局部随机搜索扰动的粒子群优化算法

在粒子群优化（PSO）算法中,gBest粒子的行为对算法的收敛性能有较大的影响。提出一种新的改进粒子群优化算法——SLS-PSO算法。该算法以基本PSO算法为框架,融合随机局部搜索算法（SLS）对进化中的gBest粒子进行局部寻优计算,以改善PSO算法在进化中特别是进化后期的收敛性能。通过典型测试函数的计算表明,该算法在收敛速度和精度上都有不同程度的改善。     

级联型电力电子变压器逆变级虚拟同步机控制策略

为了降低对主网的冲击,级联型电力电子变压器的逆变级输出波形应稳定,没有畸变。然而,当其带不平衡负载时,输出侧电压会出现严重的不平衡及二倍频波动分量。采用PI与PR相结合的虚拟同步机控制策略,消除二倍频分量且使逆变级能够输出平衡的三相电压。建立MATLAB/Simulink仿真模型,与传统VSG进行对比,仿真结果证明了所采用方案的可行性。     

基于神经网络法的配电网状态估计

对配电网状态估计的研究是建立起符合配电网特点的数学模型，本文尝试用神经网络方法对系统确定性部分进行状态估计，将网络不确定部分进行简化计算，从而得出全局的结果。通过并对量测数据进行检测，尽可能的提高数据精度。充分应用了配电网自身的特性生成行之有效的计算方法，从而为电力调度管理提供依据。     

混合型粒子群算法在含分布式电源配电网重构中的应用

针对蚁群算法面临收敛速度慢与粒子群算法易陷入局部最优的问题,将蚁群算法和粒子群算法相融合,生成了新的混合型粒子群算法,具有较高的收敛速度与全局搜索能力,将其用于含分布式电源的配电网重构。最后以IEEE33节点配电网作为算例进行仿真。结果验证了算法的可行性和有效性。     

基于H_∞鲁棒控制的光伏并网逆变器控制策略

提出了基于H∞鲁棒控制的光伏并网逆变器控制策略,可快速跟踪输出参量的动态响应,同时对参数变化与外部干扰有较强的鲁棒性,较好地解决了光伏系统与电网的并网问题。     

面向电力大数据的用电负荷分类及用户用电行为分析

针对大数据应用背景下因电网规模急剧扩大和电力系统结构更加复杂而造成的用户用电行为分析困难的问题,提出一种基于改进K均值算法—K-means++的电力负荷分类方法,并展开用户用电行为分析。首先导入负荷历史数据进行清洗,再将其导入模型进行聚类,同时得到每类用户用电的特征,最后进行用户用电行为分析。经过负荷聚类,可更直观地展现用户用电的特征,以方便供电公司给用户提供更合理的套餐服务,提高系统的能源利用率。     

一种基于GRU神经网络的电力负荷预测

针对电力负荷序列不稳定且传统的神经网络在电力负荷预测中预测精度较低等问题,提出了门控循环单元神经网络(Gated Recurrent Unit Neural Network,GRU)负荷预测的方法.利用python编程语言在Tensorflow框架在搭建门控循环单元神经网络,将影响电力负荷的特征数据输入模型中进行训练....     

基于零件切片的选择性激光烧结预热温度控制方法

选择性激光烧结(Selective laser sintering,SLS)系统是通过加支撑或采用人工调节预热温度的方法来减少成形件的翘曲变形,它劳动强度大、SLS材料浪费多、成形效率低,且预热温度难以精确控制。基于以上情况,提出一种新的控制方法,使预热温度能随零件断面几何形状的变化而自动调节。以华中科技大学开发的SLS设备为研究对象,验证这种新型控制方法的可行性。试验结果和实际应用表明:与原有控制方式比较,根据文中所提出的方法成形的零件表面质量、尺寸精度和形状精度等都有较大幅度改善,并且真正实现了SLS成形过程的自动化。     

基于自组织映射网络的电力最短巡检路径问题求解

电力巡检过程中的巡检效率与各巡检点间最短路径的求解息息相关。巡检最短路径问题即旅行商问题(Travelling Salesman Problem,TSP)。本文用地区地点坐标替代巡检点坐标,利用自组织映射网络(Self-Organizing Maps,SOM)对巡检最短路径问题进行求解,同时利用SOM模型对五个地区中的...     

后氧传感器信号由稀至浓响应变慢的因素分析

后氧传感器是汽油机排放闭环控制的重要部件,后氧传感器信号对监测调节闭环控制,催化器效率的诊断起到重要作用。通过试验,发现诸如氧传感器磨合程度,氧传感器电加热器电阻偏差学习的准确性以及燃油中的杂质离子对氧传感器和催化器的污染,都对后氧信号由稀到浓(L-R)的过程产生影响,降低了后氧传感器L-R的速率。