基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测

准确预测光伏发电功率对电网调度具有十分重要的意义.该文提出一种基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测方法.首先,利用灰色关联分析对某地区多光伏电站进行空间相关性分析,选取与待预测光伏电站高度相关的周边电站;然后,基于GeoMAN模型动态提取待预测光伏电站的时空特征和外部气象因素,GeoMAN模型采用编解码结构,利用编码器动态提取待预测光伏电站的站内特征和与周边相关电站的站间空间特征,利用解码器提取输入变量的时间特性,并融合晴空指数和数值天气预报动态输出光伏发电预测功率;最后,采用实际光伏电站进行案例分析,结果表明该文所提出的预测方法与传统LSTM模型相比,实现了更高精度的光伏发电功率短期预测.     

基于负载感知和伪流言机制的高稳定性路由协议

通过建立无人机自组网可以有效满足无人机集群作战的组网通信需求,但相较于传统移动自组网,无人机自组网具有节点移动速度更快,网络拓扑高度动态变化的显著特征.针对链路频繁断开带来网络性能下降严重的问题,提出了一种基于负载感知和伪流言机制的高稳定性路由协议.网络拥塞和节点移动性是影响路径稳定性的两个主要因素.针对网络拥塞问题,提出了基于节点负载预测的伪流言受限洪泛机制,在发起路由请求过程中,通过动态调整节点转发概率,均衡了网络负载的同时降低了控制开销.针对无人机节点的高移动性特征,基于接收到分组信号功率强度,提出了链路稳定性的联合度量指标.仿真结果表明,与AODV协议及其他改进型协议相比,该协议有效减少了网络的控制开销,提高了分组投递率,降低了平均端到端时延,显著改善网络性能,增强了数据传输的实时性和可靠性.     

基于改进卷积双向门控循环网络的轴承故障诊断

针对传统深度学习方法没有充分利用轴承信号的时序特点,以及难以处理动态数据的问题,提出一种基于改进卷积双向门控循环神经网络的轴承故障智能诊断方法。采用卷积神经网络从输入信号中提取代表性特征,引入双向门控循环神经网络挖掘故障数据在时间维度上的语义信息,通过注意力机制自适应地对特征图通道赋予不同权值,从而实现高精度的轴承故障诊断。在公开轴承数据集上进行实验,实验结果表明,该方法能够正确地将轴承故障分类,分类精度可达996%。     

面向我国电力市场的需求响应市场化交易机制设计

随着我国2060年“碳中和”发展目标的提出,我国可再生能源装机容量和装机比例都将快速增长。由于可再生能源的随机性和反调峰特性,电力系统调峰能力不足等问题日益突出,系统安全稳定运行面临极大挑战。需求响应作为灵活性调节资源,其发展有利于提升电力系统运行的安全性和灵活性。当前,我国已在多省开展了各具特色的需求响应试点,随着我国电力市场建设的快速推进,建立需求响应市场化交易机制,实现需求响应与我国电力市场的有机衔接迫在眉睫。文章以需求响应国际发展经验为基础,深入分析了我国需求响应发展现状及面临的挑战,结合我国电力市场建设路径,设计了面向我国电力市场的需求响应市场化交易机制,为我国需求响应发展提供了可行思路。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。     

电力市场技术支持系统人机图形组态架构及关键技术

电力市场技术支持系统需要随市场规则变化不断调整,现有的电力市场技术支持系统在人机图形展示方面主要依赖定制化开发,在运维升级方面存在明显局限。文中结合电力市场数据特点,分析电力市场数据的图形展示交互需求,提出一种电力市场多维度数据灵活展示的图形组态架构,并对其关键技术如属性引用及事件交互组态、多维数据动态关联定义、基于推送和触发模式相融合的数据交互、业务人机操作的扩展等进行了讨论。最后,通过实际应用结果验证了所提人机图形组态架构的可行性。     

基于区块链的配电侧多微电网电能去中心化交易模型

配电侧多微电网小量、频繁的电能交易使得传统集中交易模式的运行成本增高、效率降低、安全风险增大。为此,基于区块链技术,提出去中心化的配电侧多微电网电能交易模型。首先,精细阐述了配电侧多微电网电能交易与区块链技术的契合度,并给出搭建交易平台和部署合约的具体方法。其次,为保证参与主体的利益,同时提高交易匹配效率,在智能合约中嵌入双向拍卖定价机制,并提出能够根据市场变化及时调整的自适应进取值方法。再次,为维护配电网的安全运行,针对潮流约束和电压偏移问题设计了适用于智能合约的动态约束法。最后,通过以太坊网络Ganache客户端搭建了一个实际可运行的电能交易平台,算例与分析表明所提交易具有可行性和有效性。     

基于深度高斯过程回归的视频异常事件检测方法

针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特征提取和检测两个步骤。在测试阶段,相对于训练样本集的后验概率的对数似然较小的被判定为异常。方法在一个模拟数据集和一个完全真实的数据集上进行了实验验证,实验结果证明所提出的方法在两个数据集上分别达到了83.9%的帧级AUC和34.4%的帧级AUC,在性能上达到了现有技术发展水平。     

基于非下采样Contourlet变换耦合特征选择机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

改进乌鸦算法的光伏阵列MPPT研究

在局部遮阴或光照不均匀的情况下,光伏阵列的功率-电压(P-U)特性曲线会出现多个极值点.传统智能优化算法普遍存在收敛速度慢、精度低和易陷入局部最优等缺陷.为解决该问题,提出改进乌鸦算法(ICSA)的MPPT控制方法.在种群初始化上,引入基于反向学习的Tent混沌初始化策略,增加种群多样性,帮助跳出局部最优;在算法位置跟踪上,引入异花授粉策略与共享机制相结合更新乌鸦位置,提高算法收敛速度和精度.通过建模仿真,证明了改进乌鸦算法在复杂环境条件下跳出局部最优能力更强、具有更快的追踪速度和更高的精度.