变电站噪声预测软件系统开发与应用

城市变电站运转给居民造成的环境噪声污染问题被人们广泛关注,为减小噪声污染、提高降噪效率,进行噪声预测具有重要的实际意义.本文开发一款变电站噪声预测软件,阐述该软件系统的结构、功能、特点及基本算法.采用实测数据及国际主流噪声预测软件Cadna/A的计算数据验证该软件噪声计算结果的准确性.验证结果表明:两款噪声预测软件计算绘制出的噪声地图图像分布趋势相似;变电站噪声预测软件的噪声计算结果与实测数据相比,平均绝对误差约为0.94 dB(A);与Cadna/A软件的噪声计算结果相比,平均绝对误差在1 dB(A)范围内.     

基于CEEMDAN和CS算法优化SVM的混合风速预测

基于自适应噪声完备集合经验模态分解(CEEMDAN)、布谷鸟算法(CS)和支持向量机(SVM)构建了CEEMDAN-CS-SVM混合风速预测模型，实现了黄土高原陇东区风电场月平均风速的准确预测.首先，采用CEEMDAN算法对收集到的风速时间序列进行去噪，以避免直接采用收集到的风速数据进行预测将导致较大误差的缺陷；其次，采用布谷鸟算法对SVM的惩罚系数和核函数半径进行优化，以克服SVM参数选择敏感的缺陷；最后，用构建的CEEMDAN-CS-SVM混合风速预测模型实现了黄土高原陇东区风电场月平均风速的预测.数值结果表明混合风速预测模型CEEMDAN-CS-SVM能够实现研究区域短期风速的准确预测，预测精度比混合模型DWT-SVM、EEMD-SVM、CEEMDAN-SVM、CS-SVM、DWT-CS-SVM、EEMD-CS-SVM及SVM的预测精度高.     

CADNA/A噪声预测软件在城市道路中的应用分析

从城市道路和公路的差异分析入手,对目前公路噪声预测模型和德国RLS90模型的CADNA/A噪声预测软件的特点进行了比较分析,并以山西省临汾市五一路下穿铁路分离式立交工程噪声预测为例,对CADNA/A噪声预测软件的应用和噪声预测结果进行了分析。     

基于RF-WOA-VMD-BiGRU-Attention的神经网络模型在海浪预测中的应用

海上风电场的海况数据极其复杂导致用于海浪高度预测的输入参数极其不稳定,筛选出关键信息,提高输入参数的质量可以极大地提高海浪高度预测的准确性。以乐亭菩提岛风电场近一年的海上数据为基础,构建了一种基于随机森林(random forest, RF)、鲸鱼优化算法(whale optimization algorithm, WOA)、变分模态分解(variational mode decomposition, VMD)和双向门控循环单元(bidirectional gated recurrent unit, BiGRU)的海浪预测模型。该模型利用随机森林对环境特征等输入变量进行筛选,有效减少数据冗余,然后基于WOA-VMD模型自适应确定最优参数和自适应分解原始序列,提高数据质量并消除数据噪声的干扰。此外,针对海浪预测提出了一种基于注意力机制优化的BiGRU算法,随机森林的注意力机制将为BiGRU的隐藏层状态分配不同的权重,加强关键信息的影响。实验结果表明该模型和其他模型对比,输入质量更高,预测精度更高,拟合程度更准确,对风电场海浪预测有着重大意义。     

Cadna/A软件与我国公路交通噪声预测模式在实际应用中的对比分析

Cadna/A软件作为国家环保总局环境工程评估中心推荐的噪声预测软件,已逐渐被环评领域的专家学者所接受.本文详细介绍了两种模式,分析了它们在声源修正、媒介对噪声衰减的作用以及车型划分上的异同点.通过实例模拟,对Cadna/A软件与我国公路交通噪声预测推荐模式（原交通部模式）预测公路噪声进行了对比,提出了Cadna/A软件在实际应用过程中将中型车全部并入大型车进行模拟计算更贴近于我国现有的公路交通噪声模式的处理方法,发现了两种模式预测交通噪声结果随距离衰减速率不一致的问题.     

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。     

基于UHF技术的风电场油浸式主变压器局部放电监测与分析

为了避开风电场主变压器局部放电在线监测中存在的多种形式噪声干扰,引入了基于UHF技术的风电场油浸式变压器局部放电监测与分析方法,设计了UHF局部放电传感器及配套的硬件降频电路,仿真验证了传感器及降频电路的有效性,建立了风电场主变压器超高频局部放电监测与分析模型,研制了硬件构建方案及软件的功能框架,并利用现场实测信号对该方法进行验证.工业实践证明,UHF技术能达到避开风电场现场电磁干扰、可靠获取真实局部放电脉冲、有效诊断变压器内部故障的目的.     

