基于IAOA-VMD-LSTM的超短期风电功率预测

为了对风电功率进行精确预测,提出一种基于改进算术优化算法（IAOA）、变分模态分解（VMD）和长短期记忆网络（LSTM）的超短期风电功率预测模型（IAOA-VMD-LSTM）。利用IAOA对VMD的关键分解参数k和α进行优化,得到的各固有模态函数（IMF）具有周期性,能够提升LSTM的预测精度,同时利用IAOA对LSTM网络参数进行优化。通过对风电功率数据进行预测分析,结果表明IAOA-VMD-LSTM预测模型相比于其他模型的预测精度更高。     

面向风电制氢的超短期组合功率预测

为解决因风电随机性带来的“弃风”问题,实现宽功率波动下的高效制氢,提出基于最小二乘支持向量机（LSSVM）的超短期组合预测模型,提高风电功率预测鲁棒性。通过变分模态分解（VMD）预处理将风电功率分解为不同带宽的子模态,以降低随机噪声及模态混叠的影响;引入蜻蜓算法（DA）优化LSSVM,建立超短期组合预测模型,以满足电解槽控制的时间分辨率及精度要求。以河北省某风电制氢示范项目为例,验证该算法对于高波动性数据具备更高的预测精度,为风电制氢系统的优化控制提供依据。     

缺陷钙钛矿LaMnO3催化煤矿乏风瓦斯燃烧性能

我国煤矿开采乏风瓦斯排量大,其温室效应是CO₂的21倍,会引起严重的环境问题。催化燃烧作为一种高效、绿色的净化技术,在较低温度下可将低浓度甲烷完全转化。目前,甲烷催化燃烧反应的关键科学问题是氧活性位的确认及其催化机制。采用溶胶-凝胶法制备一系列不同物质的量比La/Mn的菱形钙钛矿LaMnO₃-x催化剂,并考察其在甲烷催化燃烧的反应性能。通过X射线衍射、N₂物理吸附、透射电子显微镜和H₂-程序升温还原技术对催化剂的物化性能进行表征。此外,采用X射线光电子能谱、O₂-程序升温脱附和拉曼光谱技术研究了钙钛矿LaMnO₃-x中氧物种的种类和相对含量。X射线衍射结果表明,所有催化剂均为菱形钙钛矿LaMnO₃结构,未观察到其他La和Mn物种的衍射峰。固定床评价结果表明,钙钛矿LaMnO₃-90具有介孔孔道,比表面积较大,且具有最多的体相和表面晶格氧物种,使其催化活性最高。此外,缺陷钙钛矿LaMnO₃-9...     

基于分布式光纤的电网台风灾害预警方法研究

台风引发输电线路不同程度的运行故障,其根本原因在于风荷载的影响。因此为了保证电网的安全稳定运行,文中介绍了一种基于分布式光纤测风技术,提出了一种电网台风灾害实时预警方法。通过分布式监测设备得到的风速计算出实时风荷载,综合考虑线路在大风持续下带来的损耗不一、自身运行状态、运维遗留问题等三方面因素,动态修正设计风荷载,并与实时风荷载建立相应判据,发布对应的预警信息以及损耗排序,指导电网人员首选大风险或潜在风险档距进行巡检,避免盲目的同时大大减少工作量,将台风灾害损失降到最低。     

风力机机头风速与输出功率相关性分析及应用

鉴于用机头风速代替入流风速来预测输出功率的误差较大,因此以某实际风电场为例,计算机头风速和入流风速之间的相关系数,将机头风速拟合成关于入流风速的线性式,并对比由机头风速预测所得的输出功率曲线与模型功率曲线。结果表明,当机头风速与入流风速的线性关系式的一次项系数与1偏差不大时,使用机头风速预测的输出功率较可靠。但对于风场里的后排风机,必须先使用Jensen尾流模型求出后排风机的入流风速,再预测输出功率。将此方法应用于实际风场中预测的超短期输出功率与实测功率基本吻合,进而证实了此方法在风电场输出功率预测中的可行性。     

侧风对储物箱的安全性影响分析与试验

针对一种大尺寸储物箱在大风速侧风作用下装卸时存在滑移甚至倾覆风险的安全性问题,采用数值分析方法,分析不同风速作用下储物箱受到的侧向力和倾覆力矩,数值分析计算结果表明：在平均风速15 m/s和瞬时风速25 m/s的情况下,储物箱不会发生滑移和倾覆;针对该储物箱开展加载试验验证,试验结果表明：在3.193 N侧向拉力作用下储物箱未发生滑移和倾覆,佐证了数值分析结果的准确性,证明该储物箱在平均风速15 m/s和瞬时风速25 m/s的情况下装卸是安全的。     

基于风速误差校正和ALO-LSSVM的风电功率预测

风资源的随机波动性引起的相位滞后性问题,导致风电功率预测精度不高,尤其是风速变化较快时,滞后性引起的预测误差较大。考虑到风速波动与风功率变化密切相关,提出一种非参数核密度估计和数值天气预报(NWP)相结合的方法,并对预测风速误差进行校正,改善了预测风速的相位滞后性;然后将校正后的风速和风功率作为输入数据进行风电功率预测;采用蚁狮算法(ALO)优化最小二乘支持向量机(LSSVM)参数,从而建立基于风速误差校正和ALO-LSSVM组合的风电功率预测模型。算例结果表明,所提方法风功率预测精度更高。     

基于风电机组状态的超短期海上风电功率预测

提出一种基于风电机组状态的超短期海上风电功率预测模型。首先,综合考虑海上环境因素以及风电机组部件间的相互作用建立指标的预测模型,以长短期记忆神经网络的预测误差作为监测指标的动态劣化度;然后采用模糊综合评价法对风电机组的运行状态进行评估,依据评估结果对风电机组历史运行数据进行划分;最后根据分类后历史运行数据建立基于机组状态的超短期风电功率预测模型。结合国内某海上风电场实例数据进行分析,算例结果表明所提方法可有效提高风电功率预测精度。     

基于多层语义融合注意力机制的短期风电功率概率密度预测方法

获得未来风电功率的短期概率性信息将有助于电网的综合能源调度,为此提出一种结合多层语义融合注意力机制的短期风电功率概率密度预测方法。为尽可能获得更多语义层下的编码信息,在编码阶段引入循环高速网络（RHN）并通过深层的RHN网络结构最大程度地提取输入特征的底层关联信息。设计多层语义融合注意力机制以融合不同语义层下的局部注意力向量,进一步加强编码特征向量的表达能力,并将网络的输出与分位数回归和核密度估计方法结合,得到不同分位点下未来短期风电功率的预测结果与连续概率密度分布。实验结果表明：提出的短期风电功率概率密度预测方法不论是在预测的得精度上,还是在具有不确定性的预测结果分布上均优于其他比较模型。