基于GWO-BP神经网络算法的WFGD系统在线优化

以浆液循环泵运行情况作为工况划分条件,通过提出的灰狼优化(GWO)-BP神经网络(GWO-BP神经网络)算法建立了针对湿法烟气脱硫(WFGD)系统多模态在线优化模型组,分析了机组负荷、入口SO₂质量浓度对出口SO2质量浓度变化量的影响,并利用某660 MW机组切换试验对该模型组性能进行验证。结果表明:随着机组负荷和入口SO₂质量浓度增大,切换后出口SO₂质量浓度变化量增大,该模型组具有较好的预测精度和泛化能力。     

光伏发电接入对配电网低压台区线损的影响

随着可再生能源的不断开发,越来越多的光伏发电接入配电网,而光伏发电的不稳定性会对配电网的稳定造成影响。为此,针对光伏发电对配电网低压台区线损的影响,建立了电源接入模型并进行了仿真计算。     

一种外施信号源型故障指示器及故障定位系统的工程应用

为了提高配电抢修人员查找故障及处理故障的效率,应用了一种外施信号源型故障指示器的故障定位系统。阐述了该型故障定位系统技术原理,分析了该型故障指示器的故障检测判据。结合实际工程,对目前现场实际应用中出现的问题进行了分析,提出了一种基于指标分析的故障指示器工程应用评价方法,最后对应用效果进行了评价。     

基于PCC-RBF网络的风电功率短期预测方法

风电功率预测对风电场安全平稳运行、电网调度具有重要意义。针对风电功率短期预测指标选择不合理、预测精确度偏低的问题,提出一种基于皮尔逊相关系数(PCC)和径向基函数(RBF)神经网络的风电功率短期预测方法。该方法利用PCC筛选出与风电功率密切相关的3个指标,即电流、温度、风速,然后以这3个指标作为预测模型的输入对风电功率进行RBF样本训练与短期预测。试验结果表明,所提的预测模型预测误差更小,预测精度更高,能够满足风电功率短期预测的要求,具有广泛的应用前景。     

基于Buck电路的BLDCM调速系统设计

为了获得转速平稳、调节快速的无刷直流电机(BLDCM)输出,对BLDCM控制和驱动系统进行了设计。分析了BLDCM的运行原理和转矩波动原因,并采用Buck电路直接驱动解决了转矩波动的问题。针对传统PID调速慢、精度低以及参数调节困难等问题,采用了BP神经网络对PID进行参数调节。在MATLAB/Simulink仿真平台上搭建了系统的各个模块并进行仿真。结果表明,所设计的系统调节速度快,控制过程中超调小,转速平稳,转矩波动减小。     

新疆和田植被水分利用效率的SEM-ANN模型构建

水分利用效率（WUE）反映了消耗单位质量水所制造的干物质量,是评估植被生长适宜性的综合指标,但是WUE的复杂影响机制使得区域多种因素的驱动贡献不甚明晰。为了探究多种因素对WUE的直接或间接影响关系,以求得到更好的WUE模拟效果,本研究构建了结构方程模型（SEM）与人工神经网络（ANN）相耦合的SEM-ANN模型。由SEM确定WUE影响因素之间的结构关系及影响程度,然后转化为ANN的拓扑结构。结果表明：在新疆和田地区,不同植被类型WUE的影响因素和影响层次有所不同;温度、降水、饱和水汽压差、风速均对植被WUE有着不同程度的直接影响;在草地及耕地中,增强植被指数（EVI）可体现为为间接影响WUE的中间变量;而在灌木及常绿针叶林中,标准化降水蒸散发指数（SPEI）将作为中间变量。经过SEM优化后的ANN结构,拟合效果更好,SEM-ANN模型对于生态系统的环境控制和WUE的模拟有着很高的解释性和精确性,这为提高新疆生态系统的高效用水能力以及预测未来气候变化下WUE的响应状况提供了理论依据和模拟途径。     

配电网弧光接地故障建模仿真与实验研究综述

弧光接地故障是配电网中最常见的故障,不易被发现且危害巨大,产生机理复杂,特征具有随机性。针对上述问题,从配电网弧光接地故障产生的原因和危害、弧光接地故障数学模型、弧光接地故障抑制和保护策略、弧光接地故障识别和定位技术、以及弧光接地故障的物理模拟实验与仿真测试等方面进行了阐述,对国内外的研究现状进行了总结和分析。并对配电网弧光接地故障的研究方向进行了展望,提出了从故障模型研究和数字仿真软件的开发、抑制策略研究和装置的研发、故障识别定位和保护策略、物理模拟和数模混合仿真测试技术4个方面建立配电网弧光接地故障研究框架。     

考虑需求侧管理和碳交易的电-气互联网络分散式低碳经济调度

在能源互联网和低碳背景下,提出一种考虑需求侧管理(demand side management, DSM)和碳交易的电-气互联网络分散式低碳经济调度模型。首先,根据碳交易市场的实际情况建立阶梯型碳交易机制,并利用电转气(power to gas, P2G)的低碳特性,得到P2G参与碳交易市场的激励机制;其次,由现有DSM的机理与实现方式,在负荷侧考虑不同的DSM来最大化地协调网络的低碳性与经济性;然后,根据所建模型的非凸特性,对气网潮流进行二阶锥松弛且采用连续锥规划算法对松弛间隙进行检验,逐步缩小气潮流的仿真误差,保证松弛的严格性。为了满足不同决策主体的分散自治权与信息私密性,在上述基础上建立分散式优化模型并引入基于嵌套连续锥规划的同步交替方向乘子法(synchronous-alternating direction method of multipliers, S-ADMM)进行求解;最后,通过算例仿真对不同场景下网络的调度结果及不同的调度策略下的运行结果进行比较分析。结果表明,在阶梯型碳交易机制下,虽然总碳交易成本增加了0.02%,但碳排量、运行成本分别减少了4.53%和3.74%;DSM参与到所提模型中使碳排量、弃风量分别降低了9.87%和75.4%,进而有效地提升了电-气互联网络的低碳经济性。     

基于字符级CNN的调水工程巡检文本智能分类方法

日常安全巡检是维护长距离调水工程安全运行的重要手段。目前巡检采集的非结构化文本数据主要依靠人工进行安全等级评判,在工作效率和准确率方面存在明显不足。本研究基于自然语言处理技术,提出了一种面向字符层面的卷积神经网络的巡检安全文本智能分类方法。该方法通过引入预训练的单个字符向量改进卷积神经网络的输入层,使得分类模型直接从原始文本中提取特征信息,不仅避免了传统分类方法对专业词库的依赖,而且不易受文本中出现的口语化表达和错别字的影响。以国内南水北调工程的巡检文本为案例,通过与多种深度学习算法进行全面比较,对比验证了所提方法的有效性和优越性。结果表明,字符级的分类方法明显优于传统基于词的分类方法,且卷积神经网络在巡检文本分类方面明显优于其他深度学习网络。该方法具有较高的分类准确率,以此为调水工程安全维护提供新的智能化手段。     

径流预报的极点对称模态分解-Elman网络模型

针对径流序列非线性、非平稳的特点,将极点对称模态分解（ESMD）方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报。首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测结果。结果表明：组合模型预报精度大于单一模型,与ESMD-BP神经网络组合模型比,ESMD-Elman神经网络组合模型的8站年径流预报结果的平均相对误差（MAPE）平均降低3.6%,均方根误差（RMSE）平均降低7.8%,确定性系数平均提高5.0%;8站月径流预报结果的MAPE平均降低3.0%,RMSE平均降低2.8%,具有“分解?预测?重构”特点的组合模型提高了预报精度。