城市基础设施的新日常

城市市政基础设施建设常伴随着对“邻避效应”的隐忧。在保证基础设施基本功能良好运转的前提下,将其转化为城市空间的积极组成部分来共同承载城市居民的日常活动正成为解决该问题的有效方式。通过分析国内外此类城市基础设施建设案例,提出实践中多方协同的机制构建、功能叠合的空间设计、城市文化的回应与延续三个重要方向,形成了“城市基础设施的新日常”的概念,并指出“设施的基本功能”与“公众的日常活动”并重是其主要特征。在此基础上,进一步结合对“新日常”实现要素的分析,总结出在实践中所遇到的难题和应对的新方法,以期为城市建设的高品质发展提供方向性参考。     

基于RF-BiLSTM的柔直阀冷入阀水温预测及冷却能力评估

为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。     

基于双向出行链的电动汽车平抑电网波动策略

针对电动汽车(electric vehicle,EV)时空转移随机性造成的电网波动问题,计及车主的性别差异、车主实时出行目的地不同和车辆双向行驶,提出了一种基于出行随机性双向出行链的EV充放电调度策略。考虑车主实际出行过程,建立EV双向出行链模型;考虑到男女车主出行过程中的性别差异,确定男女实时出行概率模型;以降低电网的波动为目标函数,考虑车主实时出行需求和EV实时荷电状态(state of change,SOC)建立调度模型,并依据所建立模型对EV进行充放电调度。在约280 m²的区域进行仿真分析,结果表明：双向出行链模型更接近用户实际出行规律,其调度策略能够在满足用户实际出行需求的同时,更好地抑制电网波动性。     

一种新型双向三电平倍流LCL-T谐振直流变换器

随着蓄能锂电池恒流充电方式的普及,针对双向车载充电机中传统电压源直流变换器不具备自然恒流输出问题,提出一种新型双向三电平倍流LCL-T谐振直流变换器,其由LCL-T谐振结合三电平级联中性点箝位有源桥构成。由于耦合变压器级联的特殊方式,有源桥各子桥臂可独立或并行工作,据此可设计不同的调制方式控制谐振腔输入电压,建立变换器一倍、二倍准恒流模式。为实现双向功率传输特性一致,谐振腔器件参数采用对称设计,进而研究了一种受归一化频率f_n、品质因数Q控制的LCL-T谐振准恒流输出,并考虑无功功率控制和实现开关管零电压开通,设计满足给定准恒流输出精度的输出工况筛选算法。最后通过所搭建的仿真平台和实验样机证明所提变换器在各模式下均能实现给定精度内的准恒流输出。     

直流微电网的储-荷虚拟直流电机优化控制技术

为提升虚拟直流电机（VDCM）控制对直流微电网的电压惯性与阻尼支持能力,并改善负荷侧的电压响应,提出了储-荷VDCM优化控制技术。通过类比直流电机的外特性建立储能侧和负荷侧VDCM动态模型。对VDCM控制进行改进,在储能侧对系统提供惯性支持,在负荷侧对系统施加阻尼控制,从而消除储能侧VDCM中电压惯性和阻尼的冲突,为系统母线提供足够的动态支撑。在此基础上,设计负荷侧惯性灵敏度控制环节,使储-荷VDCM能够为负荷提供灵活可控的电压惯性。根据李雅普诺夫稳定理论,分析所提VDCM优化控制对系统的稳定支持作用,根据分析提出参数优化方案,并利用时域仿真分析,验证所提控制策略的有效性。     

基于改进YOLOv5的密集场景行人检测方法研究

当前的研究中密集场景行人检测精度较低,为提高检测精度,提出一种基于YOLOv5网络的改进方法V-YOLO,采用加权双向特征金字塔网络(bi-directional feature pyramid network, BiFPN)改进原始网络中的路径聚合网络(path aggregation network, PANet),加强多尺度特征的融合能力,提高对行人目标的检测能力。为了保留更多的特征信息,提高主干网络的特征提取能力,添加残差结构VBlock;引入SKNet(select kernel networks)注意力机制,动态融合不同感受野的特征图,提高对不同行人特征的利用率。使用CrowdHuman数据集进行训练和测试,实验结果表明,所提出算法比原始网络的精确度、召回率和平均精度值分别提高1.8%、2.3%和2.6%,验证了所提出算法能有效的提高密集场景下行人目标检测的准确率。     

