基于改进的状态转移算法单相逆变器参数辨识

针对基本状态转移算法容易陷入局部最优的问题,将改进的Tent混沌加入到基本状态转移算法中,采用改进的Tent混沌映射来初始化种群,Tent混沌序列的随机性、规律性等特性抑制了算法的局部早熟,使种群快速跳出局部最优,从而提高寻优的精度。通过物理实验证明该算法的有效性,用改进的状态转移算法实现单相逆变器中关键元器件的参数辨识,算法可以有效辨识单相逆变器中关键元器件的参数。与基本状态转移算法进行比较,改进的状态转移算法辨识精度高。     

计及能源交易下基于纳什议价模型的多微网合作博弈运行优化策略

以能源交易为背景,针对多微电网合作中的运行优化问题,提出了基于Nash议价模型的合作博弈策略,旨在实现微电网之间的合作,以最大化整体利益,同时考虑能源交易和成本优化。首先,将各微电网视为博弈参与者,构建了基于Nash议价理论的多微电网合作博弈模型,通过选择能源交易策略和运行策略来影响其能源成本和效益。其次,采用交替方向乘子法(alternating direction multiplier method, ADMM)求解此多参与者优化问题,通过将原问题分解为子问题并引入乘子变量来实现迭代求解。最后,在每次迭代中,各微电网根据其局部信息更新能源交易和运行策略,并利用乘子变量进行信息交换和博弈协调,以达到全局一致性。结果表明,该策略在多微电网合作中能够实现整体性能的提升,有效促进了可再生能源的消纳水平,平衡了各参与者的利益,同时降低了能源成本。     

基于量子粒子群算法的混杂系统参数辨识

针对电力电子电路的混杂系统模型的参数辨识问题,提出运用量子粒子群算法(QPSO)对电力电子电路中元器件的参数进行辨识,相对于传统的参数辨识,该方法能更加精确的辨识元器件.先测试函数证明算法的辨识性能,然后以非理想Boost电路为例,求解得到电路中所有关键元器件的特征参数值,在仿真中与基本算法和遗传算法(GA)比较,最后通过物理实验证明该算法的有效性,可用于器件参数性故障的趋势判断,对混杂系统寿命预测的发展有着非常重要的意义.     

基于Sine-SSA-BP神经网络模型的风机叶根载荷预测

针对风机叶根载荷影响因素复杂、计算量大、非线性和强耦合,采用传统数理分析方法难以建模的问题。文章首先分析了叶根载荷的主要影响因素,并结合多元回归模型建立载荷预测模型;然后采用Bladed对2MW风机实验所得仿真数据划分训练数据集和测试数据集,并利用所得数据对Sine混沌映射改进麻雀算法优化的BP神经网络（Sine-SSA-BP）预测模型进行训练,使用训练后的模型进行叶根载荷预测;最后将预测结果与测试数据、BP神经网络预测模型和极限学习机（ELM）预测模型的预测结果进行对比分析。结果表明,Sine-SSA-BP预测模型性能更佳,预测精度更高,验证了所提方法的可行性和有效性。