基于故障电流积分比的直流配电网极间短路选线方案

柔性直流配电系统发生极间短路故障后,系统短路电流大,对系统安全稳定运行产生威胁,同时考虑到电力电子器件的耐受能力,换流器将会闭锁,导致故障信息量减少,对保护方案的速动性和可靠性提出了很高的要求。针对此问题,文章首先分析了直流线路极间短路故障电流特性,然后揭示了故障时区内外故障电流曲线的积分差异,最后提出基于线路故障电流积分比的极间短路选线方案。在实时数字仿真器（real time digital simulator, RTDS）上搭建基于模块化多电平换流器的直流配电网仿真模型,验证了所述方案的有效性与适用性,具有较好的耐受过渡电阻和抗噪能力。     

高转换效率的中红外BaGa_(4)Se_(7)光参量振荡器(特邀)EI北大核心CSCD

为抑制光参量振荡器(Optical Parametric Oscillator,OPO)振荡过程中信号光和闲频光向泵浦光的逆转换,首次采用在L型OPO腔的支路中插入信号光倍频晶体LiB_(3)O_(5)的(简称LBO)的方式,实现了BaGa_(4)Se_(7)(BGSe)OPO闲频光的高转换效率输出,当泵浦激光(1.06μm)能量为115 mJ时,闲频光(3.5μm)能量为16.18 mJ,光光转换效率为14.06%,斜效率为18.4%,这是目前已知1.06μm激光泵浦BGSe OPO最高的转换效率。模拟了不同泵浦能量下L型腔中有无LBO晶体时BGSe OPO腔内的三波波形,并给出了闲频光在实验中的输出波形。与传统OPO腔相比,所提出的L型OPO腔(含倍频晶体)在大能量泵浦条件下抑制了逆转换,可获得更高的闲频光转换效率。     

基于改进差分进化的稀土萃取能效分离系数优化

基于机理模型的稀土萃取工艺流程没有考虑萃取槽中搅拌机的能效,导致求解得到的各级组分含量与工业实际生产数据有较大误差.通过引入能效分离系数概念,建立符合实际萃取工艺的各萃取槽稀土元素组分含量模型,构建求解能效分离系数的优化目标函数.针对该优化目标函数多峰、多变量的特点,提出一种种群规模线性减小的混沌双变异自适应差分进化改进算法(LCTADE).首先,将混沌序列嵌入改进算法中生成初始种群,增强种群多样性;其次,针对进化不同阶段对突变策略性能要求不同,提出基于DE/current-to-pbest/1和DE/rand/1的双变异策略方法;最后,采用参数自适应方法分别设置F、CR及NP值.在仿真实验中,将所提出的LCTADE方法针对CEC 2017的函数进行测试并与其他算法比较,显示出其优越性,并通过求解基于能效分离系数的稀土萃取工艺流程优化目标函数,表明所提出方法的有效性.     

计及电动汽车需求和分时电价差异的区域电网LSTM调度策略

针对电动汽车(electricvehicle,EV)和风电大规模接入电网对系统调度、运行等方面带来的挑战,该文基于长短期记忆网络(long short term memory network,LSTM),提出一种计及电动汽车需求和分时电价差异的区域电网经济调度策略。首先,根据需求差异将并网EV分为刚性EV、快充灵活EV和慢充灵活EV 3种类型,并分别建立负荷模型。其次,考虑快/慢充灵活EV响应速度和分时电价的差异,以及常规发电机组、快速响应机组的电源特性,将该策略分为日前、模型训练和日内3个阶段。在日前阶段考虑区域电网机组运行成本和电动汽车车主支付费用建立了多目标优化调度模型;模型训练阶段,通过大量数据训练LSTM网络得到日内调度模型;日内阶段,将日前调度结果和日内超短期预测数据输入到日内调度模型中,得到日内可控单元调度计划。最后,通过日后复盘验证了策略的有效性和经济性。     

