基于经验模态分解和支持向量机的短期风电功率组合预测模型

针对风速序列随时间、空间呈现非平稳性变化的特征,提出一种基于经验模态分解（empirical mode decomposition,EMD）和支持向量机（support vector machine,SVM）的EMD-SVM短期风电功率组合预测方法。该方法首先利用EMD将风速序列分解为一系列相对平稳的分量,以减少不同特征信息间的相互影响;然后利用SVM法对各分量建立预测模型,针对各序列自身特点选择不同的核函数和相关参数来处理各组不同数据,以提高单个模型预测精度。最后将风速预测结果叠加并输入功率转化曲线以得到风电功率预测结果。研究结果表明,EMD-SVM组合预测模型能更好地跟踪风电功率的变化,其预测误差比单一统计模型降低了5%~10%,有效地提高了短期风电功率预测的精度。     

基于云支持向量机模型的短期风电功率预测

将云模型和支持向量机(SVM)相结合,提出一种适合短期风电功率预测的云支持向量机模型.该模型采用云变换方法提取风速序列的定性特征,并通过SVM建立风速特征与风电功率间的关系.对未来24h的风电功率预测结果显示,该模型在某个点上的预测值是一个有稳定倾向的离散值集合.采用逆向云算法求取集合的期望值作为确定性预测结果,并与SVM和自回归求和移动平均(ARIMA)模型的预测结果相比较,结果表明云支持向量机具有更高的预测精度,预测效果显著,因此,该模型可有效应用于短期风电功率预测.     

鲸鱼优化支持向量机的短期风电功率预测

为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode decomposition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimization algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。     

基于改进人工鱼群优化支持向量机的短期风电功率预测

针对人工鱼群算法中固定的视野和步长导致算法寻优速度变慢、易陷入局部最优等问题,引入了一个变系数因子来自适应调节人工鱼在聚群、追尾和觅食行为中的视野和步长;此外,为了降低算法后期运算复杂度以获得更多有效的人工鱼,加入一种人工鱼群最大迭代次数淘汰机制。将改进后的人工鱼群算法用来优化支持向量机中的核函数参数和惩罚参数,并应用到风电场短期风电功率预测中。通过实验仿真对比得出改进的人工鱼群优化支持向量机在短期风电功率预测中有较好的效果。     

支持向量机向量维数对短期风电功率预测精度的影响

为了提高短期风电功率的预测精度,采用支持向量机回归方法,以10 min采样间隔的实测风速和温度序列为输入数据,针对连续19天的历史数据按每隔5 h进行一次预测,每次采用一天144组风速、温度数据进行训练。实验分别选取了10 min、30 min和1 h的预测时间尺度,得到不同向量维数下预测结果的均方误差、均方百分比误差、平均绝对误差、平均绝对百分比误差以及相关系数。结果表明,对于特定的预测对象,支持向量机向量维数具有一个使预测精度最高、误差最小的最优值;对于不同的预测时间尺度,向量维数的最优值一般不同。     

基于连续时间段聚类的支持向量机风电功率预测方法

提出了一种基于连续时间段聚类的支持向量机风电功率预测方法。通过2次聚类把全年分为若干个类型的连续时间段,并对同类型时间段使用支持向量机建模,建立后的模型用于其他年份对应时间段的预测。与神经网络相比,支持向量机建模方法避免了局部最优。利用国内某风电场数据进行对比实验,证明了所述方法的有效性。     

基于斑点鬣狗算法优化支持向量机的短期风电功率预测

为提高短期风电功率预测精度,提出了一种基于斑点鬣狗算法优化支持向量机的短期风电功率预测方法。采用斑点鬣狗算法对支持向量机的惩罚系数和核参数进行优化,建立基于SHO SVM的短期风电功率预测模型,并采用实际风电场运行数据进行仿真分析。仿真结果表明,SHO SVM模型的平均相对误差和均方根误差分别为4.15%和0.196,预测精度和数据波动性均优于其他模型,验证了短期风电功率预测方法的正确性和实用性。     

基于多属性决策和支持向量机的风电功率非线性组合预测

针对单一预测模型误差波动较大和线性组合预测的局限性,提出了基于多属性决策和支持向量机(SVM)的风电功率非线性组合预测模型。首先基于多属性决策理论,在检验其预测有效的情况下选择3种最优模型作为单项预测模型,并分别建模预测得到3种不同的预测结果;然后将各单项的预测结果作为训练输入,将相应的实际值作为训练输出,建立SVM组合预测模型。为检验该模型预测的有效性,用2组不同的历史数据进行验证,结果表明:该组合模型综合了各单项模型的优点,其均方根误差和平均百分比误差均小于各单项模型及其他组合模型,有效地提高了预测精度。最后还研究了采样间隔对预测结果的影响,结论表明:当采样间隔为5～15min时,预测精度较高。     

