大规模电网解列控制可行性判断

解列是电力系统在受到大干扰、系统完整性无法保持的情况下将系统分解成几个孤岛的控制。基于在线信息做可行性判断,是实施解列控制的决策前提。从解列控制的主要目标隔离异步机群出发,分析影响解列可行性的众多约束,指出同调约束是其中最关键约束。在阐明电力系统机群失稳机理之后指出,只有那些有显著机群模式、机群之间存在弱连接的电力系统,才是适合解列的系统。据此,提出基于特征分析的解列可行性判断方法,给出解列可行的3个必要条件,通过对若干典型系统的仿真计算,证明方法的有效性。     

基于Vondark-Cepek滤波的氢铯时间尺度融合方法研究

氢原子钟和铯原子钟是当前国际原子时和各国标准时间产生的主要精密频率源,二者分别拥有优良的短期和长期稳定度特性。充分利用氢钟短稳和铯钟长稳进行时间保持成为时间产生过程中的一项关键技术。以提高时间尺度的长短期稳定性为目标,提出了Vondark-Cepek组合滤波的氢铯融合时间产生方法。首先利用AT1算法分别对氢钟组和铯钟组各产生一个钟组时间尺度,然后根据最小二乘原则对Vondark-Cepek组合滤波关键参数进行选取,进而通过氢钟组时间尺度时间序列的差分信息对铯钟组时间尺度进行性能增强,从而获得氢铯融合时间尺度。计算结果表明:该时间尺度1 h稳定度为3. 36×10-15,15 d稳定度为3×10-15,均优于氢铯单个时间尺度相同平均时间上的性能指标。     

LQR与SDP相结合的电网暂稳态耦合控制研究

电网的优化控制需要解决不同时间尺度(年月级规划、小时级调度、毫秒级频率调节)问题,忽略任一时间尺度均会威胁电网安全。为此,提出了稳态运行、暂态稳定性及电网控制的耦合控制模型,将涉及系统安全的多时间尺度问题进行联合控制。首先将电力系统的稳态运行表示为凸优化问题,然后利用线性时不变系统来表示电网的暂态动态特性,并将线性二次型控制器表示为半正定规划进行最优控制,最后建立包含稳态运行变量的线性二次型控制器成本矩阵函数,将凸稳态运行模型和由线性二次型控制器转换的半正定规划公式融合为半正定规划问题。通过算例模拟了稳态运行与暂态控制的耦合优化控制,结果验证了控制算法的有效性。     

参数激励下分段线性两尺度系统的分岔

对参数激励下分段线性系统进行了稳定性及分岔分析。以蔡氏电路系统为模型,在电阻中引入周期变化的部分,使得周期激励频率与系统固有频率之间存在量级差异,构造了两时间尺度非光滑动力系统。将该非自治系统化为广义自治系统,研究广义平衡点的稳定性,给出其失稳的分岔条件。在非光滑面处引用广义Jacobian矩阵进行非光滑分岔分析,得到了相应的分岔条件。     

应用于风电场出力平滑的多尺度多指标储能配置

风电场出力具有较强的波动性与不确定性,往往需配置储能以平滑其出力波动、满足风电并网导则要求。针对这一问题,提出了应用于风电场出力平滑的多尺度多指标储能配置模型。首先提出分段线性化的风电出力波动越限惩罚评价方法,并基于此构建了以考虑越限惩罚、储能成本以及限电损失的总运行成本最小为目标的多指标储能配置模型。该模型同时兼顾风电并网1 min与10 min的多时间尺度波动越限要求。为精确求解该模型,采用大M法将原有非线性模型转换成混合整数线性规划模型,通过调用Gurobi求解器求解。最后,基于一周的实际风电场数据,仿真验证了所提方法的有效性。     

不同时间尺度的慢变量引起的簇放电研究

本文基于两个重要的慢负反馈机制给出了一个组合型的胰腺β-细胞模型.在这个模型中,不同簇放电模式对快、中、慢的振荡周期具有鲁棒性,这样可以通过快振荡周期簇放电模式的快慢动力学分析得到所有簇放电的动力学机理和拓扑类型.对于快振荡周期的簇放电,较慢的慢变量α几乎为常数,较快的慢变量Cer对快子系统没有影响,因此只要考虑慢变量...     

中等时间尺度下弹道明胶的线性黏弹性模型EI北大核心CSCD

在不同时间尺度下,明胶表现出不同的黏弹性行为。应用蠕变和应力松弛模式研究质量分数为10%的弹道明胶在中等时间尺度下的线性黏弹性行为。低剪切速率下的连续加载-卸载实验显示,在常规感知的时间尺度下(～1min)弹道明胶接近完全弹性体,其线性区应变范围为0～0.25。对蠕变实验对应的中等时间尺度(>1h),选择样品老化24h作为实验起点,这时明胶结构缓慢老化带来的影响可以忽略,从而能够构建恒定参数的本构方程来描述弹道明胶的线性黏弹性行为。对1组蠕变实验结果进行分析,可确定Burgers模型的4个粘弹性参数,然后使用该组参数的模型预测另外2组蠕变实验以及应力松弛实验。结果表明Burgers模型能较好地表征弹道明胶在中等时间尺度下的线性黏弹性行为。     

融合多时间尺度和特征加强的知识图谱推荐模型

针对现有的知识图谱推荐模型没有考虑到用户的周期特征以及待推荐项目会对用户近期兴趣产生影响的问题,提出一种融合多时间尺度和特征加强的知识图谱推荐模型（MTFE）。首先,采用长短期记忆（LSTM）网络在不同时间尺度上挖掘用户的周期特征并融入到用户表示中;然后,通过注意力机制挖掘待推荐项目中与用户近期特征相关性较强的特征,将其加强后融入项目表示中;最后,通过评分函数计算用户对待推荐项目的评分。在真实数据集Last.FM、MovieLens-1M和MovieLens-20M上把所提模型和个性化实体推荐（PER）、协同知识嵌入（CKE）、LibFM、RippleNet、知识图卷积网络（KGCN）、协同知识感知注意网络（CKAN）等知识图谱推荐模型进行对比。实验结果表明,在三个数据集上MTFE相较于表现最优的对比模型的F1性能分别提升了0.78、1.63和1.92个百分点,AUC指标在三个数据集上分别提升了3.94、2.73和1.15个百分点。可见,所提模型相较于对比图谱推荐模型有更好的推荐效果。