Cadna/A软件用于大型双曲线自然通风冷却塔噪声预测的适用性分析

大型双曲线自然通风冷却塔是火电厂和内陆核电厂主要的噪声源之一,采用合适的噪声预测软件对该类型冷却塔的噪声影响进行预测分析,对开展火电厂和内陆核电厂噪声评价工作具有重要意义。选取运行的大型双曲线自然通风冷却塔为研究对象,通过对噪声预测值和实测值的对比分析,验证Cadna/A软件在该类型冷却塔噪声预测的准确性,结果表明采用Cadna/A软件对大型双曲线自然通风冷却塔进行噪声预测是合适的。     

基于支持向量回归的风电场短期功率预测

针对风电场的短期功率预测,提出了一种考虑风电机组运行条件的用于风电场短期功率预测的新方法.首先,利用风力发电机的监控和数据采集(SCADA)系统数据计算输出功率和运行条件之间的皮尔逊相关系数,验证了SCADA监测项目对风力发电机输出功率的具有相关性;其次,建立支持向量回归(SVR)模型来预测单个风力发电机的风力与气象、运行状态的关系,发现了考虑运行条件的模型的预测结果优于仅考虑气象信息的模型的预测结果;最后,考虑到不同空间位置的风力发电机组对风电场输出功率的贡献不同,建立了各风力发电机预测功率和风电场预测功率输出之间的回归模型.试验结果表明:所提出的风场回归模型的预测误差小于风力涡轮机所有预测功率的模型的预测误差,从而验证了该方法的有效性.     

换流站环境噪声预测及预测方法比较

随着工业、交通事业的快速发展,噪声问题已成为一项严重的环境问题．在项目建设之前进行环境噪声的预测是十分重要且可行的．本文将通过使用作者编写的噪声预测软件,以贵广二回直流工程极2系统调试一宝安换流站噪声预测为例,建立噪声传播模型,分别用倍频带声压级与A声级数据进行预测,并将预测值与现场实测值以及丹麦B＆K噪声预测软件Predictor Type 7810的预测值进行对比,以比较两种预测方法的预测精度以及与国外噪声预测软件之间的预测误差,并在此基础上对预测原理进行适当的补充和修正．结果表明,两种预测方法的预测精度都是较高的,且用倍频带方法预测的精度要高于用A声级方法预测的精度．该预测作为“十一五”科技支撑计划“特高压输变电开发与示范”项目的子项目“＋800kV直流系统可听噪声计算软件的开发”的一部分,对该项目的开展和实施具有较大的现实意义．     

基于虚拟叶片方法的复杂地形风电场气动性能分析

基于计算机流体力学(computational fluid dynamics,CFD)方法和虚拟叶片(virtul blade method,VBM)方法研究了风力机尾迹与复杂地形的相互作用,以实际风电场为例,分析了造成复杂地形风电场中风力机振动的主要原因,提出了一种基于CFD的快速分析风电场气动性能的方法,比较了雷诺平均(Reynolds-averaged,Navier-Stokes,RANS)和大涡横拟法(large eddy simulation,LES)求解方法在捕捉地形效应和尾迹及预测风电场功率性能方面的差异。研究分析发现,机组尾流和复杂地形效应造成的湍流强度过大是造成该风电场风力机运行时剧烈震动的原因,LES方法预测尾流的延迟衰减和更明显的尾流干扰作用导致风电场的发电量低于RANS方法。RANS方法过度预测湍流,导致湍流动量更快的扩散和尾流快速恢复。因此,CFD结合VBM分析复杂地形条件下风电场气动性能的方法,可实现复杂地形大型风电场性能的快速分析,可应用于风电场相应气动控制策略的制定和复杂地形风电场的微观选址。     

一种考虑时空分布特性的区域风电功率预测方法

为了有效解决风电场数据丢失时直接相加法无法进行区域风电功率预测的问题,提出了一种考虑时空分布特性的区域风电功率预测方法.为降低模型的复杂性,根据风电场及风能信息对子区域进行具体分析.在此基础上,利用相关系数法,选择风电场出力与子区域出力间相关系数绝对值大的风场为基准风电场.以所选基准风电场预测功率为输入,利用神经网络方法,直接预测各子区域功率,整个区域预测结果为各子区域预测值之和.算例结果表明:利用相关系数法选择基准风电场无需大量历史数据支撑,原理简单易于实现;模型与风电场所采用的预测系统无关,易于工程推广应用;模型无需考虑非基准风电场功率预测情况,成本更低、效益更高;采用该模型后子区域预测误差比直接相加的方法降低了5％,整个区域预测误差仅为20.8％.     

