限幅OFDM的一种信道估计优化方法

在OFDM 系统中,限幅常用于抑制信号的峰平比,而限幅会引入额外的限幅噪声,以致干扰数据和导引符号,恶化传输性能.本文针对限幅OFDM系统,提出一种基于导引符号的限幅噪声消除算法.该算法在插入导引符号之前,滤除位于导引位置的限幅噪声,从而改善信道估计性能.在此基础上,本文还提出了利用迭代算法以进一步提高信道估计精确度.本文对所提出的限幅噪声消除算法及迭代算法进行了仿真验证,结果表明,新算法能够明显改善信道估计,优化传输性能.     

MIMO-OFDM系统Turbo接收机中的限幅非线性失真迭代对消法

在多入多出的正交频分复用系统中,常采用Turbo接收以保证系统性能。在正交频分复用系统中,限幅技术是常见的峰值平均功率比抑制技术,但限幅带来的非线性失真会造成带内失真和带外辐射,从而恶化系统性能。本文提出可以利用Turho接收机的先验信息进行限幅非线性失真的迭代对消,从而在引入少量复杂度的基础上,对抗限幅带来的影响。仿真结果表明,引入限幅非线性失真迭代对消算法可以有效提高系统性能,限幅门限越低效果越明显。     

电力网络调频容量释放过程及其指标体系

对IEEE 30节点算例系统进行仿真并建立了调频容量释放指标体系，分析了调频备用容量的释放是否能满足系统要求和调频容量释放过程中的受阻原因。提出的指标体系能反映网络负荷跟踪能力，识别调频备用的有效性，可为调度员调频备用提供必要信息，能对一、二次调频过程中的差异进行解耦量化，可为电力市场环境下调频服务合理付费提供依据。     

水轮发电机转子绕组故障的智能在线识别

针对水轮发电机常见故障转子绕组两点接地和匝间短路目前尚缺有效的在线监测措施的问题,提出了一种基于智能技术的转子绕组故障在线识别途径。由相关文献提及的现场运行故障特征分析确定需要采集的各实时特征量,采用模糊理论对故障特征量变化的严重程度进行聚类,采用适合处理动态数据的Elman神经网络基于特征量对转子绕组故障进行识别。在Matlab 6.5下仿真一台凸极发电机转子绕组故障的结果表明,该技术流程能够识别出凸极发电机转子正常运行、匝间短路,两点接地等运行工况。     

过采样OFDM信号的峰值平均功率比

在过采样条件下,分析了正交频分复用系统在不同采样率时,信号峰值平均功率比的统计特性。按Nyquist采样率均匀抽取出的采样点之间相互独立同分布,推广到过采样系数为2时,得到此时由各采样点之间相关系数构成的协方差矩阵,利用数值计算对其进行分析。结果表明:所有的采样点之间能近似满足相互独立同分布的关系,则可以得到此时信号峰值平均功率比概率分布的理论计算公式,并对此公式进行了仿真验证,其理论计算结果和实际仿真结果吻合。     

考虑调度决策非预期性的多阶段随机规划调度策略

随着可再生能源渗透率的提高,分布式可再生能源带来的波动性、间歇性会传递至主网中,对系统安全运行造成影响,研究不确定性优化方法对系统实际运行具有一定的指导作用。传统的随机优化以及鲁棒优化方法不满足系统实际运行的非预期性要求。文章以日运行期望成本最小为目标,考虑分布式可再生能源发电不确定性,建立多阶段随机规划模型,可以根据之前不确定信息的实现在每个阶段确定预调度决策,不会受到未来不确定信息的影响,符合系统实际运行规律,满足非预期性。为了避免多阶段随机规划问题求解的维数灾难,采用随机对偶动态规划(stochastic dual dynamic programming, SDDP)算法进行求解。仿真结果表明,相比于传统的确定性模型,多阶段随机优化得到的最优调度决策树较之确定性优化得到的单一决策方案具有更广泛的决策空间,可以基于上一阶段不确定信息的实现和决策来更新调度决策,降低系统的运行成本。     

含高比例风光接入的输电网氢-电混合储能系统配置方法

目前高比例风光接入的输电网存在弃风弃光率普遍较高的问题,配置储能设备作为一种具有潜在效用的手段在当前的研究中备受青睐。针对输电网储能配置问题,为达到综合成本减小和弃风弃光率降低的目的,提出了一种基于双层规划模型的输电网氢-电混合储能系统配置方法。首先,对氢-电混合储能系统的特性进行建模,在此基础上建立输电网氢-电混合储能系统功率与容量配置双层规划模型。上层模型以配置储能后年综合成本最小为目标;下层模型以弃风弃光率最小为目标。其后基于蓄电池和氢储能的不同特性,提出一种氢-电混合储能系统配合策略。最后,针对该模型非线性多目标的特点,采用双层迭代粒子群算法与潮流计算相结合进行模型求解。在算例仿真部分,以某含有高比例风光接入地区输电网为例,进行氢-电混合储能系统容量和选址的优化配置,验证了所建模型和所提求解算法的可行性和有效性。提高了风电光伏出力在时序上的转移能力,减少了高碳化石能源的消耗量,降低了弃风弃光率。     

基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

基于改进自适应密度峰值算法的日负荷曲线聚类分析

电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。     

基于改进最小叉熵法的区域综合能源系统经济效益评估

区域综合能源系统（regional integrated energy system,RIES）作为一种可充分利用多种能源的有效网络形式,其组成方案的经济效益评估意义重大。文章首先分析了RIES的架构,搭建了RIES经济性评价指标体系。为提高指标权重融合的合理性,本文提出可反映主客观权重内在联系的改进最小叉熵法;并结合优劣解距离法（Technique for order preference by similarity to ideal solution,TOPSIS）和秩和比法（Rank-sum ratio,RSR）,进行RIES投资方案的多准则评价排序并选出最优方案。最后,选取某工业园区不同系统组成方案作为算例进行经济效益评估验证,结果证明了该方法的工程实用性,对RIES规划、改造等项目的经济效益评价具有一定的参考价值。