基于mRMR-ESN的单变量光伏功率预测

设计了两种预测模型:利用天气变量作为输入的传统多变量预测模型;利用历史功率数据作为输入的新型单变量预测模型.采用最小冗余最大相关(min-redundancy and max-relevance,mRMR)方法分别对两种模型进行特征提取,并选用在时间序列预测方面具有优势的回声状态网络(echo state networ...     

发动机控制器ECU中功率管的温度预测研究

为了准确预估发动机控制器ECU中的功率MOSFET管的温升情况,建立了一个针对工作于PWM脉宽调制方式下的功率MOSFET管的峰值节点温升预测简化模型,基于功率管的DATASHEET参数,模型可以快速地对工作于PWM调制方式下的功率管峰值节点工作温度做出精确预测.通过试验测量的温升结果和模型的预测温升结果的对比,验证了模型的温升预测精度,对温升的预测最大误差不超过2.3%.虽然温度预测模型是基于柴油机电磁阀驱动电路,但预测模型可以很容易地扩展到其他的功率驱动电路拓扑结构.     

综合管廊电缆桥架火灾的温度场分布特性

针对综合管廊电缆火灾的危害性,建立截面尺寸为1∶1的管廊模型,重点研究电缆火灾造成的受限空间温度场分布.结果表明:烟气的沉降作用可将垂直温度场划分为顶棚射流层、中间热烟气过渡层和底部冷空气层;封堵端口会加快顶棚烟气温度的纵向衰减速度,并分别提出封堵侧和贯通侧的顶棚温度纵向衰减预测模型;对于火源功率较小的电缆桥架火灾,火源功率与顶棚最大温升满足线性关系.通过建立顶棚最大温升预测模型,发现实验值与预测值之间的误差均能维持在37%以内,其中最小的预测误差为14.73%,模型的整体预测效果较好.     

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.     

基于CFD的液力变矩器等效参数性能预测模型

从保证冲击损失计算精度的角度出发,推导了一维束流理论性能预测模型中各参数基于计算流体力学(CFD)分析的等效表达式.从CFD分析结果中提取各叶轮的损失功率,运用最小二乘法确定各损失项的损失系数,进而得到液力损失的构成情况,为进一步改进设计提供依据.运用得到的等效参数与各项损失系数修正一维束流理论性能预测模型,修正后的等效参数性能预测模型的泵轮转矩系数与CFD分析最大偏差减小至3.2％以内.改变液力变矩器的叶形参数,使失速时泵轮转矩系数提高6.9％,最高效率降低2.5％.分别使用等效参数性能预测模型与CFD分析重新计算,等效参数性能预测模型的泵轮转矩系数与CFD计算结果偏差在7.3％以内,仍然保持较好的一致性.     

基于灰狼优化SVR的风电场功率超短期预测

提高风电场功率超短期预测的稳定度、精度和速度,是风电并网的关键技术之一.分析了风电场气压、温度、湿度等气象因素和风速对风机输出功率的影响,用风电场的气象数据和风速构建风电场物理模型,提出了一种用灰狼算法优化SVR参数C、g的风电场功率超短期预测模型,通过与GA-SVR、PSO-SVR预测模型比较,结果表明,该预测模型稳定性好、预测精度高、预测时间短.     

风力发电机组出力组合区间预测算法

论述风电机组出力的准确预测对含大规模风电场电力系统的经济、安全运行具有重要意义,提出基于模糊信息粒化-最小二乘支持向量机和混沌时间序列的出力组合区间预测方法.首先用最大-最小贴进度的方法建立风速组合区间预测模型,然后在风速区间预测的基础上,通过风速与出力之间的关系-功率曲线,得到风电机组出力在未来时刻的变化区间.对提出的预测模型,使用甘肃酒泉某风电场和美国Wisconsin州Butler ridge风电场的现场实测数据进行测试验证,结果表明通过该预测模型得到的风电机组出力变化区间具有较高的精度和置信水平.     

