基于多策略改进金豺算法优化LSTM的短期电力负荷预测

针对长短期记忆(long short term memory, LSTM)神经网络存在短期负荷预测精度低和稳定性差的问题,提出一种基于多策略改进金豺(improved golden jackal optimization, IGJO)算法优化LSTM的短期电力负荷预测模型。首先融合凸透镜成像反向学习策略,探索更好的初始解位置;引入Sigmoid函数改变逃逸能量,平衡探索和开发阶段;融合鲸鱼优化算法的螺旋包围机制,增强探索能力,提高收敛精度。然后,引入LSTM神经网络,利用IGJO算法优化LSTM的超参数,并建立IGJO-LSTM短期电力负荷预测模型。最后,使用河南某地区的实际电力负荷数据验证IGJO-LSTM短期负荷预测模型。实验结果表明,所提预测模型在工作日和周末不同时刻的电力系统短期负荷预测结果与实际负荷较接近。相比于传统预测方法,所提预测模型具有更高的精确度和稳定性,并具有一定的实际应用潜力。     

电子式电压互感器的研究现状和展望

综述了国内外电子式电压互感器研究的现状,并对其发展趋势进行了展望,介绍了几种典型的电子式电压互感器。     

基于无线传感器网络的油井远程监控系统设计

现有的油井抽油机远程监控系统建设费用昂贵且存在通信盲区的问题,针对这一状况设计了一种基于无线传感器网络的油井监控系统.采用无线微处理器JN51 39构建基于ZigBee协议的无线监测网络;结合GPRS模块MC55构建网关节点实现数据汇聚和GPRS通信方式的远程数据转发.该系统工作性能稳定,将其应用在油田可实现油田生产管理的信息化和自动化.     

基于逆系统方法的单相并联APF控制策略研究

单相并联型有源电力滤波器是一个耦合的非线性系统。首先根据基尔霍夫定律建立系统的周期平均模型,然后在平衡流形领域重构系统状态,基于逆系统方法对重构后的系统模型进行反馈线性化,得到解耦的伪线性系统。最后针对该伪线性系统采用线性二次型最优控制方法设计了满足一定性能指标的控制器。通过仿真实验,验证了该控制器不仅可以保证闭环系统稳定,同时还具有良好的动态补偿效果。仿真结果证明了文中所提方法的正确性和有效性。     

磁致伸缩液位计信号调理电路设计与仿真分析

为提高磁致伸缩液位计的信噪比和稳定性,消除杂波对液位计测量准确性的干扰,以量程小于2m的微型磁致伸缩液位计为研究对象,设计了二阶有源带通选频放大电路,并利用Multisim软件进行仿真分析,论证了该调理方案提高微型磁致伸缩液位计感应信号信噪比和抗干扰性的可行性。     

开绕组无刷双馈发电机直接功率控制研究

针对开绕组无刷双馈电机模型复杂且耦合性强的问题,提出一种适用于开绕组无刷双馈电机的新型直接功率控制方法。通过研究定子控制绕组侧电压与功率绕组侧有功功率和无功功率间的关系,推导出基于d-q坐标系的直接功率控制状态方程,实现有功和无功功率的解耦控制。针对传统滑模控制器抖振及不连续高频开关控制等缺点,设计了基于新型趋近律的超扭曲滑模控制器,建立了开绕组无刷双馈发电机新型超扭曲滑模直接功率控制系统的仿真模型,并给出了不同工况下的仿真结果,验证了该功率方程模型的正确性和新型超扭曲滑模控制方法的有效性和鲁棒性。     

一种工业无线遥控系统设计

应用MSP430f1232和NRF24L01集成电路设计了一种工业无线遥控系统。介绍了该系统的硬件组成结构和软件实现流程,给出了部分实现程序。经过试验表明,该遥控系统可通过手持端指示灯动态获取接收端工作状态,可以提高工业场合远距离作业时的安全性,适用于单钩、单速电动葫芦或葫芦式桥式起重机。系统结构简单,经过改进也可用于其他设备的控制。     

融合有源RFID和WSN的集装箱监测系统

采用无线微处理器JN5139构建基于Zigbee协议的无线监测、定位网络,并结合低功耗MSP430系列单片机与NRF24L01构建的有源RFID构建一种全新的集装箱监测系统.系统工作性能稳定,检修方便,运行成本低廉,有效解决了RFID系统的信号碰撞问题,以及WSN无法获得目标详细信息的问题.将其应用在港口货场,可实现港口的信息化和自动化.     

基于HHT的电力系统暂态复合扰动信号的提取分析与研究

针对电力系统非线性和非平稳性暂态复合扰动信号的提取要求,采用经验模态分解(EMD)从信号的时间尺度特征出发对信号进行分解,实现了信号自适应的频带划分,在此基础上进行Hilbert变换,分离出了各扰动信号的时间、频率和幅值特征,仿真结果表明该方法对电力系统非平稳的扰动信号具有较好的分析效果。     

基于EMD-神经网络的电动机转子故障诊断方法研究

在电动机运行过程中,转子断条故障将导致电动机出力降低,性能恶化。因此研究更高效的电动机故障诊断方法来对其进行检测迫在眉睫。针对电动机转子出现断条故障时定子电流信号的非平稳特征,提出了一种基于经验模态分解(EMD)和神经网络相结合的转子故障诊断方法。该方法首先将原始信号分解为突出了原信号不同时间尺度的局部特征信息的内在模函数(IMF)分量,然后将各IMF分量输入到BP网络中进行训练学习和故障诊断。将此方法应用于电动机转子断条故障的识别,实验结果表明,该方法能快速准确地识别转子断条故障。