基于复杂网络理论的直流换流站选址

针对目前换流站位置的确定主要是从工程技术、经济和环境方面考虑且缺少理论分析的问题,从直流换流站选址对整个电力网络结构特性的影响入手,利用复杂网络理论分析不同的选址方案下整个电网所表现出的抗攻击性。通过对不同选址方式进行比较研究,找到电网结构上更坚强的换流站选址方案。得出以网络中度大的节点作为直流输电的连接点,将使得建成后的电网更具有无标度特性,即更坚强。并以IEEE14测试系统分析验证了所提方法的有效性。     

基于综合自适应滤波器的在线短期负荷预测

准确地实现小时负荷预测是实施优化控制和动态安全分析的前提.采用嵌入维最小二乘支持向量机(ELS-SVM)的方法进行建模和预测,对影响负荷的因素进行模糊化处理.采用了粒子群(PSO)优化算法解决ELS-SVM学习过程中多参数难以调整的问题.提出分段小批量学习和更新的在线学习方法,既降低了运算量又能有效地避免积累误差,从而提高预测精度.实验结果表明,该方法有效地将预测精度从2.1%提高到了1.29%.     

直流输电对电网复杂网络特性的影响

利用复杂网络理论对含高压直流输电(HVDC)的AC/DC系统的结构特性进行研究,意在研究高压直流输电对电网复杂网络特性的影响.以线路输电能力为指标对交直流输电线路的权重进行了统一定义;在考虑节点对系统贡献力又考虑节点的网络特性下,对节点的重要性进行了定义;提出了基于上述定义的交直流输电系统网络特性评估方法.以IEEE14系统为例,以常用的网络效能函数为目标函数进行仿真分析,得出:同一电力系统中,引入高压直流输电使系统网络特性向无标度特性转移,增强了系统抵制随机故障的能力,同时,对蓄意攻击也表现得更加脆弱.     

基于复杂网络理论的直流换流站选址

针对目前换流站位置的确定主要是从工程技术、经济和环境方面考虑且缺少理论分析的问题,从直流换流站选址对整个电力网络结构特性的影响入手,利用复杂网络理论分析不同的选址方案下整个电网所表现出的抗攻击性.通过对不同选址方式进行比较研究,找到电网结构上更坚强的换流站选址方案.得出以网络中度大的节点作为直流输电的连接点,将使得建成后的电网更具有无标度特性,即更坚强.并以IEEE14测试系统分析验证了所提方法的有效性.     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

支流输电对电网复杂网络特性的影响

利用复杂网络理论对含高压直流输电（HVDC）的AC/DC系统的结构特性进行研究,意在研究高压直流输电对电网复杂网络特性的影响。以线路输电能力为指标对交直流输电线路的权重进行了统一定义;在考虑节点对系统贡献力又考虑节点的网络特性下,对节点的重要性进行了定义;提出了基于上述定义的交直流输电系统网络特性评估方法。以IEEE14系统为例,以常用的网络效能函数为目标函数进行仿真分析,得出：同一电力系统中,引入高压直流输电使系统网络特性向无标度特性转移,增强了系统抵制随机故障的能力,同时,对蓄意攻击也表现得更加脆弱。     

射频模式下家庭自动化集成方案

家庭自动化自诞辰以来取得了较快的发展,国际上出现了一些较为成熟的协议,出现了成功应用的范例.我国也出现了智能小区等.但是,所有这些应用都不能称为真正意义上的家庭自动化.他们重点是从家庭的外围实现简单的智能功能.针对家庭自动化存在的关键问题,本文提出了射频模式下的家庭自动化集成方案,为该领域的发展提供参考.     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

微型水轮发电机组电子调节器的自适应模糊算法设计

针对微型水电站中水轮机组频率波动较大的问题,采用自适应模糊算法对其PID调节器进行优化设计,根据工程实际完成了微型水轮机组系统的数学建模,并应用MATLAB7．0对自适应模糊算法和传统PID算法的控制效果进行了仿真分析和比较,证明运用该算法提高机组受到扰动时动态性能是有效的。     

基于综合自适应滤波器的在线短期负荷预测

准确地实现小时负荷预测是实施优化控制和动态安全分析的前提。采用嵌入维最小二乘支持向量机（ELS-SVM）的方法进行建模和预测,对影响负荷的因素进行模糊化处理。采用了粒子群（PSO）优化算法解决ELS-SVM学习过程中多参数难以调整的问题。提出分段小批量学习和更新的在线学习方法,既降低了运算量又能有效地避免积累误差,从而提高预测精度。实验结果表明,该方法有效地将预测精度从2.1%提高到了1.29%。