短期风电功率预测误差分布研究

短期风电功率预测一直是风电领域的研究热点,提出采用带位置和尺度参数的t分布描述风电功率预测的误差分布。分别采用差分自回归移动平均模型和BP神经网络,根据风电场实测数据进行功率预测,对两种预测模型产生的误差进行分析,验证了带位置和尺度参数的t分布可以有效描述预测误差分布。短期风电功率预测研究发现,带位置和尺度参数的t分布对误差的拟合优度高于正态分布,其各项参数可作为评价预测算法准确度的指标,通过分析分布参数可以直观了解预测算法的性能。     

水驱油藏油滴变形流动研究

近年来,随着注水开发进入特高含水阶段,剩余油的分布形态和流动状况发生了很大变化。为明确微观孔隙剩余油的形成机理,采用计算流体动力学软件Fluent对水驱油藏油滴的变形流动进行数值模拟计算,分析孔道的倾斜角度,润湿角和单根毛管并联双孔道对油滴变形流动规律的影响。研究表明:岩石的不同孔隙倾斜角度可影响油滴的变形,当孔隙与竖直方向存在夹角时,重力的作用不可忽略,驱替方向与重力方向的夹角可影响油滴的变形。并且油滴的变形随着润湿角的增大而更加明显。在单根毛管并联双孔道中,由于毛管半径不同剩余油的运移速度不同,先到达出口的油滴会对其余油滴产生阻碍其运动的力。研究结论可为进一步研究微观孔隙油滴变形机理提供理论依据。     

基于预测控制的含风电滚动优化调度

在预测控制理论的基础上建立了含风电的滚动优化调度模型,将常规火电机组、风电机组的有功出力视为预测控制的状态量,常规火电机组的出力调整量视为输入量,以状态空间的形式描述状态量和输入量之间的关系。通过对目标函数和约束条件进行状态空间转换,使滚动调度问题转变为矩阵形式的优化问题,建立了一种多机组多预测时段的滚动优化调度数学模型。并根据矩阵的特性对目标函数进行了化简,使优化问题转换为二次规划形式,推导了全矩阵约束时的内点法增量矩阵,便于应用内点法进行模型求解。此外,还对滚动优化的决策稳定性问题进行了理论分析。仿真算例表明,相比传统的单时刻优化,基于预测控制的含风电滚动优化模型在整体优化水平和调度决策前瞻性方面具有优势。     

基于风电预测误差区间的动态经济调度

由于风电的预测值与实际值存在偏差,含风电的动态经济调度需考虑风电预测的不确定性。根据风电场的历史预测误差数据,提出利用核密度估计建立某预测值条件下的误差概率分布,并以高斯核函数为例推导了相应的误差置信区间,将动态经济调度中涉及的不确定性问题转换为确定性区间问题,降低了调度模型的复杂度。实际数据分析表明核密度估计具有较高的拟合优度,能够避免高估或低估误差。最后通过含风电场的IEEE 30节点系统仿真验证了所提方法的有效性。     

基于分布式动态簇结构的WSN自适应目标跟踪算法

目标跟踪是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行实时、准确的跟踪,并尽可能地降低网络能耗是目标跟踪问题的一个难点。文章基于分布式动态簇结构和并行粒子滤波算法对目标进行跟踪,提出一种跟踪采样周期自适应调整算法来降低网络能耗,同时也提高了跟踪的稳定性。仿真结果表明,文章提出的算法达到了实时、准确和节能的要求,具有一定的实际应用价值。     

基于RSSI&DFP的无线传感器网络声源目标定位算法

声源目标定位是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行快速定位,并保证较高的定位精度是定位问题的一个难点,基于二维空间中声音信号传播时的能量强度指示( RSSI)将声源目标的定位问题转化为似然函数的最优化问题,利用最优化理论中的DFP方法求出目标位置的全局最优解.仿真结果表明,算...     

基于ARM&WinCE的无纸记录仪

采用ARM微处理器作为主控芯片,基于嵌入式Windows CE操作系统设计了一种新型的无纸记录仪系统.数据采集底层硬件采用万能输入采集控制电路,可以实现64路标准电压、电流、电阻等万能信号隔离输入.软件设计实现了在Platform Builder 5.0环境中支持开发板的WinCE系统层定制,应用程序部分采用多线程编程技术,提高了程序的运行性能.该系统配置高亮度彩色液晶屏、CCFL背光使画面显示更加清晰,支持触控式人机交互功能.     

一种快速OFDM比特、功率分配方案

针对正交频分复用(OFDM)系统的比特、功率分配问题,提出一种功率相对较小的分配方案,文中根据实际信道的情况,采取子载波分组、多比特同时分配的方法使算法的计算量大大降低.仿真结果表明,文中提出的方法是一种快速而灵活的自适应资源分配方案.     

基于WSN的多声源目标定位算法

目标定位技术是无线传感器网络应用研究的一个重要领域,如何在传感器节点随机分布下,利用无源探测技术,对同时进入探测区域的多个目标进行实时的精确定位是目标定位的一个难点。基于声源能量衰减模型在最大似然算法的基础上,利用高斯—牛顿迭代算法解决了这个问题。通过对多个声源目标的仿真试验,结果表明,该算法实现了对多目标的精确定位,具有一定的实用价值。