考虑电氢耦合的混合储能微电网容量配置优化

在当前电氢联系日益紧密以及微电网技术发展日益成熟的条件下,以单位电量成本、负载失电率和能量过剩率为目标函数,提出考虑电氢耦合的混合储能微电网容量优化配置方法.其中,氢储能系统主要包括电解槽、燃料电池及储氢罐等元件.该储能系统清洁无污染,能够提高光伏发电利用率,平抑直流母线电压波动.采用粒子群优化算法求解具体算例,得到综合经济性与供电可靠性最优的容量配置结果.通过对比分析不同优化算法与权重系数对配置结果的影响,验证了所提方法的有效性.采用RT-L A B半实物仿真平台将配置结果运用在实际情况下,保证了系统在实际工作中的经济性与稳定性.     

基于Nelder-Mead优化的PEMFC三阶RQ等效电路参数辨识研究

精确、有效的燃料电池等效电路有助于分析燃料电池内部工作情况,确保燃料电池系统稳定可靠地运行。针对燃料电池内部工作状态无法使用传感器精确监测的问题,提出了基于Nelder-Mead优化算法的PEMFC 3阶RQ等效电路参数辨识方法 ,根据电池工作原理建立3阶RQ非线性等效电路模型,将模型参数与实际物理意义相结合建立复数域下的实部、虚部加权目标函数,最后在电化学交流阻抗谱实验的基础上进行参数辨识研究。研究结果表明:在相同初始条件下,Nelder-Mead优化算法在精度、速度上与最小二乘法相当,但抗干扰能力更强;与遗传算法相比,精度相当但速度更高,可以用于燃料电池的在线参数辨识。     

基于递归小波与ART2网络的刀具状态智能监测

为实现刀具的实时状态监测,以超高斯函数为基础,构造出一类用递推公式进行小波变换的小波基,提出该系列小波基的优化方法,对其时频特性进行了分析.对刀具AE信号进行递归小波分解,提取特征并应用ART2网络识别刀具状态.结果表明,基于递归小波与ART2网络的刀具状态监测具有鲁棒性强、实时性好的特点.     

数字电视的条件接收系统

数字电视的兴起使人们能够欣赏到高质量的电视节目,伴随数字电视的成熟,条件接收系统(CAS)得到很好的发展。主要介绍数字电视条件接收系统相关技术的发展、基本功能、安全机制、工作原理及其安全性要求。     

有源电力滤波器三种电流检测方法的深入探讨及仿真

有源电力滤波器(APF)由于具有动态补偿谐波和无功等优越性能,国内外学者对其给予了广泛的关注。该文就APF中广泛采用的三种谐波电流检测方法作深入探讨,首次从数学角度推导出变换的本质,分析各种检测方法的原理及内在联系,为谐波电流检测提供理论依据,并进行了仿真对比。     

基于组合算法和径向基神经网络的断路器故障预测模型

针对断路器操作机械的故障检测,利用断路器的操作电流轮廓线,研究了构造径向基函数神经网络的算法,提出一种组合算法优化径向基神经网络的故障预测模型,该算法构建的径向基神经网络具有隐节点数稳定性好,输出误差和离散性小.仿真结果表明了该方法的有效性.     

牵引变电所混合电力滤波器优化设计及滤波效果

提出了一种适用于电气化铁道谐波和无功综合补偿的混合电力滤波器方案，它利用无源电力滤波器承受基波电压，有效地降低了有源电力滤波器的容量。通过建立混合电力滤波器的容量优化模型，对其整体容量进行优化设计。最后结合具体算例作仿真分析，验证该方案在工程实现上的可行性和滤波有效性。     

基于扩张状态观测器的PEMFC发电系统串级滑模控制方法

质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)发电系统过氧比(oxygen excess ratio,OER)控制过程中存在强非线性、不确定性以及外部干扰,对系统的稳定高效运行提出挑战。提出一种基于扩张状态观测器(extended state observer, ESO)的串级滑模控制(cascade sliding mode control,CSMC)方法。该控制方法采用双环控制策略,控制内环为基于ESO的等速趋近律滑模算法,其中ESO用于实现系统总扰动的实时观测与反馈补偿;外环为在一定系统边界下快速收敛的Super-twisting滑模算法。最后,在RT-LAB半实物平台上,考虑扰动及参数摄动,对所提出的CSMC方法进行对比实验。实验结果表明,所提出的控制方法不仅具有更快的响应速度及更小超调量,而且能够更好地抑制外部扰动及内部不确定性的影响,表现出更强的抗扰能力和鲁棒性。     

引入自监督机制的燃料电池水管理系统健康状态检测方法EI北大核心CSCD

为保证质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)运行过程中的安全性和平稳性,该文提出一种引入自监督机制的燃料电池水管理系统健康状态检测方法。该方法的计算网络引入自监督机制挖掘数据特征,具体通过堆叠两层稀疏收缩自编码器(sparse contractive autoencoder,SCAE)实现功能。该自编码网络以逐层贪婪训练的方式完成参数初始化,避免因初值取值不佳使得网络参数训练陷入局部最优解。同时,改进的自编码网络也能有效避免模型过拟合,从而达到良好的特征提取效果。用Softmax分类器替换最后一个自编码器的输出层,然后运用Adadelta算法进行基于自适应学习率的自编码网络权值微调,从而完成系统识别网络的搭建。该算法根据梯度动态调节学习率大小,使得网络权值快速逼近符合数据特点的最佳取值。实验结果表明,该方法能快速准确地识别PEMFC正常、水淹和膜干3种状态,检测正确率高达98.5%,检测时间为3.24s。与线性判别分析-概率神经网络(linear discriminant analysis-probabilistic neural network,LDAPNN)、稀疏自编码器-支持向量机(sparse autoencodersupport vector machine,SAE-SVM)和主成分分析-向后传播神经网络(principal component analysis-backpropagation neural network,PCA-BPNN)方法相比,所提方法计算时间分别减少3.08、5.38和7.15s,准确率分别提高7.92、25.08和9.08%。普适性验证表明,该方法对于多节电池的健康状态检测同样适用。     

计及功率交互约束的含电-氢混合储能的多微电网系统容量优化配置

在混合交直流多微网系统中,其经济性和运行可靠性受到容量优化配置的影响。考虑到基于电储能以及氢储能系统(电解槽/燃料电池/储氢罐)的混合储能系统所具有的优势,建立了电-氢混合储能型多微网系统框架。其次,针对电-氢混合储能型多微网系统,提出了考虑系统的实时能量供需状态和储能状态的多微网运行控制策略。在容量优化配置模型中引入功率交互约束模型,并在配置过程中嵌入所提出的运行控制策略。最后,以算例分析证明功率交互约束的必要性,并采用灰狼-正弦余弦优化算法求解配置模型。所得配置结果优于改进灰狼算法和改进粒子群算法。通过模拟全年运行情况,验证了所提优化配置方法的有效性和电-氢混合储能系统在季节性储能上的优势。