基于集成学习的孤岛微电网源-荷协同频率控制

提出一种基于集体智慧的集成学习算法,以实现孤岛微电网下分布式电源与负荷的协同频率控制。通过引入负荷聚合商来对大规模家庭用户进行聚合,解决源—荷协同频率控制下的"维数灾难"问题。负荷聚合商根据每个家庭中温控设备的运行状态,可以连续地评估其可参与辅助调频的储备能力。集成学习算法由多个子优化器和一个学习集中器组成,子优化器发挥集体智慧能力为学习集中器提供探索和开发样本,而强化学习主要用于知识学习与迁移。通过孤岛微电网的仿真算例可以验证集成学习能够有效满足源—荷协同频率控制的周期要求和质量要求。     

链条锅炉供热系统的智能控制

本文以华北油田某供热站为倒，介绍了基于DCS链条锅妒供热系统的智能控制方法，并分别从安全、节能、自动化角度阳述该智能控制方法的可行性和必要性     

一种基于PIR的对瞄测距定位方法研究

针对目标以不同角度运动时,采用峰峰值时间差法测距所得到误差较大,以及部分角度处的测量值严重偏离真实值的情况,提出了一种利用两个静态红外传感器在对瞄情况下进行目标定位的方法。这种方法首先把两个 PIR 置于同一直线、同一高度上、相距30 m 进行对瞄,当目标垂直和斜切穿过 PIR 的探测视场时,对瞄的 PIR 测得距离值并相互修正。实验结果表明,在对瞄情况下,提高了峰峰值时间差法的精度。     

模糊子集理论在电力系统实时暂态稳定预测中的应用

提出一种电力系统实时暂态稳定预测新方法，它以模糊理论为基础，分析扰动 后系统的角加速度和转子功能，不仅能判别电力系统扰动后是否稳定，还能说 明系统的稳定程度。仿真表明，该方法对暂态稳定的预测快速、准确，与其它 基于大量计算的方法相比，更易于实现。     

数学形态学在电力系统中的应用综述

数学形态学是一种非线性信号处理和分析工具,对电力系统信号的特征提取完全在时域中进行,且幅值不偏移和相位不衰减,很多性质优于小波分析理论,其发展正在受到越来越多关注,但是系统的总结该技术的应用及研究并不多见。文中阐述了数学形态学的基本理论,并介绍了电力系统常用的一些形态学方法,在将形态学与小波分析进行比较后,综述了数学形态学在电力系统中的应用,如暂态信号谐波分析、奇异点检测与消噪、电能质量检测、故障诊断、继电保护与故障测距,分析了其与电力系统中其他理论或方法如小波变换、分形理论、神经网络等的结合。结论提出了若干需要解决的问题,并展望了其在电力系统中的应用前景。     

变压器感应高压试验的计算机监控和录波

介绍了一套用计算机系统监控变压器感应高压试验的硬件和软件，该系统可以实时记录样品放电前后的电坟和电流波形。     

基于组件式GIS配电网技术

根据电力配网和地理信息系统(GIS)的特征,本文采用组件式GIS和配电管理系统(DMS)技术相结合探讨了配电网技术,着重讨论了配网分析系统(DNAS),具体阐述了DNAS系统中各个组件的功能,指出了该系统对实现电力资源的优化配置和配电网发展的重要意义.     

8.8m超大采高工作面矿压显现规律实测及机理分析

针对浅埋深超大采高工作面矿压显现强烈的问题,基于支架压力现场监测,对上湾煤矿8.8 m超大采高工作面矿压显现规律进行了研究。结果表明:8.8 m超大采高工作面基本顶初次来压步距为45 m左右,周期来压步距平均为13.5 m,动载系数平均为1.6;超大采高工作面周期来压具有来压步距短、来压持续时间长、来压区域性明显、动载矿压强烈等特点。根据工作面上覆顶板结构分析认为,工作面开采强度大、顶板活动剧烈,关键层结构单一、赋存层位低、易滑落失稳、上覆顶板整体性破断,是造成浅埋深超大采高工作面矿压显现强烈的主要原因。     

FACTS的PCH模型与自适应L增益控制（一）理论篇

采用预置反馈方法，将电力系统中存在的一类仿射非线性系统转换为标准的哈密顿系统，从而导出了单机无穷大电力系统下SVC的PCH（端口受控哈密顿）模型。针对系统的外界干扰和参数不确定性问题，设计了相应的自适应L₂增益控制规律。文中直接采用哈密顿函数作为存储函数，不仅保证了数学上的严密性，且具有明确的物理意义。仿真结果表明SVC采用自适应L₂控制规律，不但可以确保系统渐近稳定，而且可以有效抑制干扰，对系统的工况具有自适应性。     

数学形态学在电力系统中的应用综述

数学形态学是一种非线性信号处理和分析工具,对电力系统信号的特征提取完全在时域中进行,且幅值不偏移和相位不衰减,很多性质优于小波分析理论,其发展正在受到越来越多关注,但是系统的总结该技术的应用及研究并不多见.文中阐述了数学形态学的基本理论,并介绍了电力系统常用的一些形态学方法,在将形态学与小波分析进行比较后,综述了数学形态学在电力系统中的应用,如暂态信号谐波分析、奇异点检测与消噪、电能质量检测、故障诊断、继电保护与故障测距,分析了其与电力系统中其他理论或方法如小波变换、分形理论、神经网络等的结合.结论提出了若干需要解决的问题,并展望了其在电力系统中的应用前景.