基于相似日聚类的支持向量机风电功率预测方法

风电功率预测技术是提高风电并网可靠性的重要手段。但是目前常用的统计建模方法没有对数据进行有效的预处理。导致建模效果不理想。提出一种基于相似日聚类的支持向量机风电功率预测方法,对建模数据进行相似日聚类,分别建立预测模型用于对应类别日期的预测。利用国内某风电场的数据进行对比实验,该预测方法相比纯支持向量机建模具有较好的效果。     

基于改进最小二乘支持向量机和预测误差校正的 短期风电负荷预测

为了提高风电负荷预测精度,保证风电场资源得到有效利用,提出了基于改进最小二乘支持向量机和预测误差校正相结合的方法。首先引入提升小波分解原始数据,可以有效提取其主要特征,从而克服风电场的随机性。然后采用最小二乘支持向量机对分解后的信号做预测,保证了预测精度。接着用误差校正方式修正预测结果,减少了较大误差点的出现,提高了预测结果的稳定性。最后,通过某风电场预测结果表明,基于提升小波和最小二乘支持向量机的方法可以提高预测的精度,误差预测的方法也可以有效地校正预测结果。仿真结果验证了该方法用于风电负荷预测是有效可行的。     

基于I扇区的三电平SVPWM算法研究

针对一般三电平SVPWM算法逻辑繁琐和计算量大等问题,给出了基于I扇区的三电平SVPWM算法,避免了相同算法在不同大扇区的重复计算,同时,提出一种简单易行的小扇区判定算法,简化了判定步骤。在仿真软件中实现了三电平SVPWM算法,建立了使用DSP控制的T型三电平逆变器样机,通过仿真与实验对算法的性能进行了验证。     

基于ESMD-PE和ADBN的短期电力负荷预测

为了改善短期电力负荷预测性能,提出了一种基于极点对称经验模式分解（ESMD）-排列熵（PE）和自适应深度信念网络（ADBN）的组合预测新方法。为了提高预测精度以及降低原始负荷序列复杂度简化预测模型输入,首先运用ESMD方法将原始负荷序列分解成为一系列复杂度互异的模态函数,然后运用排列熵计算各模态函数的熵值并对复杂度相近的模态进行重构得到新的子序列;在综合考虑各影响因素的基础上,对新序列分别构造不同的DBN预测模型,最后叠加预测结果;由于DBN模型中无监督训练阶段学习率通常采用全局统一的常数型参数,将自适应学习率引入到对比差度（CD）算法中,通过自动调整学习率改善模型的收敛速度,同时预测精度也有提高。通过算例分析,文章提出的ESMD-PE-ADBN模型的MAPE值与RMSE值分别为1.03%和90.91MW,预测效果最佳。     

风机异常及缺失数据的填补方法研究

风机异常数据和缺失数据的识别和填补对于风机运行状态的评估和未来风速的预测具有重要意义。文章考虑到SCADA数据中某些风机可能存在异常数据和大量缺失数据的情况,对错误数据进行识别剔除,对缺失数据进行分类,对于个别不连续点缺失的情况进行均值填补;对于连续缺失并有旁侧风机数据参考的情况下,基于同时间段临近风机数据,先建立风向填补模型,绘制连续完整的风向数据,再分风向区间,分别使用SVM方法建立风速填补模型;对于无旁侧风机参考状态下的缺失数据,使用NAR神经网络进行逐点填补。文中采用某风场实测数据进行数据验证,并与其他几种传统神经网络填补方法进行比较,测试结果表明所提出的方法性能优于其他模型。     

基于主从博弈理论的社区微电网-配网能量交易模型研究

随着全球环境污染问题及化石能源短缺问题日趋突出,分布式光伏大量接入配电侧导致微电网环境下的能量管理愈发困难.为实现微电网能源高效消纳及资源合理配置,提出了一种基于主从博弈的能量交易优化模型.针对光伏产消型社区微电网建立一种新型区域电力市场模型,并根据电网分时电价模型及内部交易电价模型提出市场交易模式选择方案.提出基于数...     

