传热推动力损耗的温度场熵分析

运用物理场熵的概念,以传热推动力在空间温度场中不可逆损耗,定量表达传热过程不可逆程度,并将温度场熵分析法应用于矩形散热翅片效率的研究,得到温度场熵与翅片长度成正比、与厚度和导热系数成反比的定量关系。并通过与翅片散热效率曲线对比表明,温度场熵不仅反映了传热过程中系统的热力性能和热效,而且揭示了翅片热效变化的内在机理,对优化此类热力系统的设计具有实际应用价值。     

化工过程熵增指数及其在磷复肥清洁生产评价中的应用

从热力学第二定律出发, 指出清洁生产的热力学本质是控制物质由有序结构向无序转化并从中获取最大效益, 其优劣可由过程熵增反映。 引用复杂体系非平衡定态过程最小熵产生原理,推导出依据与外界交换的物流和热流信息定量计算化工复杂系统过程熵增的方法, 并定义过程熵增指数ζ 。 评价了化工过程对环境热力学状态的综合影响。选择以硫和以氨为载能原料的磷复肥工艺为例进行了计算和对比,其过程熵增指数分别为6.753和4.571,反映出载能原料硫作为废物排放对环境热力学状态产生更大的影响。     

计及相关性及改进交叉熵法的电-热互联综合能源系统风险评估

电–热互联综合能源系统负荷及风电随机性加剧,导致系统运行风险水平增加。为解决上述问题,提出了一种计及变量相关性及改进交叉熵法的电–热互联综合能源系统风险评估方法。首先,构建了电–热互联综合能源系统潮流模型,采用高斯混合模型建立风电出力不确定性场景,基于概率潮流对系统风险进行评估。接着,针对现有单峰最优抽样函数的交叉熵法在计算多边越限情况下的不足,提出了基于多峰最优抽样函数的改进交叉熵法对系统风险指标进行计算。进一步的,针对目前交叉熵法难以计及变量间的相关性,通过等价转换将相关性样本进行独立性转换,从而有效解决了这一难题。最后,在巴厘岛32节点热网和改进的IEEE-33节点配电网组成的电–热互联综合能源系统中验证了所提方法的有效性。     

基于三维熵距和熵空间的航空电弧故障检测与分类技术

鉴于常用的时频域分析方法在航空电弧故障检测中的局限性,同时为避免单特征量的偶然性,该文提出利用三维熵距的方法实现三种信息熵的特征融合,为减少特征融合带来的噪声与冗余,利用主元分析(PCA)故障检测技术以实现特征矩阵的降维处理.分别分析小波能量熵、功率谱熵、样本熵以及三种信息熵的三维熵距在电弧故障发生前后的特征差异.利用PCA故障检测技术将特征矩阵降维处理,同时给出各试验负载下的PCA的监测统计量T 2和平方预测误差(SPE)及其各自的控制限,通过电弧故障发生前后的T 2和SPE值与各自的控制限的比较,实现航空交流电弧故障的检测.分析结果表明,该方法结合了各特征量的优势,不需要人工设置阈值,能够较为准确地判别电弧故障的发生.最后利用三维熵空间,给出几种典型的电弧故障类型的分类方法.在实现电弧故障检测的同时,给出电弧故障的类型,能够更加有效地对不同电弧故障的发生做出有针对性的应对.     

基于负荷重要性和源-荷互补性的离网系统终端电/热/冷负荷投切策略

针对如何减少离网系统供需不平衡以及提高能源利用效率的问题,该文提出一种基于负荷重要性和源-荷互补性的离网系统终端电/热/冷负荷投切策略.首先,定义负荷重要性指标以及源-荷互补性指标,并利用熵权法确定综合指标.然后,在此基础上提出基于单时间尺度供能和综合指标的负荷投切策略以及基于多时间尺度供能和综合指标的负荷投切策略.考虑到预测偏差会导致储能荷电状态(SOC)偏离计划值,进而影响负荷投切方案,该文利用基于模型预测控制(MPC)的滚动优化调度方法减少不确定性因素,实时跟踪储能SOC计划值.最后,以某离网系统夏季典型日为算例,验证了所提策略的有效性.     

基于近似熵的中性点不接地系统故障区段定位*

提出一种基于暂态零序电流近似熵算法的故障区段定位方法.首先提取沿线各检测点暂态零序电流波形前1/4周期数据;然后通过计算其近似熵值及相邻检测点近似熵值比值,为判断故障区段设定阈值;最后通过MAT-LAB/Simulink建立10 kV中性点不接地配电网模型进行仿真分析,验证了该方法的有效性,且不受故障初相角、接地电阻的影响.     

光伏电站短期功率区间预测

为了解决因天气因素导致的光伏出力预测不确定性和随机性问题,更好地量化光伏出力预测偏差的波动范围.提出了基于自适应噪声的集合经验模态分解(CEEMDAN)-排列熵(PE)和改进的蚁狮算法(IALO)优化核极限学习机(KELM)的光伏发电功率区间预测模型.利用CEEMDAN将历史功率信号分解为多个模态函数(IMF)分量,然后,计算各IMF的熵值,相近的熵值重新组合新序列.借助采用IALO调整输出层权重的KELM网络建立预测模型,对各序列进行区间构造并根据区间预测偏差调整区间模型,再叠加区间预测结果.以实际数据为算例,将组合预测模型与IALO-KELM模型和粒子群算法-反向传播算法(PSO-BP)模型进行对比实验.结果表明,CEEMDAN-PE-IALO-KELM模型的区间预测结果准确性和可靠性更高.     

基于 MEEMD-FN-LSTM 的冷热电联供系统负荷预测∗

针对当前冷热电联供(Combined Cooling,Heating and Power,CCHP)系统优化调度研究缺少冷热电负荷预测的问题,提出了基于改进集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)、模糊熵(Fuzzy Entropy,FN)和长短期记忆神经网络(Long Short Term Memory,LSTM)的CCHP系统负荷预测方法.使用M EEM D算法将原始数据分解为若干IM F分量,计算IM F分量的模糊熵并将模糊熵相近的分量相加,使用LSTM对相加后新的分量进行预测,最后将分量预测结果重构得到最终预测值.通过仿真并对比分析其他方法的负荷预测精度,证明所提预测方法具有良好的预测效果.     

基于VMD和PSO-SVM模型的和应涌流识别

针对目前和应涌流识别方法较少的情况,使用VMD对励磁涌流与和应涌流电流信号进行分解.对VMD分解后的各本征模态分量求样本熵值组成特征向量,将特征向量输入PSO-SVM识别模型进行分类.通过实验验证,涌流信号样本熵值组成特征向量能很好地反映两种涌流的区别,使用PSO优化参数后的SVM模型能对两种涌流进行高效准确的识别,为保护装置下一步针对性动作提供了重要依据.     

基于重尾分布的风电功率波动特性概率分布

研究风电功率波动特性对于提高风电功率预测精度、促进风电并网消纳、抑制风电并网对电力系统安全运行的不利影响等均具有重要意义.利用风电场实测数据,归纳风电功率波动特性的时变性、异方差性、波动集聚性和"尖峰厚尾"4个基本特征;为定量描述风电功率概率分布,在不同的时空尺度下分别采用正态分布、混合高斯分布以及重尾分布中的t Location-scale分布、稳定分布、拉普拉斯分布对风电功率波动率进行拟合,引入相对熵作为衡量拟合分布优劣的评价指标,并对比分析不同拟合分布的评价结果.仿真结果表明风电功率概率分布更适合采用重尾分布函数来描述,且重尾分布中的t Location-scale分布函数具有最佳的拟合效果.