基于天气相似聚类与QRNN的短期光伏功率区间概率预测

为减少光伏发电的不确定性对电力系统造成的影响，描绘更为准确、清晰的光伏出力区间，提出一种基于天气相似聚类与分位数回归神经网络(QRNN)单调模型的短期光伏功率区间概率预测模型。首先，QRNN单调模型在预测过程中引入单调性，保证单调的分位数结果，并采用Huber范数近似替代原损失函数，弥补了传统区间预测分位数交叉及损失函数不可微的缺陷。其次，基于气象信息的数据特征，采用动态自组织映射聚类算法，通过神经元竞争与更新确定神经元邻域权重结构，并根据其邻域权重大小将天气聚类为晴天、多云天与阴天，得到相似天气下的数据集。然后，在不同天气条件下对影响光伏出力的因素进行相关性分析，得到不同天气下的天气影响特征，并作为输入因子输入神经网络中。最后，以澳大利亚沙漠知识太阳能中心实际数据集为例进行区间预测，并采用核密度估计给出概率预测结果，验证了所提方法的可靠性。     

考虑需求不确定性的高比例新能源电力系统灵活性优化

灵活爬坡服务FRP(flexible ramping product)参与市场是高比例新能源电力系统应对灵活调节能力不足的关键。基于非参数核密度估计理论提出了FR需求量不确定性区间动态生成方法，并针对发电侧资源在FR需求量最恶劣场景下灵活调节能力不足的问题构建了一种火电机组、储能参与的两阶段优化模型。日前阶段以购电成本最小为目标，通过求解模型得出系统在各时段所拥有的灵活调节能力。实时阶段以考虑FRP服务后的系统总运营成本最小为目标，解决系统在最恶劣FR需求场景下灵活调节能力不足的问题，并求出经济性最优的优化方案。结果表明，所提模型有利于提高风电的消纳能力，并降低系统的运行成本。     

基于联合虚拟储能系统的海岛微电网协同优化策略

可再生能源并网比例逐渐提高的同时，用户侧负荷也在逐年增长。微电网作为分布式新能源消纳的有效方式，其电力电量平衡也面临着巨大挑战。为充分发挥用户侧广义负荷的调控潜力，同时进一步考虑微网运营商、储能运营商以及可调节用户等市场主体参与电能交易时的利益分配问题，该文提出一种考虑虚拟储能系统的海岛微电网多主体博弈的优化调度策略。首先，根据空调负荷、电动汽车的运行特性，分析建筑物的蓄热特性以及电动汽车的充放电特性，建立一种包括空调负荷和电动汽车的联合虚拟储能系统。其次，考虑市场环境下源-荷-储三方利益诉求不同的问题，以微网运营商为领导者，储能运营商和用户为跟随者，构建各主体的交易模式和数学模型，建立一主多从的分布式协同优化模型。最后，通过算例验证所提方法的有效性，即在兼顾多主体利益的同时，能够有效减小峰谷差，减少区域电力系统对传统储能设备的依赖，从而节约投资成本。     

极端条件下基于特征层面信号融合的电励磁双凸极电机匝间短路故障诊断

电励磁双凸极电机（WFDSM）具有结构简单、可靠性高等优点，适用于航空航天等环境恶劣领域。当发生小匝数短路故障时，由于其电流、振动等信号不会产生明显的变化，难以用传统的检测手段区分。因此，该文提出一种基于特征层面多源信号融合和改进神经网络的WFDSM匝间短路故障诊断方法，用于诊断极端环境下WFDSM早期匝间短路故障。首先，对电流信号进行经验模态分解，获得本征模态函数，同时对振动信号进行小波包变换，并对分解后的各个频段提取峭度和裕度特征，同时计算能量占比；然后，将上述特征矩阵处理后输入改进卷积神经网络训练模型中；最后，通过实验表明，采取特征融合的计算方法诊断准确率可达98%，较数据层面和结果层面的融合计算方法准确率有明显的提升，并且对极端运行环境下的噪声，该方法具有很强的抗干扰能力。