多尺度稀疏电能质量扰动识别方法

针对传统电能质量扰动识别中存在数据量大、扰动特征依赖主观选择的问题，提出一种多尺度稀疏电能质量扰动深度识别方法. 首先，构建电能质量的多尺度稀疏模型，通过对扰动信号平稳小波多尺度变换获得扰动的低高频信息；然后，对其压缩采样获得降维的测量数据，并在此基础之上，应用正交匹配追踪算法求取各层稀疏系数组成稀疏向量，将稀疏向量输入深度置信网络，实现扰动的智能识别；同时，为进一步提高网络识别的准确性，采用交叉熵算法完成对网络隐含层数、学习率等参数寻优；最后，为验证所述方法的有效性，针对几类典型的单一扰动和复合扰动信号进行大量仿真试验. 结果表明:在理想环境和噪声环境下，针对七类典型单一扰动，平均识别率达到99.0%和96.71%以上；针对13类多重扰动，平均识别到达97.69%和94.62%以上.      

应对移动阴影的车载光伏步进扫描快速功率追踪

移动阴影给车载光伏最大功率跟踪（maximum power point tracking，MPPT）带来巨大挑战. 为提高移动阴影遮挡下的功率追踪速度，提出一种新的车载光伏全局最大功率跟踪（global maximum power point tracking，GMPPT）自适应步进扫描方法. 首先，分析温度及辐照强度对光伏单体输出特性的影响规律，基于温度及短路电流预测光伏单体开路电压；其次，基于串联光伏阵列的最大功率点电压与光伏单体输出特性的关系，以及局部阴影条件下多峰曲线峰值点电压和功率的变化特性，提出功率追踪步进扫描的自适应步长求取方法；最后，通过仿真及样车试验对所提算法进行可行性测试和评估. 结果表明:与常规扫描法相比，本算法的追踪速率最高可提升74%，且可避免严重遮挡时无法追踪全局最大功率点的问题.      

有轨电车燃料电池混合动力多目标匹配优化

有轨电车燃料电池混合动力系统配置对整车动力性能、系统效率及经济效益具有重要影响，但是目前缺乏有效的优化匹配方法. 基于有轨电车沿线动态工况下的牵引功率计算，提出了面向服役周期成本最低的燃料电池有轨电车混合动力系统匹配优化方法. 以混合动力系统整车服役周期成本最低、体积/重量最小为目标函数，以动力性能、直流母线电压、电源输出功率、功率/能量实时平衡、储能系统充放电倍率及其充放电深度和SOC （state of charge） 为约束条件，建立了多目标多约束配置优化模型. 采用多目标优化方法获取Pareto前沿，同时给出了体积/重量可接受、经济性最优的推荐方案确定方法. 仿真结果表明，多目标匹配优化方法配置的有轨电车燃料电池混合动力系统满足了所有设计指标，混合动力系统全寿命周期成本从7 000万元降为1 500万元.