空间负荷预测中确定元胞负荷合理最大值方法

针对实测的元胞负荷数据中存在随机波动现象而使空间负荷预测精度降低的问题,提出一种利用互补集合经验模态分解(CEEMD)和游程检验技术确定元胞负荷合理最大值的方法。该方法通过互补集合经验模态分解技术将各Ⅰ类元胞负荷序列分别进行分解,每个Ⅰ类元胞得到一组本征模态函数,采用游程检验技术对每个本征模态函数进行随机性检验,建立识别其中高频分量的判据,剔除刻画元胞负荷随机波动性的高频本征模态函数,对余下表征元胞负荷规律性与趋势性的本征模态函数进行重构得到主体分量,将其中最大值作为Ⅰ类元胞负荷合理最大值,最后利用该合理最大值进行基于Ⅰ类元胞和Ⅱ类元胞的空间负荷预测。工程实例表明了该方法正确有效。     

基于子空间动态系数回归的系统谐波阻抗估计方法

系统谐波阻抗的准确估计是实现谐波责任定量划分的关键。新能源并网场景下用户侧谐波阻抗并非远大于系统侧谐波阻抗,现有估计方法精度降低甚至失效。文中提出一种基于子空间分解和动态系数回归的系统谐波阻抗估计方法。通过小波包分解将公共连接点(PCC)处谐波电压与电流的观测信号分解成多个子空间,并根据互信息值筛选出解释变量相关度最弱的子空间,以降低解释变量间相关性对回归分析的影响;考虑到网侧谐波波动会干扰PCC处谐波电压与电流间的相关性,将网侧谐波电压视作动态系数,并通过动态系数回归法求解系统谐波阻抗,以降低网侧谐波电压波动对估计结果的影响。仿真分析的结果表明,相比现有方法,所提方法拥有更好的估计精度与鲁棒性。     

智能电网可靠性需求约束下无线发射功率模型预测控制

在基于无线传感器网络(WSN)的智能电网数据采集与通信的应用中,通信可靠性是WSN的关键技术指标。提高发射功率会增加通信的信号强度和可靠性,但同时会导致节点间相互干扰增加。针对这一矛盾,基于自适应模型预测控制的方法,研究智能电网中WSN发射功率优化问题。依据无线通信链路路径损耗模型分析了影响智能电网无线通信信噪比的主要因素,并构建了系统状态空间模型;通过实时估计信噪比随机波动置信区间下界对系统期望信噪比给定进行补偿,并基于模型预测控制的算法,优化求解节点发射功率;最后,通过仿真软件将所提算法与自适应传输功率控制(ATPC)算法及势反馈控制(PFC)算法进行对比分析,并采用WSN硬件平台对算法进行测试。结果表明,所提出的自适应模型预测控制算法可以在保证智能电网无线通信可靠性条件下,降低由节点发射功率较大导致的相互干扰。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

有色观测噪声下的自适应 UKF 在北斗多路径误差削弱中的研究

针对由环境复杂性而造成的北斗多路径误差不能有效削弱的问题, 提出了一种基于新的误差模型下的自适应无迹卡 尔曼滤波(UKF)方法。 该方法首先利用量测状态扩增法来解决量测噪声为有色噪声的问题,再用改进的 Sage-Husa 自适应 UKF 来动态估计系统噪声和量测噪声,从而解决噪声统计特性未定造成的误差削弱效果不明显的情况。 实验结果表明在有色 观测噪声下的改进 Sage-Husa 自适应 UKF 算法相比于传统 UKF,能够将多路径误差削弱近 60%,该方法在针对北斗定位中由于 多路径误差产生的噪声不可知的情况具有很强的适用性。     

考虑直流电压稳定的VSC-MTDC附加频率自适应下垂控制策略EI北大核心CSCD

传统附加频率下垂控制方法直接将交流侧频率偏差和直流侧有功功率参考值进行线性耦合,由于有功功率参考值与频率偏差的系数,即频率下垂系数是固定值,在频率调节过程中不仅容易引起较大的电压变化而且导致直流电压越限从而威胁直流设备的安全以及系统的稳定性。首先利用虚拟惯性技术,将电网频率和多端柔性直流(voltagesource converter multi-terminal DC,VSC-MTDC)输电系统中直流侧有功功率进行耦合,提出了考虑直流电压稳定的VSCMTDC附加频率自适应下垂控制策略。该方法可使频率下垂系数根据换流站容量和电压下垂系数的变化自动调节,从而适度调节有功功率参考值增量大小,减少直流电压在调节过程中的超调量,提高电压质量和互联系统的稳定性。然后分析了所提控制策略的稳定性,并通过求解输电系统根轨迹的方法获得了控制器参数的稳定范围。仿真结果验证了所提方法的可行性和有效性。     