晴天光伏发电功率的日内变化规律及预测方法研究

针对晴天天气类型,研究了光伏发电功率的日内和年内尺度的变化规律,根据晴天出力变化速率曲线的特性,提出晴天光伏发电功率预测模型,在晴天光伏发电功率预测模型的基础上,根据光功率实时监测信息,加入分阶段实时修正系统,实现了日前预测与超短期预测相融合,提高了预测精度.黄河上游共和光伏电站实例应用结果表明:所提出的晴天光伏发电功率预测模型的总体平均预测误差在2%以下,用于光伏发电功率预测的其他方法如线性回归、神经网络、支持向量机等在相同条件下的预测误差区间为8%～20%,故所提出的方法预测精度有大幅度提高.该模型的输入值都是基于光伏电站自身的出力特性提取的,不需要辐射量、云层、气压、降水量等难以获取的信息,是一种简单并实用的创新预测方法.     

压电振动能量收集器的等效电路建模分析与实验验证

提出了一种用于压电振动能量收集器的等效电路建模分析法.这种方法将有限元分析和电子电路分析相结合,根据机电类比机制,把压电振动能量收集器的建模问题从复杂的机械领域转换到纯电学领域进行分析.利用该等效电路法,建立并分析了线性和AC-DC非线性负载电路条件下双压电层并联的振动能量收集器电能预测模型.通过对比发现,经等效电路建模分析得到的电压和功率响应结果与实验测量结果的最大误差不超过5％,这充分证实了等效电路建模分析法能在避免理论建模时的复杂推导过程的前提下,保证电能预测模型的精确性.该研究为创建复杂机械和电学边界条件下压电振动能量收集器电能预测模型提供了一种新的、有效的解决途径.     

基于能耗效率的SiCp/Al复合材料切削参数多目标优化

为了提高加工质量,降低切削过程中的能源消耗,开展SiCp/Al复合材料切削加工参数的多目标优化研究。首先,确立以刀尖圆弧半径、切削深度、进给量、切削速度和刀具主偏角为输入参数,以最小表面粗糙度和最大功率系数为优化目标的优化方案。然后,通过仪器采集表面粗糙度、切削力和功率的实验数据,基于加权灰色关联和最小二乘拟合方法进行多目标优化,建立多目标预测模型。最后,利用主效应分析法来确定加工参数对功率系数、表面粗糙度和多目标模型的影响。研究结果表明:多目标预测模型能够获得最优参数组合,优化后可显著提高加工质量和功率系数。     

综合管廊电缆桥架火灾的温度场分布特性研究

针对综合管廊电缆火灾的危害性,建立了截面尺寸为1:1的综合管廊模型,重点研究电缆桥架火灾造成的受限空间温度场分布。结果表明：烟气的沉降作用可将垂直温度场划分为顶棚射流层、中间热烟气过渡层和底部冷空气层;封堵端口会加快顶棚烟气温度的纵向衰减速度,并分别提出了封堵侧和贯通侧的温度衰减预测模型;对于火源功率较小的电缆桥架火灾,火源功率与顶棚最大温升满足线性关系;通过建立顶棚最大温升预测模型,发现实验值与预测值之间的误差大多维持在30%以内,其中最小的预测误差为14.73%,模型的整体预测效果较好。     

基于集成多尺度LSTM的短时风功率预测

风能作为一种无污染可再生能源,风力发电的比例在全球范围内逐年增加.针对风力发电存在出力波动大,从而导致电网电力不稳定的问题,提出基于集成多尺度长短时记忆网络(LSTM,long short-term memory)的短时风功率预测模型.利用LSTM对序列数据的特殊处理能力,集成多个基预测模型对不同尺度时间数据的预测结果,共同进行短时风功率预测.风功率的精确预测有利于电力资源的全面掌控和调度.采用中国东北地区风力发电真实数据集对模型进行验证,结果证实研究方法预测精度较高,有很好的稳定性.     

应用改进遗传规划方法的快堆功率控制策略

由于快中子增殖反应堆的功率变化与反应性变化会相互影响,因此很难找到一个有明确物理含义的数学模型;而且其衰变功率在非稳态运行条件下,极易引起反应堆功率控制的过冲现象.针对快堆功率控制的这些特点,把改进后的遗传规划方法与反应堆动态周期方程相结合,得到了一个反应性控制的预测模型,同时对该模型进行了仿真验证.验证结果表明,该反应性预测模型的预测值与实测值吻合很好,总反应性的相对误差率甚至不超过1%,从而可以看出在整个控制过程中没有明显的过冲现象出现,模型性能良好.     

