储能双向直流变换器单目标定频MPC策略

针对飞跨电容双向升降压变换器(FCBBC)在储能系统中的应用,提出了基于单目标定频的模型预测控制(MPC)策略。所提控制策略仅需建立电感电流单目标约束函数,并联合飞跨电容电压动态方程,即可实现对电感电流及双端飞跨电容电压的控制。相比传统MPC算法,无需对两端飞跨电容电压进行独立寻优,使系统运算量降低了80%,且保持良好的动态性能。最后,通过搭建小功率实验平台对所提控制策略进行了有效验证。     

基于TRNSYS的气候变化下“冷-热-电”联供系统运行优化

气候变化导致的极端天气给建筑负荷和冷、热、电联供(combined cooling heating and power, CCHP)系统供能策略带来很大的影响,以上海市某医院为主要研究对象,采用PRECIS软件预测该地区2025至2100年的温度变化,利用TRNSYS软件搭建医院能耗模型计算气候变化影响下的全年逐时负荷,构建了考虑负荷变化影响的“冷-热-电”联供系统运行优化模型,最终生成适应气候变化的供能系统运行方案。负荷预测结果表明,极端高温现象导致建筑的冷、热负荷呈现波动变化趋势,可能造成供需失衡,即夏季高温制冷不足和冬天暖冬供暖过剩的问题。与传统优化模型相比,该模型生成的系统协同运行方案可以增强用户体验,实现降本增效。     

基于多源数据图表示学习的风电出力预测方法

高精度的风电出力预测技术是实现碳中和的关键技术之一,随着智能电网的逐步建设,风电出力预测系统逐步从分散模式趋向于集中模式,其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景,也无法较好表征多个风电场站之间的关系,因此,提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据,其中,图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据,边为多个风电场站之间的相关性,从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练,并通过公开数据集验证了所提算法具有更好的结果。     

基于LSTM光伏发电功率超短期预测模型研究

精准地预测光伏发电功率有利于保证电网的稳定运行。采集了江苏常熟某75 MW光伏电站和山西大同某100MW电站数据,利用相关系数法对影响光伏电站输出功率的因素进行分析。搭建了长短期记忆神经网络(LSTM)功率预测模型,对两个电站的输出功率进行预测。为验证LSTM模型和同一算法下不同电站的功率预测精度,使用循环神经网络(RNN)算法和前馈神经网络(BP)算法搭建预测模型,并与LSTM算法进行对比分析,通过模型评价指标平均绝对误差(MAE)、均方根误差(RMSE)及决定系数R²,对三种模型之间的误差值进行比较,结果表明采用LSTM算法预测模型精度更高,且不同电站采用同一网络模型时,电站输出功率和气象数据的相关系数值越大,模型的功率预测值更加贴近实际值。     

基于小波去噪的BP神经网络短期风功率预测方法设计

为了减小电网波动,提高电网调度的安全性、稳定性,风功率预测的研究尤其重要。运用基于小波去噪的BP神经网络算法进行风功率预测,通过建立预测模型对历史数据进行训练、仿真调试,找到最优组合方式。与传统的BP神经网络预测对比,基于小波去噪的BP神经网络算法明显提高了预测精度。     

基于TSNE-BiGRU模型短期电力负荷预测

短期电力负荷预测是电力系统合理调度与安全稳定运行的基础。为提高电力负荷预测精度,提出一种基于t分布邻域嵌入(t-SNE)算法和双向门控循环单元(Bi-GRU)网络的短期电力负荷预测方法。该方法首先通过多标签处理将电力负荷时序数据转换成高维时间戳数据,进而在维持数据信息完整性的前提下通过t-SNE算法对其降维,并结合实时电价数据,基于Bi-GRU网络学习时间戳数据、实时电价数据及实时负荷数据之间的非线性特性,最后经全连接输出层聚合相关信息给出预测结果。基于新加坡地区电力基准数据集进行试验,对比分析所建模型TSNE-BiGRU与基准模型Bi-GRU及GRU的预测性能。试验结果表明所建模型TSNE-BiGRU具有良好的鲁棒性,能有效提高短期电力负荷的预测精度。其平均百分比误差值为0.49%,相较Bi-GRU与GRU,分别降低了23.44%与32.88%;其平均绝对误差值为30.58,相较两基准模型分别降低了22.19%与32.84%;其均方根误差值为39.40,相较两基准模型分别降低了17.16%与27.88%。     

基于灰色模型的变电运维倒闸操作风险预测研究

为实现对倒闸操作风险的精准预测,降低因倒闸操作风险而导致的变电站安全事故的发生概率,开展基于灰色模型的变电运维倒闸操作风险预测方法设计。引进数据挖掘技术,构建变电运维设备的倒闸操作可视化风险模型,提取变电运维倒闸操作过程的风险特征值与异常逻辑关系。引入灰色模型,通过对变电运维倒闸操作风险趋势项的干扰分析与分解,初步掌握风险的变化趋势;根据倒闸操作状态下的设备健康值,进行倒闸操作风险的预测与量化,以此完成预测方法的设计。对比试验结果证明,所设计的方法的倒闸操作风险预测结果更加准确,说明此方法能够为变电运维等相关操作行为提供技术保障。     

车用双面散热IGBT模块随机振动性能分析与应力预测

针对双面散热绝缘栅双极型晶体管(IGBT)模块在车载状态下由不同频率的振动载荷导致的焊料层失效问题,分别从材料和结构两个角度,以直接覆铜(DBC)板陶瓷层材料、陶瓷层厚度以及焊料层厚度为变量,以芯片底面焊料层应力为指标进行随机振动分析优化与应力预测,得到模块结构的最佳参数值组合。3个变量对芯片底面焊料层应力的影响由大到小为：陶瓷层厚度、焊料层厚度、陶瓷层材料。最后提出一种对芯片下焊料层应力的预测模型,相较仿真的准确率为95.61%。该研究结果对车载双面散热IGBT模块的振动性能分析提供参考,同时为模块结构的设计提供理论依据。     

生存分析在电信客户流失中的应用

近年来电信行业发展迅猛,电信市场趋于饱和,在目前的市场环境下,预测电信客户的流失及流失时间有利于挽留客户,减少客户损失。针对电信客户流失的预测,文中采用KM与Cox的电信客户生存分析模型预测电信客户流失的时间,将KM分析模型用于电信客户流失的组间比较;运用Cox风险比例模型对多因素进行分析,全面预测电信客户的生存时间。通过构建生存分析模型可实现对潜在流失客户及客户流失时间的预测,从而制定相应的有效方案挽留目标。     

基于GPIO的永磁同步电机模型预测转矩控制

在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm, GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。