排序方式: 共有56条查询结果,搜索用时 15 毫秒
31.
电动汽车有序充电是智能用电领域的重要议题。传统的模型驱动方法需对充电行为建模,但受相关参数的强随机性等影响,相关模型不能完全反映充电行为的不确定性。考虑到数据驱动下的无模型强化学习(MFRL)具有不依赖先验建模、适应强非线性关系样本数据的优势,提出将其应用于充电站的有序充电负荷优化。针对性地构建以用户充电需求能否获得满足为状态的马尔可夫决策过程(MDP),并利用充电完成度指标和满意度惩罚项改进代价函数。具体采用增量式的时序差分学习(TDL)算法训练历史数据,以保证数据规模下的计算性能。算例以充电站实测数据为环境,结果表明,在无需对充电行为进行先验建模的情况下,所提方法能够准确、快速地制定充电站有序充电计划。 相似文献
32.
33.
34.
相电流差突变量选相元件和电流序分量选相元件在数字式高压线路保护中得到了广泛的应用,但在弱电源系统中存在电流量自身无法克服的困难而不能正确工作。该文利用某电网一端为弱电源的220kV线路发生单相故障的录波数据,通过仿真计算,分析比较了3种电流突变量选相元件的性能,同时分析了目前弱电源识别方法存在的问题。在理论分析和仿真计算的基础上,提出了有效识别弱电系统的方法,并给出了弱电侧选相问题的解决方案。 相似文献
35.
36.
基于双回线环流的时域法故障定位 总被引:23,自引:9,他引:23
该文提出了一种利用双端电流量实现双回线故障定位的时域测距算法。该算法利用双回线环流网与两侧系统无关且两端电压为零的特点,只用线路两端的电流量,就可计算出环流网的沿线电压分布,并根据从两端计算得到的电压分布差值在故障点处最小的原理实现测距。由于避免了使用电压量,故该测距原理不受电容式电压互感器(CVT)不能传变高频电压暂态信号的限制,该算法能够利用故障全过程的任何一段数据实现测距,且该算法所需数据窗短,只要略大于被测线路传输时问的2倍即可。该算法采用分布参数线模,克服了忽略线路电容带来的误差,适用于高压长距离输电线。仿真结果表明:测距误差将小于0.15km,且测距精度不受故障类型和过渡电阻的影响。 相似文献
37.
38.
39.
许庆强 《水电自动化与大坝监测》2008,(21):32-36
基于短时间内电流幅值线性变化模型,提出了一种用于精确测量电力系统瞬时频率的新算法,为系统提供实时状态变量。算法假设连续4个采样点对应电流的幅值线性变化,经过严格的数学推导,再结合泰勒展开和数学等比定理计算系统的瞬时频率。定性分析了幅值线性变化模型带来的误差,给出了泰勒展开和A/D转换引起的频率测量误差。该算法具有实现简单和测频速度快等优点,不需要采用数字滤波技术。该测频算法用于系统正常运行、没有振荡的单一频率情况时,理论误差接近于0。仿真结果表明,不论系统是否振荡、振荡是否剧烈,该测频算法都有很高的测量精度,且对电流中的随机噪声具有很好的适应性。 相似文献
40.
随着人类社会电动汽车普及化程度的提高,电动汽车无线充电作为一种更为方便快捷的充电方式也逐渐投入使用。电动汽车无线充电过程中发射线圈与接收线圈的对准与否直接关系着充电功率与充电效率,本文提出了一种基于BP神经网络的接收线圈定位技术,通过建立以探测线圈感应电压为输入层、接收线圈二维坐标为输出层的神经网络实现定位功能,并通过仿真和实验验证了所提出的定位方法。该技术有助于指引驾驶员或自动驾驶系统驾驶车辆对准发射线圈,对电动汽车无线充电技术的发展与推广应用具有积极意义。 相似文献