基于改进隐马尔科夫模型的非侵入式家居负荷识别

针对低频采样识别精确度较低,系统稳定性较差的问题,文章提出了一种基于改进隐马尔科夫模型(hidden M arkov model,HM M)的非侵入式负荷监测方法(non-intrusive load monitoring,NILM)。该模型运用人工免疫算法和增量学习对传统HMM模型进行双重优化,通过人工免疫算法解决HMM模型容易陷入局部最优的问题,提升了模型的识别精确度。再通过增量学习实现了模型参数的自主更新,使得模型能够适应新的环境,提高了模型的鲁棒性。最后通过低频数据集建立了两个实验场景,对改进的HMM模型进行了实验验证,结果证明了该模型在识别精确度和鲁棒性等方面具有一定优越性。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

基于轻量级卷积神经网络的手势识别检测

针对基于深度学习的手势识别模型参数量大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种基于轻量级卷积神经网络的手势识别检测算法。首先利用Ghost模块设计轻量级主干特征提取网络,减少网络的参数量和计算量;通过引入加权双向特征金字塔网络改进特征融合网络,提升网络检测精度;最后使用CIoU损失函数作为边界框回归损失函数并加入Mosaic数据增强技术,加快模型收敛速度提升网络的鲁棒性。实验结果表明,改进后的模型大小仅为17.9M,较原YOLOv3模型大小减小了92.4%,平均精确度提高了0.6%。因此新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,为手势识别检测提供理论参考。     

基于EMD-SVD-KELM与参数优选的励磁涌流辨识

针对变压器差动保护装置易受励磁涌流误动作问题,提出了基于EMD-SVD-KELM与参数优选的励磁涌流辨识方法。首先,以经验模态分解(EMD)和奇异值分解(SVD)为工具,对励磁涌流和故障电流信号进行预处理,提取出识别特征量,并作为后续核函数极限学习机(KELM)学习输入量;然后,因学习机性能受参数C和γ影响较大,以均分训练样本所得多个模型的平均准确率作为适应度评价函数,为KELM参数优选提供评价标准。通过EMTDC仿真计算生成训练样本和测试样本,利用多种优化算法对KELM进行训练和测试。最终,试验结果表明,与网格搜索(GS)、遗传算法(GA)、粒子群算法(PSO)相比,改进粒子群算法(IPSO)能够更加迅捷地搜索到最优参数,同时学习后的IPSO-KELM模型能够正确识别涌流和故障电流,验证了文中所提方法的正确性和可行性。     

基于鲁棒能量模型LS-TSVM和DGA的变压器故障诊断

鲁棒能量模型最小二乘双支持向量机作为最小二乘双支持向量机(LS-TSVM)的改进算法,训练速度快、鲁棒性好且泛化能力强。将其引入到变压器故障诊断中,并提出一种鸡群算法优化鲁棒能量模型LS-TSVM的变压器故障诊断模型。在该模型中,结合二叉树和鲁棒能量模型LS-TSVM构造多类分类器用于变压器故障类型识别,并采用搜索性能较强的鸡群算法对鲁棒能量模型LS-TSVM的参数进行优化,以使模型的诊断性能达到最佳。基于DGA的变压器故障诊断实例表明,该方法故障诊断模型精度高,诊断效果优于PSO-SVM模型。     

基于Benders分解的独立型微电网鲁棒优化容量配置模型

为了提高独立型微电网电源优化配置的鲁棒性,综合考虑了风、光和负荷的间歇性和随机性,建立了独立型微电网的双层鲁棒优化容量配置模型。外层为初始投资费用主问题,内层为基于风、光和负荷不确定集的运行优化子问题。采用对偶的方法对子问题进行解耦,利用大M法将其线性化,并通过Benders分解的方法将主子问题进行交互迭代,直至经济成本达到最优。在算例中将该方法与改进的非支配排序遗传算法(NSGA-Ⅱ)进行对比,结果表明所提模型的鲁棒性更好,求解效率更高,验证了模型的合理性和有效性。     

利用小波——人工免疫算法对某高压实验大厅进行结构的损伤识别与诊断

以某高压实验大厅钢架结构作为研究对象,将其局部理想化为简支梁模型,用小波分析和人工免疫算法相结合的方法对结构进行损伤识别,通过ansys有限元分析和MATLAB编程进行模拟验证,验证结果显示,小波—人工免疫算法可准确识别诊断结构的损伤。     

基于改进灰狼优化算法的PMSM滑模自抗扰控制

针对永磁同步电动机(PMSM)伺服系统在受外部扰动、参数变化等不确定性因素影响下系统鲁棒性变差的问题,提出一种基于改进灰狼优化算法的永磁同步电动机滑模自抗扰控制方案。首先,对传统扩张状态观测器存在的峰值问题而降低不确定性的观测精确度,设计了变增益扩张状态观测器,通过降低初始增益来提高观测精确度。其次,用滑模控制器代替传统自抗扰控制中的非线性误差状态反馈环节,进而提高系统的鲁棒性。由于参数比较多不易调节,利用改进灰狼优化算法对参数进行优化,充分发挥控制器的性能。基于Lyapunov理论分析了该方案的稳定性。通过系统仿真实验结果表明,该方法能够有效跟踪速度给定,克服参数变化、负载扰动等不确定性因素的影响,保证了PMSM伺服系统的强鲁棒性。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

