基于多智能体Nash-Q强化学习的综合能源市场交易优化决策

目前求解综合能源市场多参与主体竞价博弈问题普遍采用数学推导法与启发式算法,但两类方法均须以完全信息环境为前提假设,同时前者忽略市场参与者非凸非线性属性,后者易陷入局部最优解.为此,引入多智能体Nash-Q强化学习算法,将市场参与主体构建成智能体,经由智能体在动态市场环境中反复探索与试错寻找博弈均衡点.首先,构建竞价决策-市场出清双层迭代的电-气综合能源市场交易框架.其次,在竞价决策层中通过博弈理论构建市场参与主体间的利益关系模型,采用多智能体Nash-Q强化学习算法优化参与主体竞价策略.然后,在市场出清层中联合博弈竞价策略共同求解得到交易Nash均衡解.最后,通过算例仿真验证了所提方法的有效性和准确性.     

单目图像序列中三维信息的提取算法及应用

分析了三维信息的提取在视频监控系统中的重要性,指出了传统标定算法的局限性。在线性摄像机模型基础上,提出了一种基于图像网格的非线性校正算法,完成对摄像机参数的标定,实现三维信息的重建。以实际交通录像为仿真对象,证明了该算法的有效性。     

电网调度命令操作票专家系统的实现

本文以华北油田电力网调度命令操作票专家系统为实例，介绍利用窗口技术，在Ｗｉｎｄｏｗｓ环境下用ＢｏｒｌａｎｄＣ＋＋语言实现专家系统的设计思想和方法以及功能特点，本系统的应用是专家系统从理论到实践的一个很好的尝试。     

基于灰色关联分析的自适应低频减载

针对当前低频减载方案常按频率跌落延时切除离线整定的负荷量、缺少对负荷特性的综合考虑而引起的欠切、过切等问题,提出以负荷频率效应系数、单位电能损失和负载率为决策指标对不同重要性级别下的负荷节点进行灰色关联分析排序,按关联度由大到小确定切负荷顺序。基于广域测量的系统初始频率变化率自适应估计系统功率缺额,在计及发电机和负荷的调节作用的同时计算切负荷总量,并按减载顺序主动分配。四种典型故障场景下的仿真结果表明所提方案能有效决策减载策略,以最小的减载量和减载代价获得了最优的频率动态恢复曲线,验证了可行性。     

一种水性聚氨酯皮革涂饰剂的制备

以异佛尔酮二异氰酸酯(IPDI)、聚酯二元醇为主要原料合成了具有良好物性的水性聚氨酯皮革涂饰剂。通过测试薄膜的吸水率、涂层的干湿擦以及低温耐曲挠等性能,优化出了合成的最佳工艺。实验结果表明:本文的最佳实验条件,n(-NCO):n(-OH)的最佳值为1.35、DMPA的质量分数选为5%~7%、TMP的用量选0.5%~1.5%之间、后扩链程度选择50%~70%;本文实验条件合成的皮革涂饰剂具有很好的耐水性能,且对环境友好,无污染。     

聚氨酯-氟化聚丙烯酸酯复合乳液的合成

首先制备了聚氨酯(PU)种子乳液,再以甲基丙烯酸十二氟庚酯和丙烯酸酯为单体,通过单体滴加法和单体预乳化法两种不同的乳液聚合方法制备了聚氨酯-氟化聚丙烯酸酯(FPUA)复合乳液。采用傅里叶变换红外光谱对FPUA复合乳胶膜的表面结构进行表征,利用激光粒径仪对FPUA复合乳液的粒子形态进行分析,探讨了引发剂种类对FPUA复合乳胶膜耐水性的影响、氟含量对FPUA复合乳胶膜与水接触角的影响和在不同制备工艺条件下含氟单体对FPUA复合乳液粒径及其分布的影响。实验结果表明,含氟单体成功接入了大分子链中;与单体滴加法相比,单体预乳化法制备的FPUA复合乳液的聚合稳定性更好,粒径更小、分布更均匀;与水溶性引发剂相比,采用油溶性引发剂制得的FPUA复合乳胶膜的吸水率更低;含氟单体的引入增大了FPUA复合乳胶膜与水的接触角。对两种聚合工艺的成核机理也进行了初步探讨。     

氟化聚氨酯的合成及应用研究进展

综述了氟化聚氨酯中含氟链段的主要引入方法,即分别由聚氨酯硬段、聚氨酯软段和丙烯酸酯类单体引入,并对各自的优点和局限之处进行了评述。介绍了氟化聚氨酯材料的微相分离结构和低表面能特性,以及氟化聚氨酯材料在制造弹性体、泡沫塑料、涂料等领域的应用。并指出了氟化聚氨酯当今研究的热点和今后的发展方向。     

计及风光不确定性的新能源虚拟电厂多时间尺度优化调度

针对中国西北地区新能源消纳问题,该文聚合风力发电、光伏发电、光热电站、电储能装置组成虚拟电厂（VPP）,提出一种基于鲁棒随机优化理论的新能源虚拟电厂多时间尺度优化调度策略。首先对风力发电、光伏发电、光热电站与电储能装置进行数学描述,在此基础上建立VPP多时间尺度优化调度模型。在日前调度层中,以VPP运行效益最大为目标,依据风光日前预测出力建立日前优化调度模型;在时前调度层中,以VPP运行成本最小为目标,根据风光时前预测出力建立时前调度修正模型。同时,为了衡量风电、光伏发电出力不确定性对系统的运行影响,建立VPP随机优化调度模型。仿真结果验证该模型可提高运行效益与新能源消纳能力。     

基于MIV的BP神经网络磷酸铁锂电池寿命预测

针对锂离子电池循环寿命衰减问题,为了能更加准确地对锂离子电池的循环寿命进行预测,对磷酸铁锂电池全生命周期进行循环充放电测试,获得其相关性能参数,提出基于BP神经网络分析方法建立寿命预测模型。在预测模型基础上,运用平均影响值(MIV)算法筛选模型的输入参数。结果表明,所建立的电池循环寿命预测模型具有较高的精度,符合电池的实际运行特性,对解决电池寿命评估周期长和成本高等问题具有重要意义。