基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

基于模型预测控制的半潜漂浮式风机协调控制方法研究

研究漂浮式海上风力发电考虑输出功率与机械载荷的协调控制，有助于提高深远海风机运行的经济性和安全性。为实现漂浮式风机的多目标控制，以NREL 5MW半潜漂浮式风机为研究对象，在Matlab/Simulink平台上设计并搭建增益调度多模型预测控制器(gainschedulingmulti-model predictive controller,GM-MPC)。基于各稳态工况下风机开环动态性能的分析以及模型线性化处理，建立半潜漂浮式风机控制模型，与高保真FAST模型仿真对比，验证了所建控制模型的准确性。在实现模型预测的基础上，根据实际风机工况和约束条件，以为减少功率波动、塔架载荷和执行器动作次数为目标，优化求解出每一时刻下的最优控制量，从而实现GM-MPC的滚动优化。为证明控制器的有效性，在多种风-浪联合载荷的工况下，与基于蚁群优化算法的独立变桨控制策略进行了对比实验。结果表明，所设计的控制策略使半潜漂浮式风机在满足功率平稳性的同时降低了机组的机械载荷，使其能适应深远海环境下的复杂运行工况。     

基于电压行波折射系数的柔性直流电网线路纵联保护EI北大核心CSCD

针对柔性直流电网线路纵联保护难以同时适应线路边界存在和不存在情况的问题,提出一种基于电压行波折射系数的柔性直流电网线路纵联保护。通过分析线路的1模波阻抗得到较为精确的故障分量1模电压行波。利用Peterson等效电路定量分析正方向故障时的电压行波折射系数,通过定性分析得到反方向故障下的电压行波折射系数,根据电压行波折射系数的差异构造故障识别判据。在此基础上,设计启动判据和选极判据,与故障识别判据一起形成完整的柔性直流电网线路纵联保护。最后,在PSCAD/EMTDC中进行仿真验证。结果表明,所提纵联保护可实现全线速动,能够耐受500Ω的过渡电阻和20dB的噪声,且对采样频率和数据同步要求低,工程适用性较强。     

适用于高比例风电接入的自适应低电压故障穿越控制策略EI北大核心CSCD

随着高比例新能源电力系统的发展,系统等效转动惯量大幅下降,电网发生故障时,系统频率稳定问题愈发凸显。然而新能源电源传统的低穿控制策略仅考虑电压支撑需求,并未考虑大面积风电机组低穿成功造成的暂态低频问题。基于此,该文提出一种综合考虑电压与频率变化量的自适应低电压故障穿越控制策略。该控制策略通过构建电压与频率变化量指标并比较二者大小实现低电压故障穿越控制策略切换。当电压指标小于频率指标时,切换至有功功率优先模式,通过调整有功电流参考值,增大风机有功功率输出,从而有效缓解传统低穿策略下高比例新能源系统的暂态低频问题;反之,则选择无功功率优先模式,增大风机无功功率输出,以支撑系统电压。与传统低穿控制策略相比,新策略可以兼顾故障期间调压与调频需求,提升风电并网系统的稳定性。最后通过MATLAB/Simulink验证了所提控制策略的有效性。     

分布式多元随机动态场景生成及快速精准场景降维算法

高比例新能源及多源耦合是电力系统发展的重要特征,这也为系统稳定经济运行提出了新挑战。该文以园区型多能系统为对象,研究了分布式多元随机动态场景分析,从多时空角度有效量化不确定因素给系统造成的影响,可为系统灵活重构、多维度协同运行与决策提供有力模型与场景支撑。首先由预测误差驱动拟合多元功率预测误差概率分布,全面反映随机功率出力信息,提高模型泛化性;以时序相关范围参数为数据驱动关联变量,高效动态控制波动强度;最终场景生成利用逆变换映射思想保证置信度。然后针对典型场景提取,提出一种综合递归聚类思想的多段嵌套削减算法,结合改进Wasserstein距离指标,兼具准确、时效、稳定方面的优势。最后由对比实验论证该方法的前沿有效性。     

多堆厂址始发事件分析探讨

多堆厂址一级概率安全评价（PSA）研究中，机组数目的增加使得建模工作量剧增，给整个核电厂的风险评估带来困难。结合已有基础，本文研究了多堆厂址始发事件分析的筛选方法，提出利用堆芯损伤频率（CDF）上下限值评估方法，分析厂址内不同机组数对厂址CDF的影响。结果表明，双机组厂址适合优先进行具体分析。针对双机组核电站，对多堆厂址内各始发事件进行筛选。结果表明，丧失厂外电、丧失热阱等事件适合建模分析，并对其他筛选结果给出后续分析建议，为多堆厂址一级PSA后续事故序列建模工作提供了重要基础。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

分布式供能系统用于现代农业大棚的研究

随着现代农业大棚规模的不断扩大,大棚供能系统的优化发展显得尤为重要。以上海某农业大棚的冷、热、电负荷和CO_2需求为研究基础,根据以热定电的原则,设计了一套以天然气为核心的分布式供能系统,并将排烟送入大棚,提供大棚所需的CO_2。该系统的主要设备有燃气轮机、吸收式溴冷机、蓄能水箱和换热器。本项目制定了系统在不同季节的运行方案,并将联产系统和传统的分产系统全年能耗量进行对比。通过对比得出结论:在提供相同的冷、热和电负荷的前提下联产系统比分产系统更加节能;联产系统可以做到CO_2的减排,产生的CO_2理论上足够满足大棚的CO_2需求。联产系统在大棚上的应用可以做到冷、热、电和CO_2四联产。     

基于汽轮机分级前馈补偿的火电机组AGC优化

随着新能源发电占比增大,电网侧对火电机组响应速度和调节精度提出了更高要求,传统AGC(自动发电控制系统)已无法满足此要求。提出一种基于分级前馈系统的AGC优化方法,首先计算汽轮机输入功率偏差ΔN,超过阈值M时则进行分级修正,且修正值随差值动态变化,指令偏差大时,增加修正值以提高响应速度,同时防止过调,反之,减小修正值;当偏差值低于阈值L时,不修正,减少阀门动作频率,降低设备损耗,此优化方法主要基于"两个细则"考核指标及锅炉储能计算来动态设置参数,实用且易于实现,即提高机组AGC调节性能,同时给企业带来可观经济效益,极具推广价值。