M-Charm速率自适应算法在瑞利平坦衰落信道的性能分析

针对Charm(channel-aware rate selection algorithm)算法在瑞利平坦衰落信道下误码率性能较差的问题,提出了M-Charm(modified Charm)速率自适应算法。该算法基于Charm算法,通过调整信噪比估计参数,增加差值补偿机制,以提高信道估计的准确性,进而降低了误码率。在瑞利平坦衰落信道模型下的仿真结果表明,M-Charm算法不仅保持了较好的吞吐量性能,而且大大改善了误码率性能。     

新型时滞可再生电力系统集成模型的滑模负荷频率控制设计（英文）

现代化电力系统向规模化和广域化发展,区部控制已不能完全实现整个系统的稳定运行,使得电力系统开始依赖开放型通信网络,从而系统中通信时滞的问题越发严重。通过考虑通信时延和可再生能源波动,该文建立新型的集成系统模型,然后提出负载频率控制(loadfrequencycontrol,LFC)以减小频率偏差。同时,采用滑模(sliding mode,SM)方法对LFC进行优化,可以提高不确定性和通信延迟不匹配的可再生系统的稳定性。此外,风力发电机组的输出功率还可以基于集成模型主动响应系统频率变化。最后,通过使用RTDS实验装置有效地证明该文提出的控制策略可以在各种负载扰动和通信延迟运行条件下来减小频率波动。     

计及需求响应的海岛微电网群优化运行研究

在海岛可再生能源替代与电动汽车技术大规模应用的背景下,为解决偏远海岛居民的用电需求,提出了计及需求响应的电动汽车接入海岛微电网群的优化方法。首先,根据实际监测数据集对电动汽车充电行为建模,对比多种分布形式的联合评价和指标,得到拟合较好的概率分布函数。其次,选取多个海岛构成低碳化海岛能源系统,在考虑可再生能源渗透率和用户满意度的前提下,建立了以海岛微电网群的经济性和环保效益最优为目标的微电网群优化模型,利用蜘蛛蜂优化(spider wasp optimization, SWO)算法求解。最后,以浙江某海岛群为例进行验证,算例结果表明,所提海岛微电网群优化模型能够在满足可再生能源高渗透率的场景下,有效降低系统成本,更具经济性。     

考虑荷电状态的交直流微电网多模式协调控制策略

针对孤岛运行的交直流混合微电网,提出了一种考虑子网负载状态和储能子网荷电状态的多模式协调控制策略。状态判定级将储能荷电状态水平划分为五种模式,详细规划各模式下子网间六种功率交互状态对应的网络工况,使储能子网参与子网间功率交互的优先性随荷电状态变化。功率互助级控制各子网间双向互联变换器传输功率,本地级采用下垂控制保持子网自治。该策略可减少不必要的功率交互损耗,预先避免储能子网因过度充放失去功率调节能力。MATLAB/Simulink与RT-LAB平台上建立的仿真模型验证了所提控制策略的实时有效性。     

低成本对抗性隐蔽虚假数据注入攻击及其检测方法

信息物理深度耦合的电网面临着虚假数据注入攻击的威胁,深度学习技术成为检测虚假数据注入攻击的重要手段。针对深度神经网络面临的对抗性攻击的问题,该文提出一种低成本对抗性隐蔽虚假数据注入攻击方案及对应的检测方法。通过两阶段优化求解最优的量表组合及攻击值,得到预期攻击目标的最优攻击策略,对最优攻击值通过白盒攻击添加对抗性扰动,使深度学习模型将其误报为正常样本。从检测的角度,对历史数据库中的所有初始攻击样本均添加对抗性扰动,并标记为攻击样本加入训练集,对模型进行训练,提升检测性能。分别在IEEE14节点系统和IEEE118节点系统上进行实验,验证了所提攻击和检测方法的有效性。     

融合多维度特征的绝缘子状态边缘识别方法

针对传统的绝缘子状态识别方法存在实时性差、特征提取能力不足的问题,基于边缘计算的思想,提出了一种融合多维度特征的绝缘子状态边缘识别方法.利用云边协同和边边联邦协同的联合技术手段,构建了绝缘子状态的边缘识别框架.设计了一种融合多维度特征提取的深度学习网络,该网络采用ResNet101作为主干特征提取网络,使用Incept...     

基于激光定位技术的机器人非接触无编程示教方法与实现

针对现有机器人示教系统操作复杂、示教编程难度高及需操纵机器人等问题,提出一种基于激光定位技术的机器人非接触无编程示教方法。以示教笔代替机器人末端工具绘制示教轨迹,通过激光定位技术获取示教笔的示教路径和动作,并通过机器人逆运动学求解及轨迹规划得到各个关节的控制轨迹,实现机器人的快速非接触无编程示教。最后通过搭建桁架式六轴机器人硬件和软件系统,实现了基于激光定位技术的机器人非接触无编程示教,验证了提出的示教方法的可行性。所提示教方法简化了示教过程,降低了操纵机器人带来的安全风险,且无需操作人员具备编程能力,使机器人示教工作具有良好的适应性,具有广阔的应用空间。     

基于灰色关联分析和K均值聚类的短期负荷预测

在基于相似日的短期电力负荷预测技术中,相似日的选取影响着负荷预测精度,提出一种基于灰色关联分析(grey relation analysis,GRA)和K均值(K-means)聚类选取相似日的短期负荷预测模型。首先,采用灰色关联分析方法选取相似日粗集,再对相似日粗集的外部因素使用K均值聚类。然后,计算待预测日与聚类中心的欧氏距离,将距离最小一类作为最终相似日集合。最后,利用最终相似日集合训练长短期记忆(long-short term memory, LSTM)神经网络,进行负荷预测。与未采用相似日的LSTM模型和采用传统的灰色关联分析的LSTM模型相比,所提方法的平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了0.911%、0.637%。算例分析表明,采用GRA-K-means选取相似日可以有效提升短期电力负荷的预测精度。     

考虑供能网络约束的园区型电-热综合能源系统优化配置

搭建了园区型综合能源系统的基本网架结构,建立了热泵机组、热电联产机组、蓄热罐、电锅炉、电制冷机、余热吸收式制冷机的数学模型,构建了考虑园区供能网约束的双层优化配置模型。模型上层以最小化园区能源站的年综合投资成本为目标,模型下层以系统的年运行费用最低为目标,并基于配电网的Distflow二阶锥模型和线性热网络方程建立供能网络模型。在规划求解过程中,引入了二阶锥松弛技术对模型的电网潮流约束进行凸优化松弛,同时采用了线性热网络方程,以提升模型的可解性和计算速度。最后在改进的IEEE-33节点配电网和8节点供热系统中进行了算例分析,结果表明,所构建的系统优化配置模型在一定程度上提高了园区型综合能源系统的经济性,验证了所提模型的有效性。     

基于数据驱动的孤岛直流微电网二次控制

针对孤岛直流微电网,提出一种数据驱动的无模型二次控制策略.利用直流微电网系统输入、输出的过程数据以及偏格式动态线性化方法建立系统的数据模型.通过设计新型的无模型二次功率和电压控制器,分布式电源按其容量成比例地输出功率,同时使用最大电压补偿的方法恢复系统母线电压.通过数学分析严格证明该直流微电网系统在不同运行条件下是闭环控制稳定的.最后,利用MATLAB/Simulink仿真和RTDS实验平台,验证了所提控制策略的有效性.