基于非线性有源自回归神经网络的路面不平度识别

针对传统方法在识别路面不平度时需要消耗大量的人力物力且识别精度不理想等问题,该文提出一种基于非线性有源自回归(NARX)神经网络识别路面不平度的方法。使用ADAMS软件建立某SUV车型的整车模型。以左前与右后悬架动挠度、车身绕质心俯仰角位移、车身绕质心侧倾角速度、左前与右后车轮垂直加速度以及车身质心垂直加速度共7个车辆响应的数据样本点作为NARX神经网络的输入,以对应的路面不平度作为NARX神经网络的输出,建立NARX神经网络模型。通过仿真得到相关系数为97.577%,均方根误差为0.003 7。另取A、B、C、D 4种不同等级路面下的车辆响应,带入训练好的NARX神经网络。结果表明,NARX神经网络对4种等级的路面识别的相关系数均在90%以上。     

基于灰理论及神经网络的设计变量综合分析方法

目的 研究工程设计变量对设计结果的影响程度,分析并简化输入变量对输出结果的约束限制.方法 采用正交试验法安排实验并通过实验获得样本数据,将样本的期望值同采用遗传算法自适应构建神经网络的模拟值作灰关联序列分析,从序列分析中删除对设计结果影响较小的设计变量,从而直观获得设计变量对输出结果的影响规律.结果 通过对机械搅拌釜的气含率与结构参数间的灰关联分析,验证了该综合分析方法的有效性.结论 基于灰理论及神经网络的设计变量综合分析方法为寻找工程设计结果与设计变量间的关系提供了很好的分析思路.     

可再生能源发电对配电系统安全的影响及对策

 可再生能源发电出力所具有的随机性、波动性给配电系统的安全、稳定运行带来严峻影响。为了保障可再生能源发电并网的安全、稳定,分析了以可再生能源发电为主的分布式电源并网对配电系统安全运行产生的功率传输、电能质量、频率稳定、孤岛效应、保护控制及规划设计等方面的问题。针对涉及的问题,分别从制定全面规范的并网导则与标准,可再生能源发电出力稳定性与可调控水平的提升,优化配电系统网络结构,制定协调的保护与控制策略,研究源、网、荷协调规划方法等5 个方面给出了相应解决建议。对面向可再生能源并网的源、网、荷协调规划理念与方法进行了深入探讨,并对规划模型的研究重点与难点进行了分析。     

考虑源网荷不确定性的电力系统概率暂态稳定预防控制

波动性新能源的高比例接入为电力系统运行引入了随机性,对系统安全稳定运行造成影响。为提高系统安全稳定运行水平,本文计及了风电功率多点随机耦合注入为代表的源不确定性、节点负荷不确定性,以及故障类型、故障位置和切除时间为代表的网不确定性,提出了考虑源网荷不确定性的电力系统概率暂态稳定预防控制模型(PC-PTS),以及基于粒子群方法(PSO)和2m+1点估计 (PE)的PSO-PE综合求解方法。最后通过多点耦合注入风电功率的New England 10机39节点系统对本文提出的PC-PTS模型和求解方法进行验证。仿真结果表明：所提出的PC-PTS模型合理,PSO-PE综合优化方法快速有效,两者结合可提高考虑源网荷不确定性的电力系统概率暂态稳定水平。     

基于PCA-SOM的低压配网运行态势评估方法

基于低压配网自动化水平较低且现有运行态势评估方法未能涵盖配电网智能化的需求,提出了一种基于PCA-SOM的低压配网运行态势评估方法,首先利用改进的主成分分析提取低压配网运行态势评估指标并建立评估指标体系;其次对已构建指标体系中相关的配网运行数据进行基于自组织神经网络的异常数据辨识和清理;再次对各层次评估指标建模并计算权重;然后计算各层次指标值及评估得分,找出配网运行薄弱环节;最后对广西省某地区低压配网进行运行态势评估.结果表明,该方法能够科学合理地建立配网运行态势评估指标体系,以及有效减少异常数据对配网运行态势评估的影响,可为低压配网运行态势监测和运行优化提供参考.     

