模糊神经网络在电力系统中的应用

为弥补模糊控制和神经网络这两种人工智能技术上的不同特点和适用范围的不同,将这两种智能控制技术进行结合形成模糊神经网络,并应用于电力系统中。对电网中的无功偏差和有功损耗最小作为控制目标进行控制,以电压和无功功率在合适范围内进行条件约束,验证控制后的实际输出和期望值的比较,结果表明模糊神经网络对提高电力系统的电能质量具有重要的现实意义。     

基于小波变换的风电上网电价的预测

提出基于小波变换和神经网络的预测模式,首先利用小波变换将历史销售电价序列分解为高频和低频序列,并分别构造学习样本作为神经网络的输入,对不同频率的序列分别采用神经网络进行预测,然后将不同频率预测结果通过小波重构,得到销售电价,并根据合理的输配电价管制模型推算上网电价,阐述影响风电上网电价的因素,实现对风电上网电价的预测。结果表明：提出的预测方法对美国PJM电力市场的历史节点边际电价（LMP）进行预测是有效的,从电力市场的角度入手分析风电上网电价机制具有重要意义。     

吴江民营丝绸企业发展简析

1 民营企业的发展 70年代到80年代初，总数约3000万的知青陆续回城，给本就十分棘手的城镇就业带来了极大的压力。加上源源不断的应届大学毕业生等待分配，机关事业单位与国营企业根本没法容纳。     

一种风力发电机组偏航系统的优化设计

作为风力发电机组的关键部件,偏航系统的设计精确性直接决定着机组的使用寿命。文章提出了一种偏航系统的优化控制设计方案,采用的方法是基于功率控制的爬山算法,这种方法可以改善风向变化的绝对值小于15°时偏航控制系统的精度。为验证其准确性,采用Matlab仿真软件建立的偏航控制系统仿真模型进行了仿真实验。仿真结果表明,采用爬山算法可以在保证风能最大捕获的基础上,提高偏航控制系统的精度,优化风力发电机组的偏航控制系统。     

基于预测控制储能系统平抑风电场并网波动功率

基于预测控制储能系统平抑风电并网波动功率的高、中、低频,在增大电网调度空间的基础上以提高全钒液流电池储能系统的使用寿命和运行经济性。首先,基于对山西晋北某风电场的预测功率数据异质点的判定结果,利用改进粒子群算法优化后的奇异值功率标准谱对预测波动功率修正;然后,利用离散小波变换将预测的风电场输出波动功率按频率划分为高、中、低频,并针对不同频段的波动功率分配合理的储能系统额定容量和输出功率以实现并网目标功率的预测控制。最后,实例验证所提方案可以在满足储能系统过充过放的前提下,使风电场平抑后的输出功率满足调度分配功率。     

直驱永磁同步发电机最大功率控制的研究

通过研究永磁同步发电机转速与DC-DC转换器中占空比的关系,提出一种基于调整DC-DC转换器的占空比实现最大功率点跟踪的方法。针对在最大功率点附近由于占空比不稳定导致输出功率振荡的现象,采用一种在最大功率点附近变占空比步长的方法,并在Matlab/Simulink下进行建模仿真,验证此方法能使风力发电机快速达到最大功率点。     

机采棉清理加工工艺及设备简要介绍

目前，新疆棉花种植面积约占全国面积的40%左右，在棉花种植过程中，人工采棉效率低、工期长，而且人工拾花的手费用高，往往有大面积棉田来不及采收，导致棉花资源流失，人工采棉成了制约新疆棉花生产的重要环节。随着采棉机及种植模式的发展，对机采棉清理加工工艺及设备提出了更高的要求。[第一段]     

风力发电偏航系统的功率控制研究

本文通过分析风力机特性,搭建了风力机的matlab仿真模型,对风力发电系统中风力机的机械功率进行仿真。结果表明,在风向变化时,运用爬山算法能够使风力机快速平稳的追踪风向的最佳位置,提高风力发电的功率。     

基于自适应虚拟惯量的孤岛VSG频率动态响应控制

虚拟同步发电机受扰时,恒定虚拟惯量无法适应不同运行时段内频率动态响应性能的需求.提出一种自适应虚拟惯量控制策略,采用角速度偏差和角速度偏差与角速度变化率乘积对虚拟转动惯量进行补偿.控制策略可调节不同时段的虚拟惯量从而提高孤岛虚拟同步发电机受扰后的频率稳定性,且平衡了频率响应快速性与抑制频率振荡之间的矛盾.最后通过MATLAB/Simulink仿真对比另两种自适应惯量控制策略,验证了所提控制策略可进一步抑制频率波动和减少调节时间.     

大数据下风电场混合算法建模研究

利用优化粒子群K-means混合聚类算法分析大规模风电场的实际运行数据并对其建模。以山西盛风岭风电场作为实例,在大数据下依据其实际运行数据建立风速-功率模型并利用优化粒子群K-means混合聚类算法(IPSO-K-means)进行模型优化。结果显示,对比方法(传统方法、K-means、PSO-K-means)的平均误差分别为46.29%、18.58%、17.30%,而IPSO-K-means方法的平均误差为14.11%,说明所提方法可以大大提高模型的准确性。