基于改进GSA-SVM算法的电能质量扰动分类方法

针对不同类型电能质量扰动信号分类准确率不高的问题,通过MATLAB/simulink搭建常见的9种不同的电能质量扰动信号的模型进行仿真分析,提出一种改进的万有引力搜索算法(improved gravitational search algorithm, IGSA)对支持向量机(support vector machine, SVM)的惩罚因子和核函数参数进行寻优的方法,通过优化SVM的惩罚因子和核函数参数,构建IGSA-SVM分类器,再把提取到的特征向量进行归一化之后输入到所构造好IGSA-SVM分类器中进行训练与分类。仿真结果表明,IGSA-SVM分类器的分类准确率比SVM和GSA-SVM这2种分类器都要好,可以实现对9种不同的电能质量扰动信号的快速准确分类,有利于解决实际的工程问题。     

基于COOT-SVM的短期光伏发电功率预测

为了提高短期光伏发电功率预测的精度,提出了一种基于白冠鸡优化算法(COOT)优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,分别选取某光伏电站在2017年4月和7月的前21天数据进行仿真分析,计算光伏输出功率和每一个气象因素之间的皮尔逊相关系数;然后,依据皮尔逊相关系数选择太阳总辐射强度、太阳散射辐射强度、太阳直射辐射强度、组件温度和环境温度5个气象因素作为预测模型的输入数据,光伏电站的发电功率作为输出数据。通过与BP和SVM预测模型进行仿真对比可知,对于4月和7月的数据来说,COOT-SVM预测模型的均方根误差、均方误差和平均绝对误差均比BP和SVM预测模型小。因此,所提COOT-SVM预测模型可有效提高短期光伏发电功率的预测精度,具有较高的工程应用价值。     

一种新型圆极化法向模反转螺旋天线

针对于传统圆极化法向模螺旋天线输入阻抗低、增益小等问题,设计了一种新型反转结构的螺旋天线。该天线采用了反转结构,即在电流反向点处使螺旋物理结构反向,实现天线辐射能力增强,提高天线在工作频率处的辐射电阻,增大阻抗带宽和增益。研究结果显示,一次反转螺旋天线仿真增益达2.45 dBi;两次反转螺旋天线加上巴伦后仿真增益达2.72 dBi,仿真阻抗带宽为2.9%,相应测试结果分别为2.5 dBi和2.8%。需要指出的是,随着反转次数的增多,天线的辐射电阻和增益可以进一步提高,因此可根据不同的设计需求选择不同反转次数。另外,采用3D打印技术加工螺旋,可以有效降低天线加工难度。     

基于MPC的光-储协同调频优化策略

[目的]为了降低光伏发电给电网带来的频率扰动,并进一步提升调频效果,提出了一种基于MPC(Model Predictive Control)的光-储协同调频优化策略,分析了该策略的基本原理、控制流程、约束条件、目标函数并优化了权重系数。[方法]构建了一个基于MPC的光-储并网系统模型,并根据该模型推导出了非线性状态空间方程。为了验证该策略的调频效果,设置了4种不同的仿真环境：无储能、带电池储能、带混合储能以及文章提出的策略。[结果]仿真结果表明：与其他场景相比,所提出的策略在调频效果上是最优的,无储能的条件下调频效果是最差的,此外,采用混合储能的调频方法优于使用电池储能的方法。[结论]在MATLLAB/Simulink平台上验证了所提策略的有效性。在光伏发电系统中,对储能和光伏最大功率点跟踪进行优化控制,能使电网频率更加稳定,从而提高整个系统的稳定性。该研究成果可为光伏发电并网提供参考依据。