考虑源荷功率不确定性的海上风力发电多微网两阶段优化调度

针对海上风力发电多微网源荷功率不确定性大、经济效益低的问题,提出考虑源荷不确定性的海上风力发电多微网两阶段优化调度方法,以提升海上风力发电多微网的日运行收益.所提两阶段优化调度方法包括日前和时前两个阶段.在日前阶段,所提方法基于风力发电出力和负荷需求预测数据,考虑预测误差的分布特征,建立随机优化模型,制定燃油发电机组组合计划和电池储能荷电状态值,从而最大化日运行收益的期望值.在日前优化的基础上,依托时前风力发电出力和负荷需求的预测数据,建立确定性优化模型,通过调节燃油发电机组出力、风力发电出力和电池储能充放电功率,最大化每小时的运行收益.以实际工程中的海上风力发电多微网源荷预测数据为基础,建立仿真模型,对所提方法进行验证.仿真结果表明,与传统调度方法相比,所提两阶段优化调度方法可以提高运行收益和风力发电资源整体消纳率.     

灵活性负荷参与电网调度的经济优化运行

在“碳达峰、碳中和”的背景下,大规模新能源并网使系统出现了调峰压力大、新能源消纳难等问题。随着灵活性负荷占比的不断增大,根据灵活性负荷的不同特性,针对系统面临的问题提出了“源-网-荷-储”相协调的双层优化运行模型。首先,基于分时电价策略引导用户用电行为,建立提升源荷双方综合满意度以及净负荷波动最小的上层多目标模型,利用粒子群算法对上层模型进行求解得到优化后的负荷需求响应并带入下层模型中。其次,根据源荷双方的供需关系,确定参与调度灵活负荷的运行方式,构建以系统调度运行成本最小为目标的下层模型,并采用Cplex求解器求解。最后,以某地区实际系统为例,结果表明了灵活性负荷参与电网调度可缓解电网调峰压力,提高了可再生能源消纳能力,并验证了本文所提模型的有效性。     

配置储能装置的光伏预测配网优化研究

在分析区域光伏并入配网时交流母线PCC点电压波动机理的前提下,提出一种配置储能装置的光伏预测配网优化运行方法。该方法分析光伏发电输出功率与多种气象因素的相关性,将多种气象因素作为多个信息源处理,运用信息融合理论将其加权为一个综合影响因子λ,建立以λ为输入的BP神经网络预测模型,将模型输出的预测值实时传送给储能装置,采用基于滤波原理的光伏发电输出功率平滑控制,实现光伏功率平滑输出,这种方法可以和分时电价有效结合,既提高配网运行经济性的同时稳定节点电压,降低节点电压越限的可能。研究结果表明:所述预测模型具有较高的预测精度,对配网的安全优化运行有一定作用。     

考虑消纳效益的多能源枢纽荷源协调优化方法

为进一步挖掘能源互联网多能源互补的潜力,提高能源系统的运行收益,降低运行成本,提出了一种考虑消纳效益的多能源枢纽荷源协调优化方法。考虑多能源系统的约束条件,依据最小化住宅能量枢纽运行总成本构建住宅能量枢纽模型,以最大化工业能量枢纽运行总收益为目标构建工业能量的枢纽模型。根据上述两层模型的约束条件得到荷源协调优化运行中存在的问题,采用多目标加权寻优算法,设计多目标混合整数线性规划模型,实现荷源协调优化。仿真实验结果表明:所设计的考虑消纳效益的多能源枢纽荷源协调优化方法可促进可再生能源的消纳,降低多能源枢纽的运行成本,有效减少开销,提高能源系统的运行收益,为多能源枢纽的经济运行及荷源协调优化提供了新的技术途径。     

