应用交叉熵组合预测配电变压器的健康指数

预测各个设备的状态能有效地促进配电网状态检修任务的顺利开展。采用AHP灰色聚类的状态评估模型确定配电变压器的健康指数HI。基于交叉熵理论,通过组合方法预测配电变压器的HI。该组合预测方法利用交叉熵理论动态确定改进神经网络和改进马尔科夫链的权重,有机融合了两个单一预测法的优点。整个预测过程,考虑了影响配电变压器全寿命周期中健康指数的重要因素——故障概率密度形状参数和尺度参数的变化。通过具体案例检验了组合方法的合理性和可靠性,为状态趋势预测提供了一种新方法。     

基于可能度的冷热电联供微网区间优化调度模型

提出了含多种能量转换途径的冷热电联供微网非线性区间优化调度模型。首先,以充分利用光伏、风电等新能源为目标,确定了实现电冷、电热、热冷能量转化的灵活冷热电联供微网系统。然后以此系统为对象,针对光伏、风电、冷热电负荷随机性问题,考虑分时电价、环境效益等因素,建立以系统综合运行成本最低为目标的非线性区间优化模型。根据区间可能度模型,将不确定性模型转化为确定性模型,结合改进粒子群算法进行求解。最后通过算例验证了该模型的合理性、灵活性,并结合仿真结果分析了区间可能度和负荷波动对综合运行成本的影响。     

基于电流—振动信号联合分析的高压断路器操动机构故障诊断方法

高压断路器分合闸操作伴随的电流、振动信号特征与电气和机械状态息息相关。提出一种线圈电流和振动信号联合分析的断路器操动机构故障诊断方法,针对线圈电流“双峰状”特点,提取关键时序特征和刻画波形畸变的波形特征。为捕捉振动信号细节变化,对振动信号进行自适应噪声集合经验模态分解CEEMDAN后,进一步计算各分量的时频分布,得到时间、频率边缘特征。将电流和振动特征组成的高维特征由因子分析进行降维处理,作为支持向量机SVM的输入进行故障诊断。实验表明,该方法能够有效提升断路器典型故障诊断准确率,且时间开销较少,为断路器机械故障诊断提供了新思路。     

基于振动和电流信号多域特征联合的高压断路器储能状态辨识方法

为实现高压断路器的储能状态辨识,提出了一种基于伴随振动和电流信号多域特征提取的储能状态辨识方法。对振动信号进行倒频谱分析提取频域周期分量特征来体现电机周期性转动轨迹的基频和高频特性;采用相空间重构理论经关联积分法获取相空间域关联维数与Kolmogorov熵,定量评估储能过程随机运动的复杂程度;计算电机电流持续时间、起始电流值及偏度时域特征,与振动信号特征构建多域联合特征向量;通过支持向量机算法实现断路器储能状态辨识。实验结果表明,基于振动和电流信号多域联合特征的辨识算法准确率达到97%,有效地提高了断路器储能典型工况的识别准确率。     

基于ICEEMDAN-RCMDE的高压断路器机械故障诊断方法

针对高压断路器分、合闸过程中伴随的非平稳、非线性振动信号特征提取困难的问题,应用了一种基于改进的完全自适应噪声集合经验模态分解（ICEEMDAN）和精细复合多尺度散布熵（RCMDE）结合的高压断路器机械故障诊断方法。首先对原始振动信号进行ICEEMDAN分解,得到不同频率尺度的本征模态分量（IMF）,依据故障敏感因子筛选有效IMF分量进行信号重构;然后对重构信号进行RCMDE分析,通过精细化的多尺度分析刻画信号特征;最后,将不同尺度因子下的RCMDE值作为特征向量输入支持向量机（SVM）中进行故障诊断。实验验证了该方法的可行性,故障辨识度较高。     

改良的德国多中心成年人急性淋巴细胞白血病研究组方案临床应用研究

目的 分析改良的德国多中心成年人急性淋巴细胞白血病研究组(GMALL)方案治疗成年人急性淋巴细胞白血病(ALL)的疗效和安全性.方法 2005年1月至2009年12月共37例新诊断的ALL患者,接受改良的GMALL方案单纯化疗,对其进行回顾性分析,并与同期接受该院常规方案治疗的44例成年ALL患者进行对比分析.结果 改良GMALL方案的累积完全缓解(CR)率为89.2%(33/37),1、2、3及4年累积总生存(0S)率分别为77.5%、48.0%、40.0%和40.0%.主要不良反应为3～4级血液学毒性和感染,不良反应易于控制,治疗相关死亡率低.改良GMALL方案组的OS优于该院常规方案组.结论 改良的GMALL方案治疗成年人ALL疗效满意,不良反应可以耐受,值得临床推广.     

基于交叉熵理论的配电变压器寿命组合预测方法

对配电变压器进行状态评估和剩余寿命预测,是开展状态检修的重要前提。以变压器历年的健康指数HI为基础,提出了一种基于交叉熵理论的配电变压器寿命组合预测模型。在剩余寿命模型中运用故障概率密度函数并引入交叉熵理论动态确定改进灰色理论和改进马尔科夫两个单一预测算法的权重。模型考虑了配电变压器寿命周期中故障概率密度函数形状参数和尺度参数的变化,实现了对变压器全寿命周期健康指数的评估和预测,确定了健康指数的分布函数。最后通过实际数据验证了模型的有效性和合理性,相比于单一预测法更符合实际情况。     

考虑电动汽车用户意愿的热电联供型微电网优化调度

私家电动汽车(electric vehicle,EV)和分布式电源接入量的增长,给热电联供型微电网调度提出了难题。因此,在含可再生能源的热电联供型微网模型基础上,考虑用户行为意愿,根据用户选择的不同充放电行为将电动汽车分类建模。随后,建立了基于分时电价的含电动汽车的热电联供型微网系统的多目标运行优化模型,通过模糊数学方法将多目标模型转化为单目标模型。算例分析中,对构建的4种不同场景运用Yalmip/Gurobi进行优化,分析对比了各场景下的优化结果,验证了所建模型及优化结果的合理性。     

基于表达谱的时间粒度自适应调度模式

随着可再生能源渗透率不断提高,常规火电机组小时级日前调度可能因可再生能源的波动而不再适用。为此引入粒计算理论,定义并分析了风电、负荷时间序列的信息粒度表达谱,同时提出了一种基于表达谱的时间粒度自适应调度模式。该模式提供了调度时段内包含多种时间粒度的火电机组启停和出力安排,以更好地适应净负荷变化。首先,建立了电力系统信息粒子,并在分析表达谱中粒子变化规律的基础上,采用Ward法实现功率-时间粒子的横纵方向双层粒化,形成典型电力场景和自适应时间粒度,以此设置火电机组自适应运行模式。其次,利用双重粒子群方法对5,15,30,60 min时间粒度下的调度模式进行机组组合和经济调度模型的双层求解。最后,以改进IEEE 39节点互联区域测试系统为例,验证了所提调度模式的合理性和有效性。     

基于Wide&Deep-XGB2LSTM模型的超短期光伏功率预测

为了充分利用电网自身的海量历史数据进行光伏功率预测,提出一种宽度&深度(Wide&Deep)框架下融合极限梯度提升(XGBoost)算法和长短时记忆网络(LSTM)的Wide&Deep-XGB2LSTM超短期光伏功率预测模型.对历史数据进行特征提取,获得时间、辐照度、温度等原始特征,在此基础上进行特征重构,通过交叉组合...