考虑多种储能的数据中心综合能源系统配置优化

数据中心是中国数字化发展的关键基础设施,如何通过配置多种储能设施以降低数据中心综合用能成本亟须研究。对数据中心采用的储能技术路径进行了效益分析,考虑了数据中心综合能源系统配置优化及能源系统运行策略。以北京某数据中心为例,进行算例分析,结果表明数据中心优化配置应急与调峰储能及系统运行策略对数据中心提高能源供应可靠性、降低运行成本具有积极作用。     

基于改进支持向量回归的IGBT老化预测

为了准确预测绝缘栅双极型晶体管（IGBT）的老化状态,提出了一种基于改进鲸鱼优化算法（IWOA）优化支持向量回归（SVR）的IGBT老化预测方法。该方法提取IGBT集电极-发射极电压信号的时频域特征,通过核主成分分析（KPCA）降维将时频域特征融合成一个综合指标来表征IGBT的老化状态;针对鲸鱼优化算法（WOA）不足,在WOA的基础上引入Sobol序列种群初始化、惯性权重和反向学习策略,增强WOA的局部搜索能力和收敛速度;利用IWOA优化SVR的惩罚因子和核参数,并构建一种基于综合指标的IGBT预测模型。利用NASA Ames实验室的IGBT老化数据集对IWOA-SVR方法进行验证,结果表明,所构建IWOA-SVR预测模型可以更准确实现对IGBT的老化预测。     

计及用户参与不确定性的虚拟电厂分布鲁棒优化模型

灵活资源的需求响应行为在不同运行状态、激励水平下有很大的不确定性和差异性,需求响应优化方案的精准度有待进一步提高。针对这一问题,提出了一种虚拟电厂中计及用户需求响应不确定性的分布鲁棒优化方法。考虑可中断、可转移、可增长3种灵活资源的响应特性,构建包含用户响应特征参数的精细化需求响应模型;以提升虚拟电厂经济性、电网友好性和用户舒适性为子目标,构建促进多方利益最大化的多目标优化模型;基于数据驱动的分布鲁棒方法,构建精细化响应模型中随机参数的概率分布模糊集,提出虚拟电厂两阶段分布鲁棒优化模型,并采用强对偶理论进行转化求解。算例仿真结果表明所提模型能够提高需求响应精度和虚拟电厂经济收益。     

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。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于合同功率与持续时间的电网老化和可靠性优化

为解决线路老化与电网可靠性之间的权衡问题,通过最小化因导体温度升高引起的需求损失和网络老化,优化每条负载母线的平均需求损耗,以提高线路额定值和修改负载曲线。所考虑的线路与负载母线相连接,采用动态线路额定值技术,以削峰填谷形式的需求响应来修改负荷需求曲线,根据剩余平均需求损失的利用率降低允许的峰值负荷。结果表明,与仅优先考虑网络老化保护的方案相比,该方法在网络老化和可靠性并重的基础上,在线路老化允许范围内少量增加线路老化以提高系统可靠性,提高率高达68.9%,具有较高的经济效益。与仅优先考虑提高网络可靠性的方案相比,在整个研究的超标温度允许范围（1%~25%）内,线路老化平均降低70.3%。     

基于IPSO-BiLSTM-AM模型的超短期风电功率预测方法

针对现有模型预测准确性与稳定性较低的问题,提出一种以BiLSTM为基础的风电功率预测模型。BiLSTM可以很好的处理风电多变量之间的非线性关系,其次采用改进的PSO优化BiLSTM的超参数,并通过AM训练模型的权重。最后采用内蒙古自治区某风电场的历史数据进行提前0~15 min试验。结果表明,提出的IPSO-BiLSTM-AM模型具有较高的预测精度,可以为风电场电力调度与控制提供科学参考。     

考虑频率安全约束及风电综合惯性控制的电力系统机组组合

随着风电渗透率上升,电力系统惯性响应和一次调频能力下降,频率安全问题凸显,有必要在机组日前发电计划安排中考虑频率安全约束。依据电力系统频率安全要求,提出了考虑频率跌落最低值的频率安全约束构造方法。同时引入风电综合惯性控制使风电机组参与一次调频,在此基础上建立了考虑频率安全约束及风电综合惯性控制的机组组合模型。运用M语言动态控制多机频率响应模型进行Simulink仿真,并将其嵌入到改进粒子群优化算法中迭代求解。含风电的IEEE39节点系统算例结果表明,所提模型和方法能有效提升系统频率响应能力,保证系统安全运行。     

组合跳变随机平移宽间隔混沌跳频序列设计

为进一步提高宽间隔跳频序列的性能,基于混沌跳频序列,针对随机平移替代法存在的“窄点”平移与序列平衡性的矛盾问题,提出了一种新的组合跳变随机平移法。该方法在随机平移替代法的基础上取消“窄点”修正,引入组合跳变序列控制频点宽间隔映射。为兼顾组合跳变随机平移法产生序列的平衡性、汉明自相关性和宽间隔特性,构造了跳频序列的复合目标优化函数,引入粒子群算法计算得到最优的序列控制参数。仿真结果表明,组合跳变随机平移法可构造更多的序列,且产生的宽间隔混沌跳频序列具有更好的平衡性、汉明相关性和复杂度,采用粒子群优化获取的控制参数可以实现序列性能的均衡最优。     

Kernel-based adversarial attacks and defenses on support vector classification

While malicious samples are widely found in many application fields of machine learning, suitable countermeasures have been investigated in the field of adversarial machine learning. Due to the importance and popularity of Support Vector Machines (SVMs), we first describe the evasion attack against SVM classification and then propose a defense strategy in this paper. The evasion attack utilizes the classification surface of SVM to iteratively find the minimal perturbations that mislead the nonlinear classifier. Specially, we propose what is called a vulnerability function to measure the vulnerability of the SVM classifiers. Utilizing this vulnerability function, we put forward an effective defense strategy based on the kernel optimization of SVMs with Gaussian kernel against the evasion attack. Our defense method is verified to be very effective on the benchmark datasets, and the SVM classifier becomes more robust after using our kernel optimization scheme.