基于SOM聚类和ECA的超短期光伏预测组合模型研究

为提高不同天气类型下光伏输出功率的预测精度,提出了一种基于注意力机制的超短期光伏预测组合模型。首先,通过皮尔逊相关系数分析,选取与光伏发电功率密切相关的关键气象因子,并对其进行逐月标准化,然后加权求和计算得到分类指标天气条件因子(Sky Condition Factor, SCF),以降低输入变量的维度,并消除季节对天气分类的干扰和众多气象因子之间的耦合关系。其次,通过自组织映射神经网络(Self Organizing Map, SOM)对SCF进行无监督聚类,划分出3种天气类型。然后,在3种天气类型下分别构建卷积神经网络(Convolutional Neural Network, CNN)预测模型,并引入高效通道注意力模块（Efficient Channel Attention, ECA）,自适应地为特征信息的多重通道分配相应的权重,使模型集中于重要的特征信息,提高模型的预测精度。采用历史实测数据进行仿真,结果表明：与〖JP2〗未引入ECA模块的预测模型相比,所提预测模型在3种天气类型下的预测准确度分别提高了1.006 1%,〖JP〗1.626 1%和1.610 4%,验证了该模型的有效性。     

高压全膜电力电容器热学数值模拟及实验研究

在设计高压电容器单元时,为了防止温度过高而引起薄膜电容鼓胀、击穿乃至爆炸等危险情况,有必要对其温升进行计算和校核。针对变电站补偿无功所使用的高压全膜电容器组,根据其几何结构与材料参数,设计一种包括热仿真边界条件的热学仿真模型,使用基于有限元方法的瞬态热仿真软件模块进行求解,得到电容器在热稳定状态下的整体温度云图;同时根据仿真结果,进一步分析3台电力电容器共同工作时的温度场分布;最后通过实验验证,研究对比电容器在额定工况下的内外部温度云图。仿真结果表明：电容器外部温度由头部至尾部呈上升后逐渐下降趋势,离底部约三分之一处温度最高,外壳底部温度略高于顶部;3台电容器同时工作时,外壳最高温度高出单台工作下外壁最高温度1.79℃。仿真与实验结果对比证明了建模方法的有效性。     

一种采用混合控制策略的反激型光伏微逆设计

微型逆变器可直接与光伏(PV)板连接,具有结构简单、体积小、输入输出隔离等优点。为了扩展PV微逆功率范围,前级DC/DC部分可采用两个反激变换器交错并联。首先分析了反激变换器的工作原理,针对传统工作模式下反激变换器不同控制策略的功率密度与损耗等方面存在不足,设计了一台具有主从关系的临界导通模式(BCM)和断续导通模式(DCM)混合控制的微型逆变器,该控制策略可提高PV微逆的稳定性和转换效率。根据电网相位和输出功率的变化选择不同的控制策略,弥补单一控制策略下存在的不足。最后搭建了一台350 W的交错并联反激微型逆变器样机进行实验测试,实验结果验证了该控制策略的有效性与可行性。     

移动式储能应急电源关键技术研究

综述了移动式储能应急电源设备与移动式储能应急电源的关键技术,对"可调度"电源与移动式储能系统联合运行模拟方法进行介绍,分析了分布式储能资源汇聚技术及其相关的集群控制技术,最后探讨了移动式储能应急电源关键设备的发展现状和研究方向。     

基于扩张状态观测器的PEMFC电堆温度控制

针对质子交换膜燃料电池(PEMFC)的电堆温度控制系统,提出一种基于扩张状态观测器的PEMFC电堆温度控制器设计方法。首先建立PEMFC的电堆温度模型,并对模型进行非线性变换。根据变换后的模型设计扩张状态观测器,利用扩张状态观测器得到电堆温度的动态过程,并将得到的动态过程信息补偿到控制器中。所设计的控制器不需精确的PEMFC内部传热过程,是一种不基于模型的控制器设计方法,且算法简单,工程实用性强。仿真结果表明所提出的控制方法适合PEMFC电堆温度控制系统的设计,并具有较好的控制效果。     

基于DsRNN和多源气象数据的光伏发电功率短期预测

针对传统循环神经网络(RNN)长时间使用会存在梯度爆炸以及在处理长时间序列时容易忽略重要时序信息的不足,本文提出一种结合注意力机制(Attention)的双重选择循环神经网络(Double selection Recurrent Neural Network, DsRNN),面向短期光伏发电功率预测的模型。首先,引入气象影响因子数据并根据相关性大小进行修正处理,改变原有单一输入源建立新的数据集;然后,融合注意力机制,提取光伏发电功率的时序特征,挖掘数据之间的深层联系;最终,实现对分布式光伏发电进行较有效、精准的短期功率预测。仿真结果表明：气象数据的输入以及DsRNN光伏发电功率预测模型的使用能完成较高精度的预测任务,误差更小。     

昆明掌鸠河供水工程引水隧洞穿越普渡河断裂带的支护安全评价

简要介绍了昆明掌鸠河引水供水工程和普渡河断裂带的地质情况,引水隧洞穿越普渡河断裂带发生的塌方事故,以及所采用的施工和支护措施。通过监测资料分析表明,支护有较大的安全裕度,能够保证工程的安全。     

基于三维裂隙网络RQD的确定及最佳测线数量的研究

作为评价岩体质量好坏的重要指标,RQD的应用已十分广泛,其在工程地质与岩土工程的分析中发挥着重要的作用。而通过钻孔的方法进行RQD的获取具有明显缺点。真实岩体不同方向的RQD并不一致,而以垂直于地表的钻孔获取的RQD并不能完全代表整体岩体的好坏程度。引入三维裂隙网络的方法进行RQD的计算,在三维裂隙网络内设立测线,以测线的形式来模拟钻孔,获取指定方向的RQD值。岩体不同于其他人工材料,其具有明显的非均质性,即在不同位置获取的RQD值并不一致,现今RQD的研究则鲜有考虑。对岩体内的最佳测线数量进行了研究。结果表明：当沿x,y与z轴分别存在25,80与55条测线时,可获取岩体各方向的真实RQD值,且最大限度的节省计算时间以实施进一步的研究。     

基于ＤｓＲＮＮ 和多源气象数据的光伏发电功率短期预测

针对传统循环神经网络（RNN）长时间使用会存在梯度爆炸以及在处理长时间序列时容易忽略重要时序信息的不足,本文提出一种结合注意力机制（Attention）的双重选择循环神经网络（Double selection Recurrent Neural Network,DsRNN）,面向短期光伏发电功率预测的模型。首先,引入气象影响因子数据并根据相关性大小进行修正处理,改变原有单一输入源建立新的数据集;然后,融合注意力机制,提取光伏发电功率的时序特征,挖掘数据之间的深层联系;最终,实现对分布式光伏发电进行较有效、精准的短期功率预测。仿真结果表明：气象数据的输入以及DsRNN光伏发电功率预测模型的使用能完成较高精度的预测任务,误差更小。     

基于改进LSTM的高速列车牵引系统微小渐变故障诊断

高速列车牵引系统的微小渐变故障诊断是保障高速列车安全可靠运行的一项重要任务,传统的数据驱动方法通常难以在故障初期实现微小渐变故障的诊断.本文考虑到传感器时序信号的非平稳特性和微小渐变故障具有的慢时变特性,提出了一种基于改进长短期记忆网络(long short-term memory,LSTM)的微小渐变故障无监督诊断方...