基于大数据挖掘的光伏高占比配网电压时空多维评估

随着新型配电系统及整县光伏的快速推进,光伏高占比配网成为未来发展的主要趋势之一,但高占比光伏引起的剧烈电压波动、电压越限等问题,亟需对电压状态开展准确评估。针对光伏高占比配网提出一种基于大数据挖掘的电压时空多维评估方法：通过大数据预处理技术对样本数据进行清洗,提出基于K均值聚类算法(K-means clustering algorithm, K-means)的配网电压大数据时空多维挖掘及特征提取方法,为时空多维评估提供数据基础;构建光伏高占比配网电压时空多维评估指标体系,采用主客观组合赋权法对指标进行权重赋值;提出改进模糊灰关联度评估法,利用模糊灰关联度实现量化评估及等级划分。结果表明,所提方法可从多时间尺度、多颗粒度空间尺度挖掘配网电压的薄弱环节,为解决光伏高占比配网电压相关问题提供数据支撑。     

基于神经网络的尾流激励叶片气动力辨识方法

发动机中存在上下游干涉作用,上游叶片的尾迹流会引起下游叶片发生强迫振动。针对这一现象,提出了采用神经网络模型的方法辨识尾流激励下的叶片气动力。通过计算流体力学（CFD）方法获得时域尾流压力波及其叶片气动力作为训练信号和测试信号,分别用BP神经网络和NARX神经网络建立尾流激励下的叶片气动力辨识模型,对测试信号的叶片气动力进行辨识,并与CFD结果进行比较,探究这两种辨识模型的计算精度。算例结果表明基于NARX神经网络的叶片气动力辨识模型较基于BP神经网络的叶片气动力辨识模型计算精度更高,泛化能力更强。基于NARX神经网络的尾流激励叶片气动力辨识模型,可以快速准确地辨识不同振幅的随机尾流激励和周期尾流激励下的叶片气动力。     

含风电的综合能源系统源-荷滚动优化调度模型

为了有效解决综合能源系统对强间歇性风电消纳能力较弱的问题,提出含风电的综合能源系统源-荷协同滚动优化调度方法;应用场景树分析法对综合能源系统中负荷需求响应与风电消纳等源-荷多不确定性进行定量分析;以综合能源系统运行成本最低为优化目标,构建含风电的综合能源系统源-荷协同优化调度模型,并采用滚动优化方法对模型进行求解.仿真...     

考虑广域源-荷协调的分布式鲁棒优化调度

对源荷双侧存在的不确定性进行精细化建模,可提升广域源荷协调调度结果的有效性。分别以风电功率和分时(time-of-use, TOU)电价为不确定变量,利用历史数据构建基于Wasserstein距离的概率分布模糊集来表征风电功率和分时电价的不确定性,并根据各类民用负荷特性建立分时电价引导下广域分布的民用负荷需求响应不确定模型。建立基于Wasserstein距离的广域源-荷协调双层分布式鲁棒优化调度模型,优化求解得到火电机组、风电场和各类广域民用负荷的调度计划。最后通过算例仿真验证所提方法可有效挖掘广域民用负荷调峰潜力,降低系统运行成本,提高风电消纳能力,平衡调度计划的经济性和鲁棒性。     

四川物流需求的灰关联熵分析

利用灰熵关联度分析法，计算影响四川物流需求的主要7个影响因子的灰熵值和灰熵关联度。对7个因子的灰熵关联度进行排序，分析各个因子对四川物流需求影响，展望四川物流发展。     

含混合储能的微网孤网运行能量管理策略

提出孤网条件下针对风光储微电网的能量管理策略。在分析微电网能量管理结构功能基础上,结合发电管理和需求侧管理,重点介绍锂电池和超级电容器协调运行模式,即锂电池根据新能源发电预测和负荷预测结果平滑系统输出;超级电容器负责短期调整,兼顾实时功率平衡和频率控制。仿真结果表明:该策略能够优化电池寿命,平衡系统功率,稳定微电网运行的目的。     