基于自适应樽海鞘算法优化BP的风光互补并网发电功率预测

为解决风光互补并网发电功率预测问题,针对前馈(BP)神经网络容易陷入局部最优而导致预测精度降低的问题,提出了一种自适应樽海鞘算法(ASSA)优化BP神经网络的风光互补并网发电功率预测模型。首先,在标准的樽海鞘算法(SSA)中引入动态权重策略和变异算子构建ASSA。其次,引入BP神经网络算法,构建BP神经网络的风光互补并网发电功率预测模型。最后,通过ASSA算法优化BP神经网络的权值和阈值,提出ASSA-BP的风光互补并网发电功率预测模型。仿真结果表明,利用ASSA-BP模型预测发电功率数据的相对误差小于BP模型预测数据的相对误差。ASSA-BP和SSA-BP的模型平均绝对误差数值更小,ASSA-BP模型的平均绝对误差最小,ASSA-BP模型的预测稳定性最强。该预测模型较传统风光互补并网发电功率预测方法有更高的精确度。     

基于改进权值优化模型的光伏功率区间预测

区间预测方法可以反映光伏发电功率可能的变化范围，提供比点预测方法更丰富的预测信息。文章提出了一种基于径向基函数（radial basis function，RBF）神经网络的区间预测模型以直接输出光伏功率预测区间。为优化模型输出区间的性能和避免惩罚系数选择问题，构建了一种考虑区间预测偏差信息的改进预测区间优化模型，并采用粒子群算法（particle swarm optimization，PSO）求解，获得最优RBF神经网络输出权值以提高预测区间的可信度和准确性。通过对比传统区间优化模型和所提改进区间优化模型的预测结果，发现改进区间优化模型能够获得宽度更窄和预测偏差更小的光伏功率预测区间，可为调度决策提供更准确的辅助信息。     

考虑网损的配电节点电价模型及迭代计算方法

在分布式电源装机容量快速增长的背景下，建立本地电力市场可促进分布式机组出力的消纳和配电网的优化运行。文章提出了适用于本地市场竞价出清的配电节点电价（distribution locational marginal pricing，DLMP）模型，将其分解为有功价格分量、无功价格分量、网损价格分量、电压支撑价格分量以及阻塞价格分量，可量化各分量对节点电价的贡献。同时采用迭代算法对该模型进行求解，通过市场出清模型与交流潮流的迭代计算克服线性化节点电价模型对预设网损因子的依赖。通过对IEEE 33节点配电系统的仿真分析，验证了所提模型的有效性和所提算法的准确性。     

基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型

为了充分利用电动汽车（electric vehicle，EV）大规模的储能优势与代理聚合商在电力市场灵活购售电优势，以此弥补虚拟电厂（virtual power plant，VPP）内部供需不平衡情况，构建电动汽车参与的虚拟电厂双层博弈模型，对虚拟电厂同时进行内外部优化。首先，构建上层代理聚合商虚拟电厂完全信息动态博弈模型进行虚拟电厂外部优化；其次，构建虚拟电厂电动汽车聚合商合作博弈模型进行虚拟电厂内部优化，并利用改进的Shapley值分配虚拟电厂与电动汽车聚合商的合作收益；最后，以集成风电机组、可控负荷、储能电池、用户、电动汽车的虚拟电厂进行算例分析，采取协同免疫量子粒子群优化（coevolutionary immune quantum partical swarm optimization，CIQPSO）算法搜寻最优解。算例结果表明，电动汽车参与虚拟电厂能够同时提高两者的经济效益，提高虚拟电厂内部供需平衡能力。     

计及UPFC的电力系统双线性抗差估计

统一潮流控制器（unified power flow controller ，UPFC）作为柔性交流输电系统（flexible AC transmission systems，FACTS）的重要组件之一，对电力系统安全稳定运行起着重要的作用，而对含有UPFC的电力系统进行有效的状态估计也是电力系统电力电子化的必然要求。对UPFC模型进行抗差状态估计虽然能够有效抑制坏数据，但是存在模型复杂，计算效率低等问题。文章基于新型UPFC拓扑模型，采用双线性方法对含该UPFC的电力系统进行抗差状态估计。该方法通过选取有效的中间变量，对电力系统和UPFC组件的非线性量测方程进行分步线性化处理，在保证计算结果误差水平处在同一量级，能够工程应用的前提下，有效提高了状态估计的计算效率。对修改后的IEEE标准系统和南京西环网实际系统进行仿真测试，通过与WLAV测试结果对比，在保证相应精度的前提下，获得接近加权最小二乘法（weighted least squares，WLS）的计算速度，验证了本文方法的有效性和实用性。     

基于EEMD-ARMA模型的电网工程导线价格预测

由于电网工程导线价格具有非线性和非平稳性特征,导致其价格预测难度大、预测精度低,针对这一问题,建立了EEMD-ARMA预测模型.利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）对经验模态分解（empirical mode decomposition,EMD）进行改进,通过EEMD将历史价格分解为平稳的、周期波动的若干价格分量,并以此作为输入,利用自回归滑动平均模型（auto regressive and moving average model,ARMA）对各分量进行价格预测,最后将各预测分量叠加得到预测值.以630/45导线的历史数据为样本,通过EMD-ARMA与EEMD-ARMA的预测结果进行对比及误差分析,验证了所采用的EEMD-ARMA算法较EMD-ARMA算法的预测精度更高,其预测结果对于工程造价管控和设备材料招投标具有一定的参考价值.     