考虑储能备用的电动汽车负荷连续追踪弃风曲线优化模型

在大力推动高比例可再生能源并网的背景下,风电的强随机波动特征导致的大量弃风问题给电力系统的经济可靠运行带来了挑战,而电动汽车、储能等作为需求侧的灵活性资源参与曲线追踪交易为弃风问题带来了解决方案。首先,分析了电动汽车消纳风电的可行性;然后,对电动汽车聚合负荷消纳风电的交易模式进行了梳理,聚焦连续曲线追踪交易,在充分考虑电动汽车聚合的物理经济约束下建立了混合整数线性规划模型以求解聚合调用方案。由于电动汽车的移动储能能力与追踪效果有限,引入储能系统进行联合优化,采用逐步搜索法在降低聚合成本的同时,得到储能的最优容量与功率配置以及同时优化物理弃风电量与经济成本的聚合方案。算例分析结果表明：考虑储能备用的聚合方法能够提高风电曲线的追踪精度,减小聚合成本,验证了所建模型在连续曲线追踪中的可行性与适用性,可为曲线追踪交易市场的完善与新型电力系统的建设提供借鉴。     

基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法

群智感知中,任务发布者基于有限的任务预算招募合适的参与者来执行感知任务.但是,现有的相关工作依赖于可信第三方来执行参与者选择或者忽视了参与者位置隐私泄露问题.为了解决这些问题,本文提出一种基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法LPWS.通过保序加密和Merkle树来为参与者提供个性化的位置隐私保护,确保参与者将精确位置隐藏于隐匿区域.在有限的任务预算下,LPWS将参与者选择问题建模为目标优化问题,并基于动态规划来确定一组合适的参与者以增加高质量感知数据获取的可能性.此外,在保证数据隐私和奖惩公平性下,LPWS基于数据质量评估结果完成报酬支付和信誉更新,从而激励参与者尽可能地提供高质量数据.仿真实验表明,LPWS在参与者选择方面具有可行性与有效性,保证了安全公平的参与者选择以及数据质量评估.与相关工作对比,在有限的任务预算下,LPWS不仅取得了更好的质价比,而且在确保任务完成质量的同时提供了位置隐私保护和数据隐私保护.     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。     

高压静电纺丝制备聚丁烯-1纤维的形貌及晶型转变

对聚丁烯-1的环己烷溶液进行高压静电纺丝制备出聚丁烯微纳米纤维,通过光学显微镜、扫描电镜、傅里叶变换红外光谱和X射线衍射等表征手段,考察了纺丝液浓度、纺丝电压、推进速率对纤维形貌的影响,并对纺丝过程及室温陈放的聚丁烯纤维的晶型转变进行了研究。结果表明,随着纺丝液浓度和推进速率的增大,可以得到尺寸均匀的纤维,直径也随之变大;纺丝电压增大,纤维直径减小,但纤维直径分布均匀性变差。初生聚丁烯-1纺丝纤维膜的晶型为I型和II型,随着溶剂的挥发和时间延长,晶型II逐渐转变为晶型I,溶液涂覆膜初生晶型为晶型III和晶型I'。     

酒石酸还原Cu(Ⅱ)制备多种形貌Cu_2O晶体及形成机理

以CuSO_4·5H_2O为原料,KOH为添加剂,酒石酸为还原剂,在水热条件下通过调整相关的实验参数,制备了一系列不同形态的Cu_2O微-纳米晶体及三维十字形枝晶。采用XRD、SEM等手段对不同形态的Cu_2O晶体进行了表征,探讨了不同因素变化对Cu_2O晶体形态的影响。分析认为,晶体生长过程控制了晶体的具体形貌和大小,Cu_2O晶体显露的单形晶面随晶体生长条件的变化而不同。在低温、弱碱性、高浓度溶液中有利于形成八面体形态的Cu_2O晶体,而菱形十二面体单形晶面在高温、强碱性、低浓度溶液中形成的晶体中显露的面积有所增大。