焦炉立火道温度的智能集成软测量方法及其应用

在分析焦炉立火道温度特性的基础上,提出了一种基于线性回归(LR)和监督式分布神经网络(SDNN)的立火道温度智能集成软测量方法。通过特性分析提出了典型蓄热室的选取原则,并利用级数验证了选取的有效性。为反映蓄顶温度与立火道温度的关系,首先分别建立了一元、二元和十二元LR模型,并通过智能集成将3个模型的输出进行有机融合;然后在对样本监督式聚类后,利用SDNN获得各个子网的综合输出;最后由专家协调器协调LR和SDNN的输出,得到立火道温度的软测量值。实际运行结果验证了该方法的有效性。     

基于多指标优化的园区源网荷储系统配置

为实现双碳目标,构建新型低碳能源体系,针对华北地区某大型工业园区源网荷储一体化系统容量配置优化问题,采用二级优化策略,以新能源发电消纳率最大和系统平准化度电成本LCOE(levelized cost of energy)最小为优化目标进行配置。首先建立园区源网荷储一体化系统拓扑结构模型,一级优化以源-网-荷-储4个方面的约束为限制,以弃风弃光率小于5%为目标函数进行寻优,然后再将输出结果作为HOMER软件的初始值进行仿真,以平准化度电成本最小为目标函数在一级优化的解集内寻优。通过对二级优化结果进行系统评估,得到兼具经济性、环保性和可靠性的最优配置组合。优化结果证明了二级优化通过枚举法的优化额外考虑了实际工程中会受到土地面积、变压器容量等变量,相较于直接使用HOMER软件更具有合理性。对比不同方案下系统的配置结果,得出最优源网荷储系统配置,为大型工业园区的源网荷储系统的规划提供了参考。     

基于BP神经网络的仓储信息资源管理评估研究

本文利用神经网络方法建立了仓储信息资源管理评估系统的数学模型。为了确保仓储信息资源管理评估的科学性和合理性,把评价指标作为神经网络的输入,把仓储信息资源的管理效益作为输出,基于最小二乘法原理,运用梯度搜索技术,力图使网络的实际输出值与期望输出值的误差均方值达到最小。经仿真分析,所建立的数学模型较好地拟合了部队仓储信息资源管理实践状况,具有较好的辨识精度。     

带变权的高压断路器状态物元评估方法

对高压断路器运行状态的有效评估是开展状态维修的重要依据.针对目前几种评估方法的不足,应用基于物元理论的高压断路器状态评估方法,综合电气试验、机械试验、外观情况、工作环境及检修状况等因素,用关联度函数分析各指标对物元的归属程度,定性和定量地评估断路器的运行状态;同时,在用层次分析法确定指标权重的基础上,引入基于均衡函数的变权模式,综合考虑指标间的均衡性,对权重进行修正得到变权,从而提高评估的准确性.经实例分析证明了该方法的有效性.     

基于NARX神经网络的轨道垂向不平顺估计

轨道不平顺是影响车辆平稳性和安全性的关键因素,因此及时掌握轨道不平顺的状态对保障列车运营具有重要意义。针对单个惯性量较难达到对不同波段不平顺的检测,提出一种采用非线性自回归神经网络(Nonlinear Auto-Regressive with exogenous Input Neural Networks,NARX)的轨道不平顺估计方法。以实测高铁轨道不平顺数据作为输入,通过车辆—轨道垂向耦合动力学模型仿真得到多个惯性量数据,再将归一化的多个惯性量仿真数据作为神经网络的输入,轨道不平顺作为输出,并用均方根误差和相关系数进行网络性能评价。仿真结果表明,NARX神经网络模型估计结果的均方根误差为0.028 9,相关系数为0.939 5,优于反向传播(BP)神经网络模型的均方根误差0.086 8和相关系数0.641 8,NARX神经网络拟合效果更好,表明本文所提方法能精确有效地实现轨道垂向不平顺估计。