采用极限梯度提升算法的电力系统电压稳定裕度预测

将极限梯度提升树（XGBoost）算法应用于电力系统电压稳定评估问题.根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法.在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节.在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求.同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定.     

基于DBSCAN＿GAN＿XGBoost的网络入侵检测方法

由于网络异常流量检测中异常流量数据占比不平衡,导致模型不能对稀有攻击类别流量进行充分学习,从而影响模型训练和检测精度。针对这一问题,提出一种基于DBSCAN＿GAN＿XGBoost的网络入侵检测模型,该模型在对稀有攻击类样本进行扩充时,着重扩充更容易让机器学习产生混淆的噪声样本。首先,利用DBSCAN算法对提取出的稀有攻击类别数据进行聚类处理,生成一个或多个子簇,并提取出簇内样本和游离在簇外的噪声样本;然后,使用生成对抗网络模型对提取出的簇内样本和噪声样本分别进行样本扩充,改变数据集中原有的样本比例;最后,使用重新构建后的数据集对以决策树作为基分类器的XGBoost算法进行训练,并完成网络异常流量数据的检测。采用UNSW-NB15数据集进行对比实验,实验结果表明：DBSCAN＿GAN＿XGBoost模型的准确率和精确率分别为98.76%和96.5%,比样本扩充前分别提高了15.63百分点和19.60百分点,有效地提高了稀有攻击类别的检测精度。     

基于机器学习的DDoS攻击检测

简要回顾了DDoS攻击的工作原理和造成的危害,介绍了KNN和XGBoost两种机器学习算法的基本流程,提出了一种结合KNN算法和XGBoost算法的新DDoS攻击检测模型.在新模型中,通过使用KNN算法训练出模型,预测一个评分,作为新的特征加入原数据集中,再放到XGBoost中进行新一轮训练.利用标准数据集KDD CUP99进行了实验.实验数据表明,KNN和XGBoost融合模型训练和攻击检测的速度快,适用于DDoS攻击检测.     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

宁夏电网负荷模型对稳定性的影响分析

负荷模型是影响电网稳定分析结果的一个重要因素.对宁夏电力系统负荷特性进行研究后得到的综合负荷模型与传统负荷模型有一定区别.利用电力系统综合稳定分析程序和基于负荷特性研究获得的负荷模型分析宁夏-甘肃断面部分线路的极限切除时间及各地区不同负荷水平下的暂态电压稳定问题;并与基于传统负荷模型的宁夏电网暂态功角和暂态电压稳定计算结果进行比较,分析不同的负荷模型对电网稳定计算的影响.最后采用新负荷模型研究宁夏电网存在的静态电压稳定问题.结果表明,辨识得到的负荷模型更接近实际电网的负荷特性,可以较好反映出宁夏电网的暂态电压稳定问题.     

基于SMOTE-XGBoost的变压器缺陷预测

变压器在电力系统中发挥着变换电压、分配电能等重要作用。其故障缺陷将严重危及电力系统的安全运行,从而造成巨大的经济损失和不良的社会影响。因此,变压器的缺陷故障诊断对电力系统的安全运行和社会的发展至关重要。现有关于变压器缺陷诊断的研究颇多,但变压器缺陷数据集类别不平衡仍是准确预测变压器缺陷的难点。为了解决这一难题,提出了一种基于SMOTE (Synthetic Minority Oversampling Technique)-XGBoost (Extreme Gradient Boosting)的变压器缺陷预测模型。首先,通过SMOTE算法来处理不平衡数据集,然后构建XGBoost模型预测变压器缺陷。为了表现模型的优越性,研究增加了对比实验。即将原始数据集和经过Up_Sample,CSL和Down_Sample与SMOTE四种方法处理后的数据集分别与决策树(CART)、支持向量机(SVM)、Logistic回归和XGBoost模型四种预测模型两两组合进行预测。实验结果表明,基于SMOTE-XGBoost模型的变压器缺陷预测效果最优。     

基于代价敏感XGBoost的企业信用评估模型

我国信用不良的企业数量远小于信用良好的企业数量,样本类别的极端不平衡导致传统的信用评估模型在训练时无法充分学习信用不良企业的特征.为提高极端梯度提升算法(Extreme Gradient Boosting, XGBoost)在企业信用评估这种不平衡分类问题中的准确率,提出一种基于代价敏感XGBoost的企业信用评估模型.在XGBoost算法拟合过程中,加入代价敏感损失函数迫使模型更加关注少数类的特征,并引入贝叶斯优化调整模型的重要超参数.以我国A股市场中小板块企业2016—2020年数据为样本,实证结果表明,基于代价敏感XGBoost的企业信用评估模型能够在保证总体识别精度的情况下提高对信用不良企业的识别准确率.     