基于UTCI-MIC与振幅压缩灰色模型的用户侧微电网短期负荷预测方法EI北大核心CSCD

短期负荷预测是保障用户侧微电网经济、安全运行的基础。现有研究表明,综合考虑气象、地理等影响因素的负荷预测模型在一定程度上提升了预测准确率。但在具有明显城市特征的用户侧微电网负荷预测中存在局限性,其预测结果呈现显著偏差,使得基于该结果的潮流计算偏离实际情况,危及系统的安全运行。针对此问题,提出了一种新型热气候指数–最大信息系数(universal thermal climate indexmaximal information coefficient,UTCI-MIC)与振幅压缩灰色模型的用户侧微电网短期负荷预测方法。首先,该模型采用经验模态分解将用电负荷分解为波动负荷和趋势负荷曲线;其次,建立了考虑相似日的MIC矩阵与涵盖多时刻气象、地理区位、城市特征因素的UTCI热环境评估方法,用于波动负荷预测;最后,将基于振幅压缩灰色模型获得的趋势预测结果与波动预测结果重构,得到用电负荷预测结果。案例验证表明,所提方法可有效预测城市特征明显的用户侧负荷变动情况,其预测准确率可达96.91%以上,为城市电网的能量管理系统和电力市场交易提供重要参考。     

基于优化分网策略的有源配电网多速率并行暂态仿真分析EI北大核心CSCD

随着配电网元件种类日益丰富和分布式电源渗透率不断提高,网络动态过程更加多样化,配电网暂态仿真的难度进一步加大。针对目前有源配电网并行暂态仿真方法未考虑元件动态响应速度对仿真计算量的影响和仿真步长需求的问题,提出了一种基于优化分网策略的自适应变步长多速率并行仿真方法。考虑不同元件暂态响应速度和计算量的差异,提出了以CPU多核心计算均衡和核心间交互数据量最小为目标的有源配电网优化分网策略;在此基础上建立了元件接口等效模型和子任务协调模型,提出了CPU子任务间多速率并行、子任务内部仿真步长自适应调整的并行仿真方法,达到加速暂态仿真的目的。通过对变电站同一母线的12条出线进行仿真测试,验证了所提并行仿真方法能够满足配电网暂态的仿真需求,在保证仿真精度的同时大幅提高计算速度。     

基于 CEEMDAN 和 SVR 的锂离子电池剩余使用寿命预测

锂离子电池剩余使用寿命(RUL)的估算是锂离子电池健康管理的关键,准确可靠地预测锂离子电池的剩余使用寿命对 系统的安全正常运行至关重要。 提出了一种结合完备集合经验模态分解(CEEMDAN)和支持向量回归( SVR)的锂离子电池剩 余使用寿命预测方法。 首先,在放电过程中提取了一个可测量的健康因子,并使用 Pearson 和 Spearman 法分析健康因子与容量 之间的相关性,然后利用 CEEMDAN 将健康因子进行分解,获得一系列相对平稳的分量,最后采用 CEEMDAN 分解后的健康因 子作为 SVR 预测模型输入,容量作为输出,实现锂离子电池 RUL 预测。 利用 NASA PCoE 提供的锂离子电池退化数据集进行试 验,与标准 SVR 模型相比,实验结果表明利用该方法能够有效验证所提出的 RUL 预测模型的有效性,并且使预测误差控制在 2%以下。     

融合 EMD 和 LSTM 的受热面积灰预测研究

针对锅炉受热面积灰将会降低传热效率和安全性,采用清洁因子作为健康指标来监测锅炉受热面健康状况,并且提出 融合经验模态分解(EMD)和长短期记忆网络(LSTM)的模型来预测未来锅炉积灰。 经验模态分解可以将时间序列分解为一系 列频域稳定的本征模态函数,长短期记忆网络拥有记忆功能,它能够通过学习来挖掘时间序列之间隐藏的长期依赖关系,二者 结合,增加了对于时间序列预测的准确度。 通过仿真软件验证,该模型对锅炉受热面积灰状况的预测有较为满意的精度,并与 两种常用模型进行对比发现,预测精度分别提升了 67. 7%与 59. 2%,验证了该模型的可行性与有效性。