排序方式: 共有119条查询结果,搜索用时 15 毫秒
11.
锂离子电池剩余使用寿命(remaining useful life,RUL)预测对电池的使用维护极为重要,提出一种基于差分电压和Elman神经网络预测锂离子电池RUL的方法.首先,根据美国国家航天航空局(National Aeronautics and Space Administration,NASA)的锂离子电池数据集,分析电池差分电压曲线和充放电曲线,提取电池容量退化特征量;其次,通过Pearson法分析特征量之间的相关性,将充电差分电压曲线初始拐点值、放电差分电压曲线峰值、放电时间、静置时间作为电池RUL预测的间接健康因子;最后,建立以上述间接健康因子为输入,电池容量为输出的Elman神经网络,进行锂离子电池的RUL预测.基于不同间接健康因子和不同神经网络的四种电池容量预测对比实验表明,在间接健康因子中加入充电差分电压曲线初始拐点值和放电差分电压曲线峰值可以提高电池寿命预测精度,Elman神经网络可准确预测电池容量.基于不同循环次数预测电池RUL,预测的平均均方根误差为1.55%. 相似文献
12.
低压配电网参数和拓扑缺乏维护,精度较低,阻碍了在此基础上的各种高级应用的可靠实现.为此,提出了一种基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识方法.首先,分析了现有基于线性电压回归的参数和拓扑辨识方法的不足.其次,基于线路的非线性电压降方程推导出任意两节点串、并联关系的判据,建立了基于节点多时段有功、无功负荷和电压幅值量测的非线性参数估计模型,提出了自下而上的参数估计和拓扑重建算法.最后,采用实际数据和低压配电网算例验证了所提方法的有效性. 相似文献
13.
14.
15.
16.
超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。 相似文献
17.
随着电动汽车的应用推广,换电站的调度优化逐渐成为研究热点。传统的基于换电需求预测值的调度策略在实际应用中面临着难以适应动态干扰因素、预测误差累积等问题。为了解决这些问题,提出了一种基于带基线的蒙特卡罗策略梯度法的换电站实时调度策略,用于优化换电站的充放电策略以及响应电池数量。提出了带基线的蒙特卡罗策略梯度强化学习,并为换电站实时调度问题选取合适的状态空间和动作空间;设计了奖励函数对智能体进行离线训练,从电池状态数据、分时电价和排队电动汽车数量中学习得到最优策略网络;在离线训练好的模型基础上进行实时调度策略测试。基于换电站的服务可用率和经济效益验证了所提调度策略的有效性和经济性,算例结果表明所提策略能对电网负荷起到一定的削峰填谷作用。 相似文献
18.
针对传统参数可视化方法的可视网络参数种类少的问题,提出一种基于增强现实技术的电力通信网络参数全息可视化方法。先提取电力通信网络可视化参数特征,使用特征处理公式定义原始网络参数,利用差值法计算处理后的原始网络参数,得到可视化网络参数,使用OpenGL中的平移操作、缩放操作和旋转操作,预处理可视化网络参数;使用Hadoop配置节点参数,利用增强现实技术分组节点参数变量,完成参数全息可视化。实验结果表明:与传统的参数可视化方法相比,基于增强现实技术的电力通信网络参数全息可视化方法的可视化网络参数的种类更多,更符合电力通信网络参数全息可视化的优化需求。 相似文献
19.
为了实现对电力储能系统的协调控制能力,提出基于孤岛现象的储能系统奇次谐波频谱分析方法,构建多类型储能系统的奇次谐波检测模型,在孤岛现象作用下进行储能系统的低频成分抑制,将总储能中的低频成分指派给蓄电池,根据储能系统奇次谐波分量,进行超级电容器之间的功率分配,获取能量型储能系统奇次谐波频谱分量,采用波动平抑策略,在考虑孤岛现象作用下,基于模型预测控制算法进行储能系统奇次谐波频谱分析和特征提取,实现功率型超级电容器储能之间的功率优化分配。仿真结果表明,采用该方法进行储能系统奇次谐波频谱特征提取的准确性较好,提高了储能系统的协调控制能力,储能功率得到提升。 相似文献
20.