2.4m跨声速风洞全模颤振变速压的控制策略

基于运动规律法的变速压智能控制策略,结合2.4m暂冲式跨声速风洞的特点进行设计.其采用的模糊算法将控制过程分为多个调节段,各段根据误差和误差变化率智能选择调节参数.当误差变化到一定范围内则采用神经元PID控制器对总压的精确调节.稳态控制器则采用单神经元PID控制器,保证在设定值附近具有良好的调节效果.应用结果表明,该策略满足全模颤振试验的特殊要求,取得了流场调节过程快速、准确、可靠的试验效果.     

基于ANFIS的长期电力负荷预测模型

某电力公司的长期负荷预测模型,利用自适应神经网络模糊推理系统(ANFIS)建立.其结构分为计算输入的模糊隶属度、每条规则适用度、适用度归一化、每条规则输出及模糊系统输出5层.系统网络中含14个待定的前件和后件参数.采用Matlab编程,通过Sugeno和evalfis函数训练ANFIS,按指定指标得到这些参数,实现模糊预测.     

深度学习背景下视觉显著性物体检测综述

视觉显著性物体检测是对人类视觉和认知系统的模拟,而深度学习则是对人类大脑计算方式的模拟,将两者有机结合可以有效推动计算机视觉的发展。视觉显著性物体检测的任务是从图像中定位并提取具有明确轮廓的显著性物体实例。随着深度学习的发展,视觉显著性物体检测的精度和效率都得到巨大提升,但仍然面临改进主流算法性能、减少对像素级标注样本的依赖等主要挑战。针对上述挑战,本文从视觉显著性物体检测思想与深度学习方法融合策略的角度对相关论述进行分类总结。1）分析传统显著性物体检测方法带来的启示及其缺点,指出视觉显著性物体检测的核心思路为多层次特征的提取、融合与修整;2）从改进特征编码方式与信息传递结构、提升边缘定位精度、改善注意力机制、提升训练稳定性和控制噪声的角度对循环卷积神经网络、全卷积神经网络和生成对抗网络3种主流算法的性能提升进行分析,从优化弱监督样本处理模块的角度分析了减少对像素级标注样本依赖的方法;3）对协同显著性物体检测、多类别图像显著性物体检测以及未来的研究问题和方向进行介绍,并给出了可能的解决思路。     

计及电/热柔性负荷的区域综合能源系统储能优化配置

柔性负荷调度是优化负荷曲线、减少设备容量、促进可再生能源消纳的重要手段。考虑热网的传输延时性以及用户对温度感知的模糊性,建立了热力柔性负荷模型。同时考虑可平移负荷、可转移负荷、可削减负荷3类电力柔性负荷,以包含投资、运行、补偿成本的系统总成本最低为目标函数,建立区域综合能源系统储电、储热设备优化配置模型,并采用LINGO商业软件进行仿真分析,得到各个设备的最佳出力以及储能设备的最优容量。算例结果表明,相比于未考虑电/热柔性负荷的场景,电/热柔性负荷的参与能够优化电/热负荷曲线,减少储能设备的容量,增强区域综合能源系统的灵活调节能力,降低能耗以及储能设备的投资费用,使系统的经济性达到最优。     

空间负荷预测中确定元胞负荷合理最大值方法

针对实测的元胞负荷数据中存在随机波动现象而使空间负荷预测精度降低的问题,提出一种利用互补集合经验模态分解(CEEMD)和游程检验技术确定元胞负荷合理最大值的方法。该方法通过互补集合经验模态分解技术将各Ⅰ类元胞负荷序列分别进行分解,每个Ⅰ类元胞得到一组本征模态函数,采用游程检验技术对每个本征模态函数进行随机性检验,建立识别其中高频分量的判据,剔除刻画元胞负荷随机波动性的高频本征模态函数,对余下表征元胞负荷规律性与趋势性的本征模态函数进行重构得到主体分量,将其中最大值作为Ⅰ类元胞负荷合理最大值,最后利用该合理最大值进行基于Ⅰ类元胞和Ⅱ类元胞的空间负荷预测。工程实例表明了该方法正确有效。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。     

考虑发用电协调的售电公司负荷组合优化建模方法

电力市场环境下,如何根据用户用电特征制定优化策略以实现购售电利益最大化是售电公司一项重要的研究课题。针对中长期市场中考虑发用电协调的售电公司,提出了考虑售电公司购售电利益的负荷组合优化模型,并考虑需求响应技术来进一步优化用户综合负荷特性,最大化市场环境下售电公司的购售电利益。同时,针对需求响应的负荷反弹问题,引入三阶段反弹负荷模型,构建考虑负荷反弹的滚动优化改进模型,重新调整用户需求响应负荷值,从而改善需求响应负荷反弹情况下的组合用户需求响应负荷特性。最后,采用中国某市2017年工业用户群组负荷数据对所提出的模型及策略进行仿真分析,说明了所提方法的有效性。     

物联感知环境下电动汽车充电等待时间分布的预测方法

已有的充电站等待时间研究往往忽略不同车辆充电需求的时变差异性,为全面描述充电等待时间的时变规律,文中提出了物联感知环境下电动汽车充电等待时间分布的预测方法。首先,确定充电站到达车辆数分布和充电时长分布,采用M/G/n排队模型模拟充电站排队等待系统,求解电动汽车充电等待时间分布函数。其次,建立用户选择充电站效用函数,利用Multi-logit模型对各个充电站内的充电需求进行预测。再者,根据充电需求预测值和网联充电站实时数据更新平均到达率、服务时间变异系数,提出电动汽车充电等待时间短时分布的预测算法。最后,以某城市某区域为例,验证了该分布的准确性,并通过路径选择分析了充电等待时间分布和可靠性对充电站的影响,为减少充电站排队拥堵和均衡电网负荷提供决策依据。     

基于特征融合与深度学习的非侵入式负荷辨识算法

针对使用单一设备特征进行负荷辨识存在的局限性,提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法。通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征。利用人工神经网络的高级特征提取能力,实现了V-I轨迹图像特征与功率数值特征的融合。最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识。使用PLAID数据集对算法辨识效果进行了验证,并对比了不同分类算法对特征融合的有效性与负荷辨识能力。结果表明,该算法利用不同特征之间的互补性,克服了使用V-I轨迹特征无法反映设备功率大小的缺点,从而提高了V-I轨迹特征的负荷辨识能力,并且在嵌入式设备中的运算速度为毫秒级。     

面向用户侧的电池储能配置与运行优化策略

为提高用户侧电池储能投资与运行的经济性,降低用户用电成本,提出了用户侧电池储能配置优化及运行调度滚动优化方法。首先,分析了用户加装储能的收益以及储能运行的约束,然后构建了储能配置优化模型、储能月前和日内运行滚动优化模型,并用CPLEX求解器进行求解。在构建模型时加入了储能性能约束,能有效减少储能运行时充放电状态之间的转换次数,延长储能寿命。在月前优化中,确定一个预测的月需量防守值;在日内滚动优化中,构建了储能日运行分段优化模型及月需量防守值更新模型,实时更新日负荷数据及月需量防守值,进行滚动优化,不断修正负荷预测误差影响。最后,对工业大用户进行算例仿真,验证了所提优化模型的有效性。