基于指数平滑与CEEMDAN的混合储能控制策略研究

随着风电并入电网渗透率的提高,其出力波动性会危及电力系统的安全稳定运行,混合储能装置的使用能很好地平抑风电并网的波动,改善电网的运行能力。为符合国家并网的标准,文章提出了混合储能控制策略。首先,运用指数平滑法滤除风电出力的高频分量得到并网功率;其次,采用自适应噪声的完整集合经验模态分解,将风电波动功率按频率高低依次划分为不同的固有模态分量,计算相邻固有模态分量的互信息来分离高频和低频分量,并分别由电池和超级电容承担低频、高频分量;为了消除荷电状态越限的问题,采用自适应调整分界点实现储能内部协调优化运行。算例结果表明,文章所提出的控制策略具有一定的适用性,能确保储能装置运行在安全荷电状态,延长其运行寿命。     

基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction，SCR)烟气脱硝系统机理复杂，工况变化时呈现的不确定性、强扰动等特点，提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿，以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数，采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明，该方法具有突出的抗干扰能力和较好的鲁棒性，控制品质优于常规的PID控制。     

基于K近邻互信息估计的原油管道电耗预测

为使用最少的特征实现管道电耗的精准预测,建立基于K近邻互信息估计的BPNN模型来预测管道电耗.利用管道输送理论公式扩充原始数据集,利用K近邻互信息估计提取强相关性特征,将提取出的特征喂入BPNN来建立原油管道电耗预测模型,最后对比利用不同输入特征建立的模型的预测精度.研究结果表明:利用K近邻互信息估计能够选出多个与电耗相关的重要特征;利用相关性最强的前5个特征建立的BPNN预测模型时,模型的平均绝对百分比误差比利用单个特征建模时降低了39.28％,达到5.79％;该模型平均训练时间也比利用全部特征建模时缩短22.49％.证明K近邻互信息估计能够提取管道电耗的相关特征,与BPNN结合后能够实现管道电耗的准确预测.     

基于最小互信息算法的跳频信号接收方法

针对增大发射功率和自适应天线对于跳频系统抑制调频噪声干扰的局限,采用盲源分离理论,提出了基于最小互信息算法的跳频信号接收方法。该方法首先在射频利用盲源分离算法——最小互信息算法将跳频信号与噪声调频干扰分离开,然后对分离得到的跳频信号进行解跳,从而得到发射的信号。由计算机仿真表明,在相同的干扰强度下,与传统的接收方法相比,提出的接收方法具有更低的误码率和更强的抗干扰能力。     

基于 LS 和 MTS 的两阶段滚动轴承故障特征选择方法

滚动轴承故障预测和健康管理(PHM)方法可以提取大量的故障特征数据,这些数据虽然有很大的潜在价值,但也存在高维、高冗余性的特点,难以直接分析和利用。因此,针对轴承故障特征数据的特点,以去除数据冗余性、筛选敏感特征为目的,提出两阶段特征选择算法。该方法的第1阶段采用拉普拉斯得分(LS)对原始特征按局部保持能力进行排序,利用互信息聚类算法删除特征集中的冗余特征。第2阶段采用多变量模式识别中的马田系统(MTS)方法对剩余特征进行综合评价,挖掘对故障分类更有效的特征。轴承退化仿真试验数据验证结果表明,提出的两阶段特征选择算法可以有效地去除冗余度、提高故障监测准确率,可以有效的运用到滚动轴承的初期故障检测中。     

基于改进深度信念网络模型的中长期径流预测

为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点（细粒度）月平均径流的一致性,构造流域径流综合指数（粗粒度）,在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络（IDBN）模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播（BP）神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明：所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。     

宁波地区基于统计升尺度的新能源区域功率预测算法

为实现电网调度对大规模风电场和光伏站的监控和调度,需要进行新能源区域功率预测。提出了一种基于子区域划分和统计升尺度的区域功率预测算法,通过浙江区域9个风电场和16个光伏站2016年4-9月的历史数据,对比了6种不同的组合方案,发现利用互信息理论,基于最大相关–最小冗余原则累加选取4个代表站点或者直接选取9个代表站点,采用布谷鸟搜索算法训练得到各个代表站点的权重,升尺度得到区域功率预测误差较低,月均方根误差(RMSE)分别为8.51%和7.64%。说明在夏季风盛行时,在浙江区域采用互信息为指标,基于最大相关–最小冗余的原则选取代表站点后,再采用布谷鸟搜索算法得到子区域功率预测值,累加各子区域功率预测结果为最终的区域功率预测结果最优。     

计及电器状态关联规则的非侵入式负荷分解

非侵入式负荷监测与分解(NILMD)是获取电器用电信息的关键技术,针对当前NILMD缺乏考虑不同电器关联运行的用电模式和电器状态的强波动性以致分解精度低的问题,提出一种计及电器状态关联规则的新型负荷分解方法。通过仿射传播聚类提取电器的运行状态,基于互信息熵,运用关联规则算法挖掘电器状态的关联性;调整含关联规则的样本权值并结合k近邻算法实现状态辨识;利用极大似然估计完成负荷功率分解。测试算例验证了所提方法的有效性和准确性。