基于分段分层相似日搜索和自适应脊波神经 网络的风电功率多步预测

为进一步提高风电功率预测精度,提出了一种基于相似日理论结合自适应脊波神经网络的风电功率预测模型。在传统相似日方法上,将相似日细致到“相似时段”,即基准段和预测段;采取对基准段风电功率曲线和预测段日特征向量进行双重搜索的方法,保证了相似精度;并采用分层搜索逐步逼近预期目标,既突出主导因素又节约计算时间。在基准段曲线相似度的基础上结合机组启停状态,并引入了预测段的特征量,增加了相似日的评估信息,使得相似日的选取更加合理、准确。用自适应脊波神经网络对相似样本进行建模、训练,得最终预测值。经算例分析,该方法能有效预测未来12 h的风电输出功率,从而实现较高精度的多步预测,为调度部门提供有力支持。     

改性大豆蛋白用于轻质代木包装材料的制备

目的以大豆蛋白为胶粘剂,制备轻质代木包装材料并研究其性能。方法以不同形态和配比的废旧瓦楞纸板、小麦秸秆为基材,以大豆分离蛋白(SPI)为胶粘剂,通过热压工艺制备轻质代木包装材料并对材料性能进行测试,从而确定最佳配方及工艺参数。结果改性剂、复配剂、基材、工艺参数的选择与材料性能密切相关,当Na OH,Ca(OH)2,CMCNa,Na2B4O7·10H2O,SPI,水,纸纤维和秸秆质量比为0.01︰0.01︰0.2︰0.06︰1︰10︰7︰3,热压参数为热压温度140℃,热压时间为30 min时,方案最优,微波预热能使热压时间减至11 min,最终制得的轻质代木包装材料密度为550 kg/m3,静曲强度为18.38 MPa,弹性模量为1926.73 MPa,符合相关标准。结论 SPI改性及复配能改善其胶粘性和防水性,微波预热能提高热压效率与试样性能,以制备满足一定性能要求的零甲醛释放轻质代木包装材料。     

基于粒子群算法的混合储能系统容量优化研究

针对混合储能系统容量优化的问题，以考虑风储微网中混合储能系统(Hybrid Energy Storage System, HESS)为研究对象，提出一种EMD-APSO配置模型。首先，根据蓄电池、超级电容器两种储能装置的特点建立等效电路模型；然后基于经验模态分解(Empirical Mode Decomposition, EMD)建立混合储能的容量优化配置模型，运用自适应粒子群算法(Adaptive Particle Swarm Optimization, APSO)优化求解，得出最优分界点和储能容量配置结果。研究表明，所提出的优化配置方案较好，能满足风电并网要求，且达到储能利用效率和经济效益兼顾，实现了优化效果。