三目标遗传粒子算法的电力系统无功优化

电力系统无功优化是提高电网高效运行和节能的关键环节。建立了综合考虑有功网损最小、电压偏差最小及静态电压裕度最大的三目标电力系统无功优化模型。提出了遗传粒子群(GAPSO)混合算法,并将算法运用于IEEE14与IEEE30节点电力系统无功优化中。该算法先通过选择操作,选出优秀的样本,在利用交叉操作增加种群的多样性。然后进行变异操作提高种群的局部搜索能力。通过数据计算和比较GAPSO算法在收敛速度、精度和全局搜索能力上均优于常规GA算法和PSO算法。结果验证了模型和算法的有效性和实用性。     

基于支持向量机的模糊回归估计

针对给定的大规模数据集的回归估计问题，提出基于支持向量机的模糊回归估计方法.该方法把复杂的数据集看作多个群体的混合，每个群体采用单一的回归模型进行描述，使得大规模数据集的回归估计问题变成了一个多模型估计问题.在此基础上把支持向量机与模糊C聚类结合起来得到基于支持向量机的模糊回归模型，并给出了实现该模型回归估计的算法.该方法对大规模的数据样本进行模糊C聚类，并回归估计各聚类的数据样本.数值仿真结果表明，该方法在聚类数据样本的同时能实现多个模型的回归估计，而且模糊隶属度的初始化影响要小于其他的模糊回归估计方法.     

基于改进粒子群算法的交直流系统低压切负荷优化控制策略

高压直流输电技术的发展推进了大规模、远距离电力系统互联,但也带来了电压稳定控制的挑战。提出一种基于改进粒子群算法的交直流系统低压切负荷搜索方法。首先,修正交直流系统潮流计算模型;其次,针对戴维南等值参数漂移问题改进模型,建立电压稳定裕度指标;为满足切负荷的快速性要求,采用灵敏度选取交直流系统切负荷点集;然后,建立交直流系统低压切负荷模型,以最小控制成本为目标,并给出算法的优化步骤;最后,基于IEEE 30节点系统进行验证,仿真结果表明:该方法能有效提高交直流系统电压稳定性。     

非对称波形射频电压对FAIMS的影响分析

研究了射频电压的大小、占空比的改变对高场不对称波形离子迁移谱(FAIMS)热量的影响。随着射频电压增大, FAIMS的迁移管产生的热量绝对值增大;占空比越大,FAIMS迁移管产生的热量绝对值越小。研究结果表明,射频电压的变化会导致FAIMS系统产生温度差而传递热量,从而影响FAIMS的可靠性和稳定性。通过理论分析及仿真可知,当占空比为0.1且射频电压为2 700 V时,系统工作所产生的温度对FAIMS的影响最小,为便携式FAIMS的设计提供了重要的参考数据。     

基于深度强化学习的多小区NOMA能效优化功率分配算法

在下行多小区非正交多址接入系统中,功率分配是决定系统性能的关键因素之一。由于多小区系统间的功率优化问题的非凸性,获得最优功率分配在求解上非常困难。为此提出了一种基于深度强化学习最大化能效的功率分配算法,将深度Q网络作为动作?状态值函数,将系统能效直接设置为奖励函数,优化信道功率分配,使系统能量效率最大化。仿真结果表明,该算法比加权最小均方误差、分式规划、最大功率和随机功率算法等能够获得更高的系统能量效率,在算法计算复杂度、收敛速度和稳定性方面也有较好表现。     

动态多目标无功/电压规划的Pareto最优集的求取

动态多目标无功/电压规划问题是一个复杂的多目标非线性优化问题。广泛使用的先评价方法通常只能得到这一问题的单一解,并且在确定各目标间的权重关系时难以给出统一的标准,因而不利于作为实际控制的参考。该文通过创建该问题的多目标数学模型,将动作次数限制归纳为优化目标之一,并应用改进的非支配遗传算法(NSGA-II),实现了动态多目标无功优化问题的Pareto近似最优集的求解。通过IEEE14、30节点电网模型及实际电网模型的计算,验证了该方法的有效性。     

纯电动汽车直流双电源无缝切换技术

针对纯电动汽车动力电池组突然失压的问题,提出了一种基于直流双电源的无缝切换控制算法.该算法在纯电动汽车上增设一组备用电池,一旦检测到动力电池组有失压趋势,立即启用备用电池及升压电路,与动力电池组并联向负载供电,同时进一步检测动力电池组电压性能,根据检测结果决定采用动力电池组或备用电池供电线路.该算法能够实现直流双电源无缝切换,保证负载设备的安全可靠运行,仿真结果表明了该算法的可行性和有效性.     

