基于EEMD的混合储能平抑光伏输出电压波动

随着光伏发电和直流微电网的发展,以光伏电池作为主要电能来源的直流微电网将会有更多的研究应用, 然而光照强度和温度等变化使得光伏电池输出功率波动,这将引起直流母线电压剧烈波动,威胁直流微电网的安全稳定运行.针对光伏输出功率导致的母线电压波动问题,提出基于聚类经验模态分解 (EnsembleEmpiricalModeDecomposition,EEMD)进行频率分配的混合储能系统控制策略,将光伏原始输出功率中的高频分量作为超级电容响应的指令功率,提升了混合储能对电压波动的抑制效果,维持直流母线电压稳定.仿真试验结果表明,所提方法能够发挥超级电容响应速度快的优势,使超级电容响应高频波动功率,平抑直流母线电压波动,同时减少蓄电池充放电次数,延长蓄电池的使用寿命。     

散热片数对湿式潜水感应电机噪声影响分析

针对感应电机运行中的噪声问题,通过对一台160 kW潜水感应电机进行多物理场耦合有限元计算,结合解析法对径向电磁力的阶次和频率进行探究,分析了电机气隙中径向电磁力波的时空特性,并通过声学仿真进行了噪声的相关计算。考虑径向电磁力的二维傅里叶分解得到的结果和机壳模型模态的阶次与频率,分析说明了噪声的来源,提出可通过如调整电机机壳散热片数等方式改变电机模态在阶次与频率上的分布或降低机壳振动系数实现噪声控制的目的。     

基于CNN-BiGRU-Attention的非侵入式负荷分解

随着智能电网的迅速发展,为了有效提高电能的使用率,合理规划电能资源,建立全国范围内的智能用电和负荷监测系统,非侵入式负荷监测(NILM)和分解问题一直受到广泛关注。为提高非侵入性负载分解性能,提出一种基于耦合神经网络的非侵入式负荷分解方法。首先,对数据集进行归一化和预处理。其次,构建一种将卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的混合深度学习模型,对数据的空间特性和时序特性进行充分挖掘,并加入注意力机制,关注重要信息,剔除冗余特征。最后,采用国内自测数据集进行试验,使用不同的评价指标对该耦合神经网络进行评估,并与其他的常用分解模型进行对比。试验结果表明,所提方法的均值绝对误差与绝对误差和相较于其他分解方法都有所降低,均值绝对误差平均下降了35.9%,绝对误差和平均下降了39.9%。     

小功率水电站变速恒频控制系统研究

针对传统小水电站并网系统控制复杂、低流量下效率低等问题,提出一种基于电压空间矢量脉宽调制的永磁直驱水电并网控制系统。该系统采用背靠背的双PWM变流器将水轮发电机组和电网分离,通过电压空间矢量脉宽调制法实现能量的双向流动。机侧变流器采用单位功率因素控制,以发电机转速为控制对象,将水流冲击产生的有功电能输送到直流母线上,同时实时跟踪水轮机最佳转速点,实现水轮机组最大功率输出。网侧变流器采用基于电网电压矢量定向的有功、无功分解控制,以直流母线电压为控制对象,往电网传输有功电能,同时进行无功补偿。最后仿真及实验验证了该控制系统的有效性。     

基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究

为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twin support vector regression,LSTSVR)算法进行风电场风速预测。分别介绍了LSTSVR、EEMD及自适应变异粒子群算法原理。给出基于EEMD和LSTSVR的风速预测流程,以安徽女儿岭风电场测风声雷达30、70 m处风速采样数据为例,开展基于EEMD和LSTSVR的风速预测算法验证,预测结果误差分析表明:基于EEMD+LSTSVR+自适应变异粒子群算法可以实现风电场风速的高精度预测。     

基于压缩感知的BOTDA性能增强方法

为了提高布里渊光时域分析系统(BOTDA)在长距离监测应用中的实时性,提出了一种基于压缩感知的布里渊光时域系统实时性增强方法。该方法包含稀疏表示、随机采样和信号重构三个部分。首先采用K-均值奇异值分解算法获得布里渊增益谱的稀疏表示,然后通过高斯随机采样和正交匹配追踪算法进行布里渊增益谱重构。为了验证所提方法的性能,仿真生成了不同信噪比水平的布里渊增益谱,搭建了45 km的布里渊光时域系统进行温度传感实验。仿真和实验结果表明:在累加平均次数为100时,所提算法将信噪比提升了6.37 dB,优于累加平均次数3000时的10.13 dB,对应测量时间减少了1/30;采用8 MHz步长数据重构布里渊增益谱,该方法的重构结果与4 MHz步长数据的相关系数为0.9992,对应扫频时间减少了一半。所提算法在保证测量精度的同时提升了测量实时性。     

计算机基础课程的教学实践分析

阐述计算机基础课程教学的现状,教学改革的设计,包括改进教学模式、更新教学内容、运用任务驱动、改革考核方式、提升专业技能,从而提高教学效率。     

基于光纤传感的呼吸与心跳信号采集方法

为了实现无束缚式的居家健康生理信息检测,提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题,提出了一种变分模态分解联合改进小波阈值函数的降噪算法,首先利用变分模态分解去除信号中的大部分高频噪声,其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明,该方法获得的心率的最大误差率为8.75%,呼吸的最大偏差为1 beat/min。     

面向视角非对齐数据的多视角聚类方法

如何在视角对齐关系错位时有效进行非对齐多视角学习是一类新的挑战性问题。针对这一问题,提出面向视角非对齐数据的多视角聚类方法。一方面,为了捕获多视角异构特征的跨视角相似度信息,基于多视角非负矩阵分解进行表示学习,将原始特征嵌入一个可度量的低维同构空间。另一方面,在低维同构空间中,以二部图最优匹配模型建模视角对齐关系,并提出参考视角概念将模型推广至多视角情形。将表示学习和视角对齐关系学习整合到统一的Bi-level优化框架,使其在迭代中相互促进,进一步提高模型对视角非对齐数据的学习能力。在视角非对齐数据聚类应用上的大量实验结果表明,相比于8种先进的多视角聚类方法,所提方法在3个数据集上的多项性能指标均取得了较优的性能。     

基于电抗器开断过电压特征分析的匝间绝缘短路故障在线辨识

干式空心电抗器内部包封固化不易拆卸,当出现匝间绝缘短路故障时难以发现,停电检修维修成本较大周期较长,为了能利用运行中的信号在线检测出匝间绝缘故障,提出一种基于电抗器开断过电压特征分析的匝间绝缘故障辨识方法：在电抗器匝间绝缘短路故障分布式参数模型基础上,建立了带有匝间绝缘短路故障的电抗器开断过电压模型,分析匝间绝缘短路故障对电抗器开断过电压波形的影响作用,并利用变分模态分解算法对过电压波形进行频谱分析,最后搭建计及匝间绝缘故障开断过电压仿真模型,对存在不同程度的绝缘短路的电抗器进行开断模拟,获取电抗器开断电压波形及其振荡频率等数据,对波形数据进行分析和特征提取,量化开断过电压最大幅值及振荡频率与绝缘之间的差值,可以有效辨识出匝间短路故障。