

两相闭式热虹吸管混沌特性及其传热性能研究

探究两相闭式热虹吸管的传热混沌,以及操作参数对其混沌性和传热性能的影响,建立混沌特征参数与传热性能间的联系.通过搭建实验台测量两相闼式热虹吸管稳定运行过程中不同工况下的管壁温度信号,基于非线性分析的混沌理论研究处理测量的温度脉动信号,绘制吸引子轨迹图,建立最大Lyapunov指数与传热特征参数的联系,揭示传热性能与混沌...     

基于混沌优化算法的城市供水绩效DEA评价模型

针对目前城市水资源短缺现象,阐述了城市供水绩效评价的重要性。介绍了数据包络分析方法及其非线性模型,并提出了混沌优化求解算法。实例表明:用混沌优化算法对城市供水绩效的DEA评价模型的优化结果与前人采用线性求解结果一致,证明了混沌算法求解DEA模型的可行性。     

Investigation of torsional instability, bifurcation, and chaos of agenerator set

In this paper, the nonlinear phenomenon known as Hopf bifurcation, chaos and asynchronous operation of a simple power system are explored. Firstly, taking into account the nonlinearity of the generator shaft and the interaction of mechanics and electrics in the generator sets, the authors obtain a transient model by combining Park equations and mechanics equations. Then the Hopf bifurcation, period-doubling bifurcation and chaos caused by too large a line resistance are investigated with nonlinear mode and Floquet theory. The bifurcation figure of the system is also given. Further study shows that the chaos attractor breaks up into asynchronous operation when the resistance becomes larger. This way of loss-of-stability is different from that caused by loss-of-excitation     

Nonlinear analysis on dynamic behavior of buoyancy-induced flame oscillation under swirling flow

From the viewpoint of nonlinear dynamics, the dynamic behavior of buoyancy-induced flame oscillation has been experimentally investigated under a swirling flow produced by rotating a cylindrical burner tube. As the rotational Reynolds number increases, the dynamic behavior undergoes a significant transition from periodic oscillation to low-dimensional deterministic chaos, through quasi-periodic oscillation. This is clearly demonstrated by nonlinear time series analysis based on chaos theory. The motion of the vortical structure around the burner tube due to the centrifugal instability associated with a rotating Taylor–Couette flow plays an important role in the onset of low-dimensional deterministic chaos.     

A new stochastic approach to transient heat conduction modeling with uncertainty

We present a generalized polynomial chaos algorithm for the solution of transient heat conduction subject to uncertain inputs, i.e. random heat conductivity and capacity. The stochastic input and solution are represented spectrally by the orthogonal polynomial functionals from the Askey scheme, as a generalization of the original polynomial chaos idea of Wiener [Am. J. Math. 60 (1938) 897]. A Galerkin projection in random space is applied to derive the equations in the weak form. The resulting set of deterministic equations is subsequently discretized by the spectral/hp element method in physical space and integrated in time. Numerical examples are given and the convergence of the chaos expansion is demonstrated for a model problem.     

一种用于AGC机组调配的混沌多Agent双重粒子群算法

AGC机组调配问题是一个含连续和离散变量的混合非线性优化问题,提出了一种基于混沌多Agent的双重粒子群算法。该算法以混沌和粒子群优化算法以及多Agent技术为基础,利用混沌映射提高初始种群的质量,引入临界算子增强Agent的多样性。在算法迭代中,每一个Agent通过与其随机配置的邻居竞争、合作,并且吸收了粒子群优化算法的进化机制,可以更稳定、快速地收敛到全局最优解。通过算例仿真结果表明,所提出的算法具有质量高的解、稳定性好的收敛特征和快的寻优速度。     

气流力、油膜力和质量偏心共同作用下的转子非线性动力学研究

以Jeffcott转子系统模型为研究对象,利用气流力模型和非稳态油膜力模型对转子运动的动力学特性进行研究。研究方法采用数值模拟技术,研究了转子系统的分岔和混沌特性,并且对随转速变化和转子质量偏心率的变化时转子的运动特性进行了详细的分析和研究。研究结果表明,在转速变化时,系统在经历周期运动之后进入混沌状态,在质量偏心率增大时,系统在油膜力、气流力和不平衡偏心质量的影响下,系统由概周期运动进入混沌状态。     

转子-定子系统松动-碰摩耦合故障的动态响应分析

建立了考虑定子与基础之间的连接刚度和阻尼(包括定子本身运动)的转子-定子系统发生松动-碰摩时的动力学模型和微分方程，对系统在运行过程中的非线性行为进行了数值仿真分析，发现随着转速的变化过程，此类系统响应主要以拟周期或阵发性分岔进入混沌，而由拟周期或倍周期倒分岔离开混沌。在超临界转速区，系统的响应以混沌和周期k的分频运动为主要运动形式。该结果为转子-定子系统的故障诊断提供了依据和参考。     

A fast stochastic solution method for the Blade Element Momentum equations for long‐term load assessment

Unsteady power output and long‐term loads (extreme and fatigue) drive wind turbine design. However, these loads are difficult to include in optimization loops and are typically only assessed in a post‐optimization load analysis or via reduced‐order methods. Both alternatives yield suboptimal results. The reason for this difficulty lays in the deterministic approaches to long‐term loads assessment. To model the statistics of lifetime loads they require the analysis of many unsteady load cases, generated from many different random seeds—a computationally expensive procedure. In this paper, we present an alternative: a stochastic solution for the unsteady aerodynamic loads based on a projection of the unsteady Blade Element Momentum (BEM) equations onto a stochastic space spanned by chaos exponentials. This approach is similar to the increasingly popular polynomial chaos expansion, but with 2 major differences. First, the BEM equations constitute a random process, varying in time, while previous polynomial chaos expansion methods were concerned with random parameters (ie, random but constant in time or initial values). Second, a new, more efficient basis (the exponential chaos) is used. This new stochastic method enables us to obtain unsteady long‐term loads much faster, enabling unsteady loads to become accessible inside wind turbine optimization loops. In this paper we derive the stochastic BEM solution and present the most relevant results showing the accuracy of the new method.