单频电源平抑风电输出功率优化控制方法

随着电力电子装置应用日益广泛,其产生的大量谐波会导致输出功率降低和电网污染,其中以单频电源最为严重。为解决这一问题,提出一种基于制氢系统的单频电源平抑风电输出功率方法。建立以电解槽开关操作和运行状态为变量的0-1整数规划模型,实现电解槽平抑电源功率波动的优化控制。根据电解槽系统的运行特点,适当调整优先级约束条件,采用隐枚举法进行求解,通过仿真分析验证所提方法的有效性。仿真实验结果表明：采用该方法调节后可有效改善输出电流,输出功率因数达到0.98以上,可得到稳定输出电压且能实现输出电压宽范围调节。     

风-光-沼可再生能源发电的电源有效接纳容量评估

为解决可再生能源发电存在间歇性问题,提出一种风-光-沼可再生能源发电的电源有效接纳容量评估方法。基于风-光-沼可再生能源发电系统结构特点,以成本经济性和供电可靠性为目标,以系统稳定性、电量供需均衡性及各微电源输出功率最大值为约束条件,建立电源有效接纳容量评估模型。采用改进粒子群的电源双层规划方法,求解电源有效接纳容量评估模型,通过自适应变异粒子群解决粒子群优化算法易陷入局部最优解情况。利用2个粒子群优化算法的交互迭代规划电源上下两层,求解最佳电源有效接纳容量。以L省某负荷中心为实验平台展开算例分析,结果表明:该方法具备风-光-沼可再生能源发电电源有效接纳容量评估可行性和有效性,通过协调控制可以保证负荷中心稳定运行。     

基于Gumbel copula联合概率分布的电力系统综合净负荷预测

近年来,太阳能和风能在电力系统中的渗透率不断提高。由于风能和太阳能具有的高度不确定性和间歇性,在其并网时需要采用复杂多变的操作策略才能维持电网稳定运行。对于多个或单个不确定变量进行净负荷的汇总可以有效降低系统运行规划的复杂性。由此,提出了一种基于Gumbel copula联合概率分布的新型净负荷预测(net load forecasting,NLF)模型用以对负荷、风能和太阳能发电的预测误差进行有效应对,此外所提模型还引入了基于预测值的Grey指数修正模型以提高预测的精准度。其中由于Gumbel copula联合概率模型的稳定性好,其基本能够覆盖所有极端预测误差,在保证系统可靠运行前提下,基于有限的输入实现了快速精准的预测。实验结果表明,所提模型在极短期净负荷预测上具有较好的效果。     

成对测试中的测试生成策略研究

测试用例生成是软件测试的关键，成对测试是根据特定的测试原则研究测试用例的产生方法。基于这一原则分别构造了IPO-H算法和IPO-V算法的测试以产生整个测试用例，具有产生的测试用例少，时间消耗小等优点。并与另一个成对测试的测试生成工具AETG(高效自动测试生成器)进行了比较、分析，证明了改进的IPO策略便于构造自动测试工具。     

自适应收缩函数的Contourlet 变换图像去噪方法

针对传统图像在去噪过程中存在丢失细节且去噪效果不理想的情况,提出一种自 适应收缩函数的Contourlet 变换图像去噪方法。该方法利用Contourlet 变换的基本形式,结合 软阈值和硬阈值收缩函数的优点定义自适应收缩函数,并将其应用于图像去噪。实验结果表明, 所提出的方法能有效消除噪点,图像的峰值信噪比及增强因子等图像质量指标有明显地提高, 去噪后图像的视觉效果良好。     

基于B/S结构的Web应用模型

对目前流行的管理信息系统 (MIS)开发平台模式 :客户机 /服务器模式 (C/S)和浏览器 /服务器模式 (B/S)进行比较。阐述选择浏览器 /服务器 (B/S)模式的客观因素。利用Internet和Web技术 ,以ASP编程环境为基础 ,结合实例探讨了访问Oracle数据库的接口技术 ,兼顾系统的安全性 ,提出一种适合当前发展需要的Web应用模型     

基于智能决策树与BP神经网络的EPM模型研究

由于电力营销(EPM)领域的数据海量、庞杂而且质量差,如何构造出精确性高的预测模型成为亟待解决的问题.采用智能决策树分类算法,按照数据中的属性值进行分类.对属性值,取缺损数据所属类别中所有属性值的算术平均值取代,对于非属性值,取同一属性中非属性值出现频率最高的值来替代.从而对需进入EPM模型的缺损数据进行补齐,保证了进入模型的数据最优化.在此基础上,提出了一种将BP神经网络应用于EPM中的新方法,通过改进BP神经网络中隐层的节点数目,降低了神经网络的计算复杂度.结果表明,该模型具有良好的预测效果.     

扩展时间和层次的Petri网工作流模型

针对当前工作流模型没有明显的时间约束以及缺乏对复杂工作流系统支持的现状,对经典Petri网在时间和层次方面进行扩展,提出了一个时间和层次扩充的THEWF-Net工作流模型.给出了该工作流模型的构建算法.并采用此算法对办公自动化系统中的产品开发流程和改造旧产品流程进行了建模,最后以实例对该工作流模型的正确性进行了验证.     

数字图像的Riemann-Liouville分数阶微分增强方法

针对传统图像增强过程中存在丢失细节且容易出现欠增强或过增强的不足,提出一种基于RiemannLiouville分数阶微分的图像增强方法.该方法利用基本分数阶微积分的形式,根据数字图像的自相关性对RiemannLiouville分数阶微分中常数分数阶微分不为0的情况进行改进;定义了新的微分增强模板系数,构造了8个方向的分数阶微分卷积模板,并将其应用于图像增强.实验结果表明,文中方法在对图像高频信息进行提升的同时能够有效地提升图像的中低频信息,使得图像的纹理细节,特别是边缘信息更加突出,图像的清晰度及信息熵等图像质量指标有明显的提高,增强后图像的视觉效果良好.     

基于网格距离的高精度聚类算法

为了提高基于网格聚类技术的聚类精度和效率,提出一种新的基于网格距离的高精度聚类算法。该算法一方面通过参考网格在逻辑空间的相对距离进行聚类,从而弥补了大多数计算网格之间距离的算法中需要大量数学运算的不足,另一方面,提出了一种新的边界点处理技术。用实际数据集进行的,实验结果表明,该技术能够有效地提取有意义的边界点,运行速度快、聚类精度高。