基于干扰观测器的PI控制单相正弦脉宽调制逆变电源

采用了一种基于干扰观测器的PI控制单相逆变器的控制方案,并与传统的PI控制进行了充分的对比。对该控制策略与传统的PI控制均进行了全面的理论分析,基于理论分析,在MATLAB中对该系统进行了仿真设计,并在DSP平台上采用数字控制算法实现该控制方案。仿真结果与实验结果均表明,与传统的PI控制相比该控制方案能获得更好的动、稳态性能,具有更好的谐波抑制能力,从而验证了理论分析的正确性,并对别的系统设计具有一定的参考性。     

基于滑窗算法和序列翻译模型的非侵入式负荷跨域分解

非侵入式负荷分解作为实现电网与家庭用户能量监测的关键技术,能够量化能耗,为合理分配能源提供数据支撑。虽然目前已有算法在同数据集中功率分解准确率上有了很大的提高,但模型泛化性差且跨数据集间分解准确率低。为此,文中提出了一种基于滑窗方法的序列翻译优化模型,并运用迁移学习实现算法的跨数据集分解。该模型以滑动窗口的方式读取主电源有功功率的时间序列,采用基于LSTM编解码的序列到点模型预训练,经迁移学习获得训练模型,实现在不同数据集中的负荷分解。算例结果表明提出的深度学习模型在不同的数据集间训练测试均有较高的分解性能和准确率,提高了算法的泛化能力。     

电场对碲镉汞光电二极管双光子吸收跃迁的影响

实验研究了具有pn结结构的碲镉汞光电二极管的双光子吸收.激发光源采用了皮秒红外脉冲激光.尽管入射光子能量仅为碲镉汞材料带隙的60%左右,在光电二极管两电极端仍然观察到了显著的光伏响应信号.利用线性关系拟合双对数坐标系下光伏响应与入射光强的关系,发现两者呈现二次幂函数增强趋势,表明这种光伏响应是一种典型的双光子吸收过程.通过调节光电二极管两端的反向偏压,空间电荷区内的双光子吸收系数可比耗尽层外的强致130倍,这种双光子吸收系数的场致增强现象可归因为双光子吸收的FK效应所致.对比空间电荷区内外双光子吸收产生的光生载流子数量,证实空间电荷区内的双光子吸收会强烈地影响器件的光伏响应.     

多孔硅传感器的研究进展

综述了几种常见的多孔硅传感器的制备方法与敏感特性,并着重对气敏、湿敏、生物敏多孔硅传感器的传感机理做了详细的介绍,论述了多孔硅传感器研究的新动向,展望了它的未来发展.     

基于改进LSTM的电力设备状态融合预测模型

针对电力大数据存在数据随机缺失进而降低长短期记忆模型（Long Short-term Memory, LSTM）预测准确率的问题,本文提出了一种基于改进LSTM的电力设备状态融合预测模型。该模型首先对状态数据进行缺值检测和平稳分析,根据历史数据利用差分整合移动平均自回归模型（Autoregressive Integrated Moving Average model, ARIMA）对缺失的数值进行预测,并将预测的数值补充至相应的缺失位置;然后将新的完整数据输入到ARIAM模型和改进LSTM模型中以获取两种预测值;最后根据改进LSTM模型的学习准确率和ARIAM模型的拟合度对预测值进行权重分配,并在此基础上进行状态趋势融合预测。为了验证本文模型的普适性和预估准确性,选择电力负荷数据开展实验,结果表明：基于改进LSTM的电力设备状态融合预测模型在数据完整情况下的预测准确率比ARIAM和LSTM分别提高了52%和25% ,在数据缺失情况下的预测准确率分别提高了44%和57%。     

基于预测控制的多种新能源互补电力系统动态调度模型

为了解决多种新能源互补运行时的消纳困难,以及降低新能源夜间波动造成电压频繁越限的问题,提出了一种基于预测控制的多种新能源互补电力系统动态调度模型。首先分析了光伏发电和风力发电的时间性,以及用户生活和生产用电短期内环比波动较小的特征,利用改进自适应阈值隶属度的小波滤波方法对光伏、风力发电历史数据进行去噪,以实现数据真实性还原;然后将去噪后的数据输入到改进的差分整合移动平均自回归模型中,对未来一段时间的发电量和用电量进行预测;将预测发电量、用电量作为分解原函数和扩增函数,改进同步型交替方向乘子法（synchronous alternating direction method of multipliers,SADMM）;最后,通过将各时段预测的新能源发电量作为下一次迭代计算值的固定值,对SADMM进行迭代值修正,达到动态经济调度的目的。实验结果表明,该模型有效降低了91%的电压越限告警,并且经济性较传统方法提高了5%。     

基于有效介质理论的多孔硅有效介电函数模型

采用改进过的Maxwell-Garnett模型研究了入射光波长和多孔硅的孔隙率对反射光谱和介电光谱的影响,结果表明(1)随着入射光波长的增大,多孔硅的反射率先增大后减小,而随着孔隙率的增大反射光谱出现了明显的下榻趋势,且孔隙率越大下榻得越明显;(2)随着孔隙率的增加,多孔硅复介电光谱出现明显的蓝移现象,且多孔硅有效介电常数的实部和虚部均变小.并对这种现象给出了较为合理的解释.     

面向电力开关柜的轻量型GB-YOLOv5m状态检测方法

电力开关柜状态灯及仪表具有布局高密、异位同像的特点,从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求,为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法。采用加权双向特征金字塔(BiFPN)结构,赋予特征层不同权重以传递更多有效特征信息;增加一个检测层尺度,提升网络对于小目标的检测精度,解决状态灯高密布局引起的小目标识别难问题;利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构,实现模型的轻量化,为在边端部署模型提供有利条件;通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充,并通过迁移学习实现算法高速收敛。经10 kV开关柜实测,结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高,均值平均精度(mAP)达97.3%,fps为37.533帧;相较于YOLOv5m算法,在模型大小缩小了37.04%的基础上,mAP提升了10.2%,说明所提方法对灯体与表体的检测能力大幅提升,且轻量识别效率提升明显,对于开关柜电力状态的实时核验与数字孪生信息交互,具有一定的现实意义。     

基于边缘云计算的光纤无线网络优化设计

为了提升网络边缘数据处理能力,满足终端大带宽和低时延的要求,构建了基于边缘基础设施的云计算平台,设计了具有动态带宽调整的光纤网络模型。提出了一种基于边缘云计算的时序优化算法,并将其应用于光纤无线网络。通过OPNET软件仿真分析了时序优化算法的传输时延均值,结果显示,优化后最大时延为43.1 ms,仅为传统方法的34.2%。实验对局域网内多个终端之间的数据通信进行分析,讨论了三种算法的传输能效、光纤信道利用率及传输能耗。实验结果显示,采用时序优化算法的测试结果具有明显改善,其传输能效提升了近1倍,边缘云数据传输时延均值信道利用率提升了约6.2%,网络传输能耗均值最优。该光纤无线网络模型及其优化算法在传输时延、信道利用率以及网络能耗方面具有明显提升。其在提升光纤通信链路选择及边缘端数据交互中具有一定的优势。