基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究

为了提高电力系统负荷预测的精度,维护电力系统运行的安全稳定性,提出一种基于特征向量的自组织映射聚类和改进的径向基函数神经网络相结合的电力负荷预测模型。通过提取能够体现每日电力负荷特性的特征向量,对样本进行聚类,采用具有相似特征的数据作为神经网络的训练样本,提高了样本规律性。采用粒子群算法（particle swarm optimization,PSO）修正神经网络粒子群速度及位置,以克服梯度下降、局部最优等问题对网络预测精度的影响。基于某地配电网电力负荷数据,验证了所提模型的有效性及良好的适应性。     

新型电力系统下多分布式电源接入配电网承载力评估方法研究

随着光伏和风电等多种分布式电源的接入,使得传统配电网的结构及其运行状态发生了较大改变。因此,通过建立直观的分布式电源接入评价体系,对新型电力系统背景下的配电网接入分布式电源的承载力进行合理评估成为重要的研究内容。以可再生能源及无功补偿装置接入的新型配电网中风电和光伏发电的最大容量为目标函数,建立分布式电源接入配电网的承载能力模型,通过二阶锥松弛将该模型转化为二阶锥规划模型进行求解。然后考虑到配电网运行的优质性、经济性以及灵活性,建立多层次承载能力评估体系,根据模型求解结果计算承载能力评价指标,再通过组合赋权法将评价指标计算结果转化为综合评分。最后通过对IEEE33节点系统配电网模型进行算例分析,结果表明所提评估方法更为全面、有效。     

交变电场在还原染料电化学还原染色中的 增效作用研究

采用自制的间接电化学还原染色装置将还原艳绿FFB还原成隐色体钠盐,在染色过程中加以交变电场,从而促进还原染料隐色体上染纤维,研究了电场强度、温度和pH、染色时间对染色效果的影响。结果表明:在电场强度1 600 N/C、pH 11.5、染色温度45℃的条件下染色,9 min即可达到染色平衡,染色K/S值最高可达20.07,在相同染料浓度下较常规电化学还原染色和传统还原染料染色高,且湿摩擦牢度和皂洗牢度可提高0.5~1级。