合肥市区沿街住宅声环境研究

文章通过对合肥市3个小区不同道路级别(城市高架、城市主干道、城市次干道)的沿街住宅昼夜噪声声级进行实地测量,将实测分析结果与Noisesystem V4.1噪声预测软件的预测结果进行比较,对合肥市区沿街住宅声环境进行评价,并综合实测和预测结果,提出相关降噪措施建议.     

交通管制因素对普通城市道路噪声的影响

运用SoundPLAN软件,以南京市城市道路现状为基础,利用我国声环境导则中的道路噪声预测模式,建立了普通城市道路(非高架、隧道等)噪音预测通用模型.并根据实际需要,选择影响噪音的主要因素(车流量、车速、车道数、车型比),利用通用模型分析这些交通管制因素对道路噪声的影响.分析结果表明:噪声随交通量的增加而增加;随车速的增加,噪声先缓慢降低后快速直线增加;随车道数的增加,噪声有所增加,且离道路中心点越近,噪声的增幅越大;随大型车比例的增加,噪声增速变慢.通过该研究可得到各种交通管制因素对噪声变化的影响,并能为城市道路噪声的预防和控制提供一定的依据.     

浅析220 kV户外变电站噪声影响预测

以四川某220 kV户外变电站为例,利用Cadna/A软件探讨了变电站噪声源特性和不同因素对噪声预测结果的影响,并与实际监测结果进行比较分析,结果表明在噪声预测中应充分考虑地形因素、声源的等效设置和频谱效应、地面效应等影响,以真实地反映变电站主要噪声源的声传播和衰减规律。通过修改预测模型中的相关参数,可将其应用于同类变电站噪声模拟预测,具有指导意义,有利于变电站噪声的预先控制。     

基于Cadna/A软件的城市高架道路噪声预测

在Cadna/A软件中建立了城市高架道路的计算模型,并根据预测车流量进行噪声预测,结果表明Cadna/A软件可在设计初期为建设项目的可行性提供可靠的相关依据.     

基于关联规则及BP神经网络的风电场输出功率预测

针对风电场输出功率预测受气象因素不确定性和异常历史数据的影响而出现的预测结果精度不高的问题,提出基于关联规则及BP(back propagation)神经网络的风电场输出功率预测方法.对异常和缺失数据进行处理,采用改进K-means聚类算法对温度/风速气象数据进行聚类分析,使用Apriori算法挖掘风电场输出功率与气象因素间的关联规则,将关联规则应用于BP神经网络.将4种方法的预测误差进行对比,结果表明:相对其他3种方法,该文方法的最大相对误差、最小相对误差、平均相对误差均最小;其最大相对误差不超过5.78%,最小相对误差仅为0.01%.因此,该文方法能提高风电场输出功率预测的准确度,具有有效性.     

利用有限元方法进行汽车室内噪声预测的研究

探讨了进行汽车室内噪声预测的基本方法,包括发动机,车身数学模型,利用有限元分析软件建立几何模型以及基于此几何模型进行的仿真计算,并设计实验进行了模型校验。对某型轿车室内噪声的预测结果,较好地符合了实际情况。     

基于AM-LSTM模型的超短期风电功率预测

近年来,中国的风力发电产业高速发展。然而风力发电具有不稳定性,风电功率超短期预测结果的准确性直接影响到电网安全有效的运行。为了进一步提高风电功率超短期预测的精确度,提出了长短期记忆网络-注意力模型(AM-LSTM)风电功率预测模型,该模型将长短期记忆网络(long-term and short-term memory,LSTM)和注意力模型(attention model,AM)相结合, LSTM网络能够处理好风速、风向等时间序列变量与风电功率之间的非线性关系,注意力模型能够优化LSTM网络的权重,从而使预测结果更加准确。采用真实的风电场历史数据进行实验,结果表明:提出的AM-LSTM预测模型能够有效利用多变量时间序列数据进行风电场发电功率的超短期预测,比传统的BP神经网络和LSTM网络具有更精确的预测效果。该预测模型为风电场地电力调度提供了科学参考。     

基于区域信息融合的风电场平均年发电量预测

备选风电场在寿命周期内的平均年发电量是风电场宏观选址的一个重要参考判据.为了提高风电场平均年发电量的预测精度,提出了一种基于风电场附近多个气象站长期测风数据的区域信息融合的平均年发电量预测方法.首先分别建立各气象站与风电场同期小时风速之间的相关模型,应用相关模型得到多个长期小时风速预测值,再用神经网络对长期小时风速预测值进行融合处理得出最终的小时风速预测值,在此基础上进行风电场平均年发电量的估算.仿真结果表明:本文提出的区域信息融合方法对年平均发电量的预测误差比采用单一气象站数据的预测误差最高可降低11.32%.