铁岭市近60年来降水的多时间尺度分析

利用线性回归分析、Morlet小波分析和M-K突变分析三种方法,分析了铁岭市近60来降水的多时间尺度变化特征。结果表明:铁岭市年降水、夏季降水和秋季降水呈减少趋势,春季降水基本不变,而冬季降水略有增加;年降水和四季降水均存在27~28年时间尺度的干湿期转换;年降水和四季降水变化均存在突变现象,年降水和夏季降水突变开始时间为1965年,秋季为1974年,这与年降水的逐年变化曲线是一致的,春季降水在1973年和1987年前后发生突变,冬季降水在1972年和1982年前后发生突变。     

基于改进Wave-U-Net跳跃连接的盲源分离算法

为了进一步提升现有盲源分离算法的分离性能,本文在Wave-U-Net的基础上提出了一种全尺度跳跃连接模型。首先为了解决Wave-U-Net下采样过程中信号特征丢失问题,该模型在跳跃连接中增加了卷积操作,通过对不同时间尺度的特征图进行连接,有效地结合了信号的浅层特征和深层特征,提升了模型的分离性能。针对Wave-U-Net最佳深度取值和全尺度跳跃连接模型的参数过多的问题,本文进一步提出了多尺度跳跃连接模型。在多尺度跳跃连接模型中,通过嵌入不同深度的Wave-U-Net来代替跳跃连接中的卷积操作,在牺牲一部分分离性能下减少了模型参数,该模型共享下采样块来降低模型训练时间以及模型最佳深度取值带来的影响。仿真实验表明,相比于其他基线模型,本文提出的两种模型能显著提升信号分离性能,在SDR,SIR,SAR提升奖将近3~4 dB。      

多维固有时间尺度分解算法

针对控制回路、机械系统实际运行数据复杂多变、非稳定、非线性、信号耦合性强等问题,提出了一种新的多维信号分解方法,多维固有时间尺度分解(MITD)。给出了算法步骤;对所提出的MITD进行一定程度优化,以达到更好的分解效果;对所提出算法进行仿真分析和工业实例分析,表明了MITD对多维数据分解的优越性。     

Non-saturation Throughput of S-ALOHA Using the Time-Scale Decomposition Technique

S-ALOHA （Slotted ALOHA） random access protocol is a widely used protocol mainly for the transmission of short packets in wireless networks. Most papers consider either an infinite population model where the impact of the backoff protocol cannot be adequately evaluated or a finite population model where the number of nodes is fixed. In this letter, a combination of both models is proposed using the time-scale decomposition technique. This methodology allows to study the system under more realistic conditions where the dynamics of users enter and leaving the system are reflected on the performance of the system as well as the impact of the backoff protocol. Also, it allows studying the system in non-saturation conditions. The proposed methodology divides the analysis in two parts： packet-level and connection-level. This analysis renders suitable results when the time scale of the packet level and connection level statistics is different. On the other hand, when these scales are similar, the proposed methodology is no longer suited.     

考虑负荷类型和时间尺度的配电网故障恢复

大量分布式电源的接入会对配电网故障恢复造成影响,为提高故障恢复率,本文提出了一种考虑负荷类型和时间尺度的故障恢复策略。首先,构建风-光-储和负荷需求模型,采用广度优先搜索算法进行孤岛划分,同时考虑用户侧管理资源,确保重要负荷的恢复;其次,考虑联络开关状态集的调整,采用商业求解器CPLEX重构配电网剩余部分,以达到最优的供电恢复效果;最后,利用IEEE33节点配电系统进行仿真验证。结果表明,针对分布式电源的不确定和负荷需求变化,储能可以起到很好的平抑作用,且本文策略可以快速有效地实现故障恢复。     

一种多时间尺度电力系统奇异摄动模型的推导

由于电力系统是一个多时间尺度的高阶非线性系统,其稳定性分析就变得异常复杂。为了提高稳定计算的效率．研究电力系统的多时间尺度动态模型及其降阶是非常必要的,为此,以电力系统物理电路为基础．导出了一个计算快动态和慢动态的电力系统奇异摄动模型。利用系统化的降阶方法,对电力系统模型进行降阶,并通过忽略快动态和固定慢动态,得出一个简化的、符合传统电力系统储备结构的电力系统模型,这对理解系统失稳机制具有重要意义。     

直流电压时间尺度下光伏并网控制系统稳定性分析

随着光伏发电并网规模的扩大,由其换流器控制系统动态特性引起的小干扰稳定性问题愈加突出。而单台光伏发电单元容量较小,故并网光伏发电系统中往往包含大量光伏发电单元,系统模型阶数较高,极大地增加了稳定性分析的复杂程度。因此,为提出一种较为简单有效的稳定性判别方法,文中首先通过时间尺度分解建立并网光伏发电系统在直流电压时间尺度下的小干扰稳定分析降阶模型;随后,在该模型的基础上,由劳斯-赫尔维茨判据推导得到系统的小干扰稳定判据,并结合判据分析直流电压时间尺度下影响系统小干扰稳定性的关键因素,辨识出3个影响稳定性的不利因素：重负荷、弱连接、不恰当的控制参数设置;最后,通过仿真算例验证该稳定性判据的正确性和有效性。结果表明：所得出的稳定性判据能有效评估并网光伏发电系统在直流电压时间尺度下的小干扰稳定性,并且不需要建立复杂高阶的系统模型,极大地简化了计算和分析过程。     

基于多时间尺度卷积神经网络的煤改电用户负荷识别方法研究

为提高煤改电用户负荷识别准确率,该文提出了一种基于多时间尺度卷积神经网络的煤改电用户负荷识别模型。首先,利用粗粒度过程得到原始负荷数据的多尺度表示;然后将多尺度负荷样本输入MT-CNN模型进行训练,并行获取丰富且互补的负荷特征信息;最后以京津冀地区不同类型用户负荷样本进行实验分析,识别准确率达到99.64%,相比使用传统卷积神经网络模型和机器学习算法时的准确率显著提高,且具有良好的鲁棒性和泛化性。