一种高电压增益宽范围软开关双向DC-DC变换器

提出一种高电压增益宽范围软开关双向DC-DC变换器拓扑,其以双向Buck/Boost结构为基础,利用耦合电感的漏感与谐振电容串联谐振,能够在非极端占空比条件下实现高电压增益。耦合电感的漏感与谐振电容组成的谐振腔不仅可以控制循环的漏感能量,还可以抑制谐振电流的变化,使其在低压侧较宽的电压范围内,全负载工况下均能实现软开关。所提拓扑采用低压侧交错并联、高压侧串联的结构,使其具有低压侧电流纹波小、相电流小、开关管及电容电压应力低等优点。详细分析该变换器的工作原理,对其电压增益、软开关条件等稳态工作特性进行研究。最后,搭建一台低压侧40～150V、高压侧400V、功率2kW的实验样机,验证理论分析的正确性。     

双向轴流泵装置双向发电水力特性分析EI北大核心CSCD

轴流泵在反向发电时,不同运行工况和几何过流形式可能会导致一定的水力不稳定现象。以某泵站双向轴流泵装置为研究对象,应用SST k-ω模型,对其开展双向发电全流道数值模拟。结果表明:额定转速下,轴流泵装置反向发电效率整体高于正向发电;最优工况下,与正向发电相比,反向发电在泵段有较合理的压力分布,流线相对平顺。正向发电导叶出口压力脉动稳定性较差,对比导叶段漩涡演变和叶轮受力变化规律得出,正向发电导叶内部的大尺度漩涡是引起导叶出口压力脉动不规律以及最优工况效率更低的原因,且是引起叶轮径向力更大的本质原因。研究结果可为泵站双向轴流泵装置及前(后)置固定导叶轴流泵装置在发电工况下的运行稳定性提供理论支撑和工程参考。     

基于VMD-Informer-BiLSTM模型的超短期光伏功率预测

由于光伏出力的波动性和随机性给电网的规划和运行带来了挑战,因此提高光伏功率预测的精度对提升新能源系统的稳定性具有重要意义。为此提出了一种结合模态分解、多维特征建模、Informer、双向长短期神经网络(bidirectional long short-term memory network,BiLSTM)的超短期光伏组合预测模型。首先通过变分模态分解将光伏功率序列分解成不同频率的本征模态函数(intrinsic mode function,IMF),降低光伏功率信号的非平稳性与复杂度;随后使用离散小波变换提取天气因素中的细节分量,实现不同分解算法的优势互补,并用随机森林算法为每个IMF筛选冗余特征,然后将特征矩阵送入Informer进行建模,提取不同时间步中关键时刻的信息,提高对长时间序列的预测效率;最后为进一步提高模型预测精度,分析误差序列特性,利用BiLSTM进行误差校正。采用实际光伏数据进行算例分析,结果表明所提方法提高了超短期光伏功率预测精度。     

基于TSNE-BiGRU模型短期电力负荷预测

短期电力负荷预测是电力系统合理调度与安全稳定运行的基础。为提高电力负荷预测精度,提出一种基于t分布邻域嵌入(t-SNE)算法和双向门控循环单元(Bi-GRU)网络的短期电力负荷预测方法。该方法首先通过多标签处理将电力负荷时序数据转换成高维时间戳数据,进而在维持数据信息完整性的前提下通过t-SNE算法对其降维,并结合实时电价数据,基于Bi-GRU网络学习时间戳数据、实时电价数据及实时负荷数据之间的非线性特性,最后经全连接输出层聚合相关信息给出预测结果。基于新加坡地区电力基准数据集进行试验,对比分析所建模型TSNE-BiGRU与基准模型Bi-GRU及GRU的预测性能。试验结果表明所建模型TSNE-BiGRU具有良好的鲁棒性,能有效提高短期电力负荷的预测精度。其平均百分比误差值为0.49%,相较Bi-GRU与GRU,分别降低了23.44%与32.88%;其平均绝对误差值为30.58,相较两基准模型分别降低了22.19%与32.84%;其均方根误差值为39.40,相较两基准模型分别降低了17.16%与27.88%。