永磁直驱风力发电功率滑模控制器的研究

永磁直驱风力发电机具有多变量、非线性及强耦合的特点,系统参数变化较大直接影响系统的控制性能。基于此,设计了一种功率滑模控制器,并在直驱电机数学模型的基础上,设计出直驱发电变流控制系统,将此滑模控制器应用于该系统的机侧控制。控制器根据系统当前的状态采用滞环函数使系统精确的在给定滑动模态轨迹中运动,其设计过程与对象参数及扰动无关,因此,该系统具有良好的抗干扰能力,并能有效解决高频率切换带来的抖振效应。在搭建的8极5kW直驱发电机的Matlab/Simulink仿真模型中,对系统输出的电压、电流、功率控制进行了仿真分析,其结果表明,系统并网冲击小、功率跟踪精度高,表现出良好的动态性、稳定性和鲁棒性       

太阳能发电最大功率点跟踪装置的设计与实现

阐述了太阳能发电最大功率点跟踪装置的设计和实现。该装置是为了使光伏电池输出最大功率,主要是由Boost电路和最大功率点跟踪控制器两部分组成。通过A／D转换电路将三个参数Uin（太阳能电池电压）、Uo（蓄电池充电电压）和Io（蓄电池电电流）输入到89C52单片机处理,再由所设计的内部算法程序计算出达到最大功率所需的控制信号,然后由D／A转换电路将其转换成模拟信号,去控制PWM（脉宽调制）电路,从而改变Boost电路的占空比D,使得光伏电池电压与其最大功率点的值对应。该装置的性能由一组实验测试数据得到证实。     

电力系统最优无功配置/运行

提出考虑无功对电力系统静态稳定和电压特性灵敏度的最优化无功配置和运行算法,其数学模型中包含了有功功率和电压相角的关系。提出一个最优无功配置的综合性能指标。用直接法而不是灵敏度法形成线性规划问题。约束条件包括发电机无功限值,负荷节点电压限值和控制变量(发电机端电压,变压器分接头和可投切的无功电源)限值。在试验系统上应用后表明,本算法具有速度快和收敛性好的优点。     

Buck 型直流变换器的自适应动态面控制研究

基于脉冲宽度调制(PWM)原理工作的Buck 型直流变换器的平均模型, 利用非线性自适应动态面控 制方法设计控制器, 用来驱动一类Buck 型直流变换器工作, 使其输出电压能准确地跟踪参考电压, 以及对负载参数 的不确定性具有很强的鲁棒性和自适应性。非线性自适应动态面控制是非线性系统自适应反步控制的一种简化算 法, 设计过程中引入n - 1 个一阶滤波器, 克服了反步方法对虚拟控制求导而引起的方程项数的膨胀问题和对模型 非线性求导的问题。只要滤波时间足够小(现代的计算机完全能够满足), 选择合适的表面增益, 该方法设计的控制 器, 简单且易于实现, 并可保证系统是半全局稳定的, 完全能够满足工程上的要求。该控制器的有效性, 通过仿真实 例获得验证。     

基于潮流路径末端识别的解列面调整策略

针对解列面附近节点在解列之后出现的电压偏低,导致系统静态安全遭到破坏的问题,提出一种基于潮流路径末端识别的解列面调整策略.传统主动解列研究仅关注发电机同调性和孤网有功平衡,并未对节点电压导致的系统安全问题做针对性研究.与传统研究不同,作者在其基础上还考虑了节点电压导致的系统安全问题:一方面,通过理论推导证明该问题的根源在于解列后孤网的网络结构不合理,并总结出系统结构性变化对节点电压的影响及其规律;另一方面,结合该规律,提出了一种以潮流路径末端开断为原则的方法来调整解列面.算例结果表明:相比无功补偿方法和传统解列方法,所提出方法能够更大程度地改善解列后孤网的节点电压情况,从而提高解列后系统的静态安全性.