基于改进单纯形算法的HSVS补偿系统自适应PID控制研究

结合机械投切电容器(MSC)、晶闸管投切电容器(TSC)及晶闸管相控电抗器(TCR)特性,本文设计了1种新型的混合型静止无功补偿系统(HSVS),使MSC、TSC、TCR分别工作在粗调、细调和精调的工作模式。为解决PID控制对这三者的配合问题,提高控制精度与系统鲁棒性,引入了单纯形算法作为PID参数的学习函数,并对单纯形算法的步长调整以及测度引入加以改进。仿真实验证明,与普通的自适应PID控制器相对比,改进了单纯形算法的自适应控制在混合型无功补偿系统电压控制中的可行性与高效性,提高了补偿精度与适应性。     

采用长短期记忆深度学习模型的工业负荷短期预测方法

工业负荷不同于其他电力负荷, 受气温、时间、人口等外部因素的影响较小, 其功率需求主要由相关企业的生产计划来决定。在电力市场环境下, 准确的负荷预测有助于工业用户更好地制定电力交易策略, 从而增加收益。在此背景下, 基于改进的长短期记忆（long short term memory, LSTM）深度学习网络模型, 提出了一种工业负荷短期预测算法。首先,在网络层次上构建层数更多即网络层次更深的LSTM深度学习负荷预测模型。接着, 在每个LSTM单元构成的隐含层中, 采用Dropout技术对神经元进行随机概率失活, 并通过正则化有效避免深度学习过拟合问题并改善了模型性能。然后, 采用真实的工业用户历史负荷数据对所提算法进行测试, 并与已有的短期负荷预测算法进行对比, 包括自回归滑动平均模型 （auto-regressive and moving average model, ARMA）, 最邻近回归算法 （K nearest neighbor regression, KNN） 以及支持向量回归算法 （support vector regression, SVR）。仿真结果表明, 所提深度学习工业负荷短期预测算法相比于一些现有方法, 其预测准确度有明显提升,预测结果的平均绝对百分误差（mean absolute percentage error, MAPE）在9%以下。     

柔性直流电网单极接地短路电流计算方法

在柔性直流电网工程设计与直流断路器选型中，电网的短路电流是重要的参考依据。针对以架空线作为金属回线网络的真双极柔性直流电网，文章提出了一种单极接地短路电流计算方法。该方法的基本原理是通过建立单极接地故障时电网的状态方程求解柔性直流电网中的短路电流。以张北可再生能源柔性直流电网试验示范工程为例，通过对比理论计算与系统仿真结果，证明了该方法的正确性与高效性。文中利用该方法分析了限流电抗器电感值等参数对短路电流的影响规律，为工程设计提供了一定参考。文章提出的计算方法可以广泛地适用于不同端数的基于模块化多电平换流器（modular multilevel converter， MMC）的柔性直流电网工程，为柔性直流电网工程的参数设计与直流断路器的选型提供支撑。     

考虑能源子系统与储能的综合能源系统优化分析

针对当前综合能源系统（integrated energy system， IES）研究中未详细考虑含电-热-气-冷-汽子系统（power， heat， gas， cooling and steam subsystems， PHGCSS）协调运行效果的现状，研究计及能源子系统关键特征变量的IES日前稳态优化问题。首先，基于多类型负荷需求设计能源集线器（energy hub， EH）及能量耦合方式。在EH基础上提出耦合PHGCSS的能源站模型构架。然后，分别建立IES中PHGCSS稳态数学模型。在考虑峰谷分时电价机制基础上分析蓄电、蓄热、蓄冷对并网运行的IES日前稳态优化的影响。其次，在不同负荷结构下建立含PHGCSS日前稳态非线性优化模型。最后，通过算例分析验证对IES进行稳态优化计算和稳态运行分析的有效性，结果表明，所提模型与方法适用于含PHGCSS的IES日前稳态优化分析及日前动态经济调度，能够合理反映IES的运行特性。     

基于新型变结构控制策略的直接转矩控制系统研究

提出一种新型变结构控制策略,以解决感应电机直接转矩控制系统转矩波动大,低速性能差,以及逆变器开关频率不固定等问题。在变结构控制中采用带有线性区间的非线性控制结构,既能利用非线性特性抵偿内外扰的影响,又能实现系统在原点附近无抖振,在保证变结构控制快速性和鲁棒性的同时,有效改善了系统的性能。结合电机数学模型设计了相应的控制律,通过Lyapunov分析证明了系统的全局渐近稳定性。仿真结果证明了本文所提控制策略的有效性和可行性。