基于熵权组合模型的风电功率预测

利用灰色预测法、人工神经网络法、ARMA时间序列法3种不同的预测模型对某风电场的风电功率进行了预测研究。计算结果表明,利用单一预测模型进行预测的精度有待提高。提出建立组合预测模型对风电功率进行预测,为了充分利用单一预测方法的优势,引入熵值理论。利用熵值法确定组合预测模型中的权重,进而建立熵权组合预测模型。模拟结果表明,熵权组合预测模型可以有效地提高风电功率的预测精度。     

基于空间相关性和小波-神经网络的短期风电功率预测模型

为准确预测风电功率,该文提出1种预测模型。利用风速空间相关性把握风速时间序列的变化规律。将小波基函数植入神经网络的神经元节点中作为传递函数,对风电功率进行预测。对2相邻风电场短期风电功率预测算例进行仿真与对比分析。结果表明基于空间相关性和小波-神经网络(SC-WNN)的预测模型与逆传播神经网络(BPNN)和小波-神经网络(WNN)预测模型相比,平均百分比误差最大降低了0.164 3。     

基于EMD-AO-DELM的光伏功率预测算法

为提高光伏功率预测精确度,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）-天鹰优化器（Aquila Optimizer,AO）-深度极限学习机（Deep Extreme Learning Machine,DELM）的组合光伏功率预测模型.该算法对光伏发电影响因素进行分析筛选,选出与光伏输出功率高度相关的因素作为输入变量,并采用经验模态分解（EMD）将光伏原始功率数据分解为多个特征模态函数（Intrinsic Mode Function,IMF）.然后,将分解得到的IMF分量分别输入DELM预测模型,同时通过AO优化算法对DELM初始输入权重进行优化,从而提高深度极限学习机的泛化能力.最后,将各IMF分量预测结果叠加求和得到最终预测结果 .通过仿真结果表明,本文提出的EMD-AO-DELM预测模型,相较于单一DELM模型具有更好的预测精度,证明了所提方法的有效性.     

Φ型与H型Darrieus垂直轴风力透平性能比较

采用单盘多流管模型作为Darrieus垂直轴风力透平的空气动力学性能预测模型,在相同密实度和相同高宽比的条件下,计算得到了Φ型与H型Darrieus垂直轴风力透平功率系数-尖速比曲线和功率-尖速比曲线.分析了Φ型与H型Darrieus垂直轴风力透平尖速比对功率系数及功率的影响,得到不同尖速比范围下两风力透平功率系数与功率的变化规律.     

基于诱导有序加权平均算法的风电场短期功率的预测

为了提高风电场发电功率的预测精度,提出一种基于诱导有序加权平均(induced ordered weighted averaging,IOWA)算法的风电场功率组合预测模型;该方法通过误差信息矩阵法筛选出优选模型进行组合,消除了冗余模型对预测精度的影响;结合华北某风电场历史功率数据及该地区的数值天气预报数据建立了风电场短期功率预测模型,以误差平方和最小值为准则,对未来48 h的风电场发电功率进行预测。结果表明:经优选后的组合预测模型降低了预测误差,提高了预测精度,缩短了预测时间。     

光伏电池最大功率点跟踪

为了快速稳定地跟踪到光伏电池最大功率点,提出基于固定电压法和导纳增量法相结合的光伏电池最大功率点跟踪(MPPT)方案.固定电压法用来迅速跟踪近似最大功率点,导纳增量法则用来进行精确跟踪,仿真结果表明此方案能快速地跟踪到光伏电池的最大功率点.在此基础上加入环境判断因子,提高了光伏电池在多云天气情况下最大功率点跟踪的稳定性.     

正弦稳态下最大功率传输探讨

信号传输时,功率是需要考虑的一个重要因素.文章对正弦稳态下最大功率的传输做了探讨,发现当负载阻载为传输网络的戴维南等效电路阻抗的共轭复数时,负载所获得的功率最大.在此基础上,对负载被限制时的最大输出功率做了进一步讨论.