DFA_VMD_LSTM组合日径流预测模型研究

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAP...     

华中电网风电出力波动性与典型时序场景

风电、光伏电等新能源出力波动性分析可为电力系统调峰、机组控制、调度计划制订提供科学依据。采用出力变率、出力概率分布、出力不均衡率分析华中电网风电出力波动性,然后应用同步回代法进行华中电网风电出力场景缩减,提取典型时序场景。对2017年华中电网风电出力波动性分析表明:风电出力小于30%风电装机容量的概率超过0.70,15 min时间粒度的最大出力变化值为55.4万kW(增加)和-55.4万kW(减少),出力年不均衡率和月不均衡率变化剧烈,日均出力变化幅度大。按年、季和月提取的典型日出力过程具有明显的规律性。     

基于SVD的水电机组振动信号去噪方法研究

为提高故障诊断的准确性,必须对水电机组振动信号进行有效去噪。提出一种基于奇异值分解的水电机组振动信号去噪方法,该方法对水电机组采集振动信号构造Hankel矩阵,得出奇异值序列,利用二倍频率数法选取有效奇异值阶次,最后利用所选奇异值进行矩阵重构,逆推实现信号恢复。分别对构造的仿真信号与水电机组实际采集信号进行去噪处理,与效果显著的GHM多小波相邻系数去噪法进行对比,实验结果表明:基于SVD的水电机组振动信号去噪法具有较好的准确度,噪声去除更彻底,对有效特征能量保留更稳定,是一种稳定有效的去噪方法。     

适应电网需求的三峡水库汛期洪水资源利用研究

三峡水库汛期主要承担防洪任务,未完全将其高比例受电端实际需求纳入电站调度计划编制过程,导致电站出力方式与电网负荷侧需求不相契合,矛盾凸显.为此,以充分利用三峡水库汛期洪水资源、提高电站适应电网需求能力为切入点,提出一种防洪框架下适应电网需求的洪水资源利用运行方式,进而基于预泄能力约束法,以7d径流预见期为调度周期,研究...