基于改进三角模糊VIKOR法的用户储能系统配置方案综合评估

针对不确定环境下用户储能系统配置方案评估决策,提出一种基于改进三角模糊多准则妥协解排序(VIKOR)法的评估模型。首先,运用扎根理论构建评估指标集,并采用灰色关联-粗糙集方法进行指标筛选,形成评估指标体系。然后,采用主、客观相结合的方法计算指标组合权重,以提高其准确性,其中主观权重由模糊层次分析(FAHP)法求得,客观赋权法由改进标准间重要性相关性(CRITIC)法求得。最后,考虑指标之间的冲突性与模糊性,运用改进三角模糊VIKOR法对配置方案评估与排序比选。通过仿真分析,验证了本文所建模型的有效性和可行性。     

基于Simulink仿真的变压器励磁涌流案例分析

国家电网某500 kV变压器执行空载合闸操作时,发生数次断路器跳闸导致变压器投运失败的案例.在排除人为因素的原因后,初步判断是由励磁涌流过大引起的.为了对该案例进行理论分析,基于MATLAB Simulink仿真软件,搭建电力系统模型,模拟事故时的变压器电压波形.根据仿真结果对该案例进行分析,得出跳闸结论,为后续变电运维工作提供借鉴.     

基于极端梯度提升-长短期记忆神经网络组合模型的短期电力负荷预测

为了提高短期电力负荷预测的精度,提出一种基于极端梯度提升和长短期记忆网络的组合预测方法。首先采用Spearman相关系数法对负荷与气象因素进行相关性分析,提取模型输入特征。然后分别建立XGBoost、LSTM预测网络,并采用遗传算法优化网络的参数。最后利用模拟退火算法对各网络的预测结果分配最优权重系数,通过加权组合得到最终的集成预测结果。实验结果表明,XGBoost和LSTM组合模型对短期电力负荷预测的平均绝对百分比误差为0.88%,与XGBoost模型、LSTM模型相比,误差分别降低了2.17%、1.99%,在负荷预测领域更具有优势。     

高压跌落式熔断器过零延时灭弧结构设计

为开发能带负荷分合闸的高压熔断器,设计具有过零延时灭弧结构的10 kV高压跌落式熔断器,并对其开断过程展开研究。现有的熔断器带载分合闸时,触头间易产生电弧引起触头烧蚀,甚至发生电弧持续燃烧无法分断;串联高压硅堆后,相同条件下有载开断过程可靠性得到大幅上升,有效切断电弧能量注入,使触头间“零休”延长,错过弧后快速上升恢复电压,促进触头间隙介质绝缘恢复,对降低触头间隙击穿概率、改善弧后介质恢复特性十分有利。     

基于B2B-MMC的柔性互联变电站优化调度方法

针对传统变电站内主变之间采用单母线分段开关难以准确调控潮流问题,提出一种基于背靠背模块化多电平换流器（B2B-MMC）的柔性互联变电站优化调度方法。首先,提出含柔性互联变电站的配电网架构,实现潮流的连续性控制及多区域间互相协调;然后,设计柔性互联变电站架构下的一种潮流优化调度方法,采用遗传算法对换流器进行赋值,利用改进交替迭代法进行潮流计算,实现配电网潮流的主动调控;最后,通过仿真模型验证了本文所提控制方法的有效性和合理性。     

基于LM法的换流站关键设备宽频建模方法研究

直流输电系统换流站存在多种产生或传输谐波的电气设备,建立适用于仿真研究的换流站宽频模型十分重要。传统建模方法较为复杂,且不适用于低阶等效模型。因此,基于元件物理模型和阻抗特性,利用列文伯格-马夸尔特算法求解宽频模型参数、拟合阻抗特性曲线,并简化了宽频模型。然后据此建立了晶闸管、平波电抗器和换流变压器等换流站关键设备的宽频模型,验证了该方法的正确性。最后,将元件宽频模型等效电路应用于仿真模型,仿真对比表明宽频模型相比于理想模型,5次谐波幅值减小约基波的1.7%~1.8%,并且简化宽频模型可以加快仿真速度。     

面向鲁棒频谱感知的模糊K-means++算法

恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率。为了解决此问题,提出了基于模糊K means++的数据融合算法。该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K means++算法对样本向量进行聚类。该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导。从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性。     

An improved U-Net for cell confluence estimation

Cell confluence is an important metric to determine the growth and the best harvest time of adherent cells. At present, the evaluation of cell confluence mainly relies on experienced labor, and thus it is not conducive to the automated cell culture. In this paper, we proposed an improved U-Net algorithm (called DU-Net) for the segmentation of adherent cells. First, the general convolution was replaced by the dilated convolution to expand the receptive fields for feature extraction. Then, the convolutional layers were combined with the batch normalization layers to reduce the dependence of the network on initialization. As a result, the segmentation accuracy and F1-score of the proposed DU-Net for adherent cells with low confluence (<50%) reached 96.94% and 93.87%, respectively, and for those with high confluence (≥50%), they reached 98.63% and 98.98%, respectively. Further, the paired t-test results showed that the proposed DU-Net was statistically superior to the traditional U-Net algorithm.