基于大数据和神经网络的锅炉燃烧含氧量建模研究

提出一种基于大数据的神经网络辨识多输入单输出(Multiple-Input Single-Output,MISO)系统的方法,采集现场运行的锅炉燃烧系统总风量、总煤量、炉膛氧量等历史大数据,首先使用数据平滑、去除趋势性、归一化等步骤进行数据预处理,然后利用近邻法删选出表征系统特性的样本数据集,利用神经网络模型进行训练后挖掘出数据之间的关系,最后在升、降30%负荷的情况下分别进行模型预测。结果表明,虽然只将采集到约0. 658%数据容量进行训练,但在对整个大数据容量进行测试时,模型误差仍在允许的范围内。     

基于双层合作博弈的虚拟电厂滚动优化调度研究

为了应对当下高比例可再生能源和大规模电动汽车的接入给虚拟电厂双侧运行带来的挑战,提出了一种改进的Shapley值分配方法用于解决联盟收益分配问题。以虚拟电厂为中介,分别构建了以联盟收益最大化为目标的“需”侧用户-虚拟电厂联盟和“供”侧虚拟电厂-主动配电网联盟,再将双侧的合作博弈模型联系起来,构成基于双层合作博弈的虚拟电厂滚动优化调度模型。利用改进的Shapley值进行联盟收益再分配,从而达到用户、虚拟电厂和主动配电网三方主体收益的最大化,最后进行实验验证。结果表明：该模型使三方主体收益相较于未合作博弈和任一单层合作博弈分别提高了15.64%,6.95%和6.949%,提高了系统运行的经济性。     

基于ZigBee和IEC 61850的变电站监测系统

介绍了ZigBee无线通信技术,分析了基于IEC 61850的变电站自动化系统分层结构,并在此基础上构建了基于ZigBee的变电站监测系统,设计了适用于变电站数据采集、发送和支持防误处理的ZigBee通信模块,该模块可以实现变电站各层之间的信息同步,提高变电站监测系统的安全性和可靠性。     

高可用性自动化网络研究与设计

当前的工业以太网对网络部件及网络可用性都提出了更严格的限制,冗余恢复时间则是实时以太网性能的重要指标之一。我国自主提出的DRP协议是适用于任何一种工业以太网的冗余解决方案,并有望被纳入IEC国际标准。本文在介绍DRP协议的工作原理基础上,给出了DRP协议关键性能指标,并描述了DRP协议交换机的实现,最后给出了基于DRP环网的混合网络的设计方案。     

基于定子磁链定向的双馈风力发电解耦控制研究

首先介绍了变速恒频双馈风力发电系统的特点,构建了实际风速的数学模型,研究了基于定子磁链定向的变速恒频双馈风力发电机转子侧变换器的控制,最后仿真实现了双馈电机有功功率和无功功率的独立解耦控制,并在发电机定子侧输出单位功率因数的情况下,调节直流母线电压快速达到了给定参考值,维持了直流母线电压的稳定。     

机器导盲犬的设计与实现

该文阐述了现有导盲机器的类型,探讨了用能力风暴机器人实现机器导盲犬的方法,通过程序设计完成了机器导盲犬的实际试验。试验结果表明,所提出的方案和设计是可行的,在此原理基础上研制实用的产品是完全可能的。     

多Agent信息系统知识发现研究

本文根据信息系统的定义,提出了采用集合方法描述的多Agent信息系统,研究了在多Agent交互中规则的形成过程.对规则表示和存储方法进行了研究.鉴于各Agent的规则可存储在数据库中,采用ID3算法对这些规则进行挖掘是可行的.对该方法用实例进行了验证.     

配网终端数据采集和通信单元的设计

设计配电自动化远方终端设备（DTU）时,实时数据的采集处理和通信方式的实现是关键环节。数据采集处理的及时性和准确性将影响DTU的性能,通信协议的选取影响数据传输的稳定性。用FFT算法进行数据的提取,在嵌入式ARM-Cortex M3平台上搭建实时操作系统μC/OS-Ⅱ,并植入Lw IP协议栈,依据IEC60870-5-104系列协议实现通信。该设计能有效地实现数据的获取和通信的连接,具有较好应用价值。     

三相四线制D-STATCOM/HESS系统在配电网中的应用及其仿真研究

针对配电网中存在谐波、无功以及负荷频繁波动等问题,提出了含混合储能(HESS)的三相四线制配电网静止同步补偿器(D-STATCOM),实现配电网无功补偿和谐波抑制,平抑负荷有功功率波动。首先,针对三相四线制配电网,通过对传统ip- iq谐波电流检测法改进,实现了对负荷所需的有功、无功和谐波补偿电流的准确检测。在此基础上,将超级电容器和铅酸蓄电池组成的混合储能系统引入到补偿装置中,实现了对配电网有功、无功和谐波电流的全补偿。结合不同储能装置的充放电特性,采用协调控制方法,确保系统对配电网能量的迅速准确补偿。最后结合某建筑配电网实际负荷,验证了三相四线制D-STATCOM/HESS系统及其控制算法在谐波抑制、无功补偿和平滑负荷有功波动方面的有效性。     

改进粒子滤波在汽轮机故障诊断中的应用

针对汽轮机的振动信号容易受到较为复杂的随机噪声污染,提出了一种改进粒子滤波的振动信号降噪方法;首先建立采集振动信号的数学模型,将其作为粒子滤波的状态方程;然后利用小波分析提取采集振动信号的背景噪声,将其和状态信号一起作为观测信号,得到观测方程,把降噪问题转化成在状态空间模型下的滤波问题;由于采用序贯重要性采样的粒子滤波存在着样本退化问题,在重采样阶段采用了一种权值排序、优胜劣汰的重采样算法,就是对各粒子的归一化权值从小到大的排列顺序,并根据权值方差大小淘汰粒子,从而得到了改进的粒子滤波算法,在一定程度上解决了标准粒子滤波的退化问题;进而运用改进粒子滤波算法对振动信号进行降噪处理,降噪前信号和降噪后信号分别通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征向量浓缩了汽轮机振动故障的全部信息,对提取的故障特征向量应用诊断识别算法进行故障模式识别;通过对比降噪前信号和降噪后信号的故障诊断识别率,证明了改进粒子滤波在汽轮机故障诊断中的应用效果更佳。