基于自适应权重FAHP的电能表运行状态评价

智能电能表作为电能计量装置的核心设备,其运行状态直接影响着电能计量的准确性和公平性,因此对电能表运行状态进行准确评价至关重要。针对现有的电能表状态评价方式存在的问题,提出了一种新型电能表运行状态评价方法。以电能表现场试验、基本信息和运行监测指标为基础建立了运行状态评价体系;针对评价体系指标众多,各项指标重要性横向比较困难、缺乏客观性的问题,建立了基于模糊层次分析法(FAHP)的运行状态评价模型;考虑到异常状态值的淹没问题,提出了通过权重自适应调整对运行状态评价模型的改进,动态反映各个指标对电能表的影响。算例分析证明了FAHP可得到合理的评价权重系数,权重自适应调整算法避免了单个子指标异常越限的淹没,评价结果更加准确、合理。     

基于阻抗变化的主动式无线充电系统金属异物检测方案

金属异物混入无线充电系统中时,不仅会影响系统的传输效率,严重时甚至会导致火灾等安全事故的发生。文中提出了一种基于阻抗变化的主动式金属异物检测方案,通过在无线电能传输系统发射线圈表面添加一层检测线圈阵列并给检测线圈施加激励源,解决了被动式检测方案无法实现掉电情况下检测的难题;对检测线圈的结构进行设计,与传统的检测线圈方案进行了对比,解决了传统检测方案的检测盲区问题;对检测线圈回路的谐振频率选取原则进行了探讨,选取偏离谐振点的频率,提高了检测灵敏度。通过搭建有限元仿真模型,研究了检测线圈方案对不同类型金属异物的检测效果。实验结果表明,不同类型金属异物混入无线电能传输系统中时,所设计的检测方案能有效地检测出金属异物的存在。     

基于改进优化隶属度函数的便携式电量计量装置综合评估方法

便携式电量计量装置可以在保证电力用户正常用电的情况下,对电能表更换过程中用户实际使用的电量进行计量和监测.文中提出了一种基于改进优化隶属度函数的便携式电量计量装置综合评估方法.从商务和技术两方面建立了便携式电量计量装置的综合评估指标体系;为了避免现有隶属度函数选择和指标权重确定方法中存在的单一性和主观性问题,提出了一种改进隶属度函数优化构造方法,提高了评价结果可信度;进而结合序关系法和均方差法确定各指标的权重向量,并给出了便携式电量计量装置综合评估的算法步骤.研究结果表明,文中所提出的综合评估方法能对便携式电量计量装置做出有效评价,具有较高的可信度.     

基于交叉小波变换的高压并联电抗器故障诊断方法

为了实现高压并联电抗器智能化诊断,提出一种基于交叉小波变换的电抗器故障诊断方法.搭建振动信号测试平台,采集不同条件下的电抗器振动信号,对比分析了电抗器三种状态下的交叉小波功率谱,通过图谱中颜色、显著性水平曲线与相角变化对电抗器故障进行定性分析;确定了信号的特征频段,提取特征频段中RGB参数与相角信息构造特征矩阵;采用矩...     

计及P2G与CCHP技术的综合能源系统多目标协同优化模型

兼顾系统净收益和可再生能源弃能率是当前综合能源系统协同运行的重点问题.在梳理当前研究的基础上,考虑P2G机组、CCHP联供机组、电制冷机等设备,设计了综合能源系统协同优化运行结构;以系统净收益最大化和弃能率最小化为目标,考虑各能源组件的模型和约束条件,构建了系统协同多目标优化模型,以及采用了多目标粒子群算法配合模糊综合...     

20Hz注入式定子接地保护在700MW水轮发电机组中的应用

青海拉西瓦水电站作为"西电东送"北通道的骨干电源点,对西北电网750kV网架起重要的支撑作用,是实现西北水火电"打捆"送往华北电网的战略性工程。本文通过对常用的3ω定子接地保护和3U0定子接地保护原理的简单介绍,重点突出了拉西瓦水电站发电机定子接地保护所采用的外加20Hz电源注入式100%定子接地保护,文中不但详细分析了此保护方式的实现和各配套装置的工作原理,还通过开机前的保护整组实验和72h试运行,总结了现场调试注意事项以及整套装置的应用与维护注意事宜,以此证实此保护原理与三次谐波原理相比,更具有突出的优势,例如灵敏度更高、测量范围更大,且与发电机运行工况无关等。