基于RFID的无线多目标温湿度监控系统

针对温湿度检测的重要性和日常管理的需求,基于RFID技术,结合温湿度传感器、单片机及无线射频模块制作了一种无线多目标温湿度监控系统.DHT90温湿度传感器和有源电子标签构成温湿度传感标签,Atmega48单片机控制读写器读写现场的多个温湿度值,然后通过射频模块nRF905无线传输数据,主接收器接收数据后经串口RS-232发送到监控PC机进行显示、存储.实验证明,该系统成本低、安全稳定,可以对多个温湿度目标进行远程无线监控和管理,是一种高效率的检测监控方式.     

基于分层强化学习的电动汽车充电引导方法

为了有效解决电动汽车充电目的地优化和充电路径规划问题,以及充电引导的在线实时决策问题,建立了考虑多种不确定因素的电动汽车充电引导双层优化模型,提出了一种基于分层增强深度Q网络强化学习(HEDQN)的电动汽车充电引导方法。所提HEDQN算法采用基于Huber损失函数的双竞争型深度Q网络算法,并包含2层增强深度Q网络(eDQN)算法。上层eDQN用于对电动汽车充电目的地的优化;在此基础上,下层eDQN用于对电动汽车充电路径的实时优化。最后,在某城市交通网络中对所提HEDQN算法进行仿真验证,仿真结果表明相比基于Dijkstra最短路径的就近推荐算法、单层深度Q网络强化学习算法和传统的分层深度Q网络强化学习算法,所提HEDQN算法能够有效降低电动汽车充电费用,实现电动汽车在线实时的充电引导。此外还验证了所提HEDQN算法在仿真环境变化后的适应性。     

考虑N-1静态安全的220 kV自愈式环网最大供电能力计算

终端变电站在城市110 kV电网中的广泛采用,使得对220 kV城市电网的供电能力进行以典型网架结构为单位的解耦分析成为可能。针对220 kV城市电网中的典型网架结构—自愈式环网的供电能力问题,提出一种考虑电力系统N-1静态安全约束的非线性优化模型,并采用改进差分进化算法进行寻优;寻优过程中,使用内嵌的牛顿—拉夫逊法进行预想事故集的潮流校核。对某市220kV自愈式环网进行算例分析的结果表明,所提模型和算法能够准确地求解其在给定条件下的最大供电能力,同时能指出受限的约束条件,具有较强的有效性和实用性。     

基于多代理系统的电动汽车综合运营仿真平台设计与应用

电动汽车运营系统是一个复杂的系统,涉及多种类型的主体,主体具有很强的自主性和自适应性,传统的建模方法无法进行准确的建模。介绍了一个基于复杂适应理论及多代理系统（multi-agent system,MAS）的电动汽车综合运营仿真平台的设计、开发和应用。该平台基于JADE开发,可以对电动汽车运营、充电设施规划等问题中包括电网、充换电设施、电动汽车等在内的多个类型主体的行为进行仿真和分析,同时具有良好的适应性和扩展性。在此仿真平台上对南方某地区的一个算例进行建模,该模型详细地考虑了乘客的出行特性、电动出租车的充换电方式和交接班制度等,通过仿真运行研究了电动出租车的充电负荷特性,并与传统方法对比验证了基于多代理方法的优势。     

基于MC9S12XS128的插剥式椰子剥衣机控制系统设计

针对插剥式椰子剥衣机自动化程度低的问题,基于MC9S12XS128单片机设计了椰子剥衣机的电气控制系统。该电气系统包括硬件电路和软件程序两个方面,给出了主控板电路、电源电路等部分的设计方案。在此基础上,结合剥衣机的流程给出软件程序。以MC9S12XS128单片机为核心,通过对其内部电位的控制,完成对步进电机的启停、速度、转向及运行时间的控制,最终自动完成椰子剥衣的整个过程。实验证明,该电气系统运行平稳,剥衣效果良好。该方案设计合理,自动化程度高,可以在实际生产中推广应用。     

考虑N-1安全约束的220kV片区电网最大供电能力计算

电网最大供电能力(TSC)的准确计算可有效引导电网的规划和运行。在考虑N-1静态安全约束的交流潮流非线性模型的基础上提出了一种完整电网模型与220kV片区电网模型交替迭代的方法来求解220kV片区电网的TSC,该方法在缩减计算规模、加快计算速度的同时,能有效地提高计算精度。实际电网中对负荷分配均衡性有一定的要求,因此,提出了考虑负荷均衡平衡的TSC计算模型。最后,以广州某220kV片区电网为算例分别对所提出的模型和不考虑负荷均衡平衡的模型进行了TSC计算,并对其结果进行了对比分析,验证了所述方法和模型的可行性与有效性。     

基于条件深度卷积生成对抗网络的新能源发电场景数据迁移方法

针对在历史数据缺失的情况下,现有的新能源发电场景生成方法存在精度较低甚至失效的问题,提出一种基于条件深度卷积生成对抗网络(conditionaldeepconvolutions generative adversarial network,C-DCGAN)的新能源发电场景数据迁移方法。该方法以历史数据大规模缺失的新能源电站为目标电站,以历史数据完整的邻近新能源电站为源电站,通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系,进而根据源电站场景数据,生成目标电站场景数据,且所生成的数据符合真实场景数据分布规律。采用实际风电数据集对所提算法和模型进行验证,并应用若干统计学指标,分别对文中模型与条件生成对抗网络(conditional generativeadversarialnetwork,CGAN)模型所迁移生成的数据进行对比评估,结果表明所提算法与模型能够更加准确地生成新能源发电场景数据。