课程文献中心 更多>>

关键词： 光伏功率预测   CEEMD   LSTM神经网络   鲸鱼优化算法  

摘要： 针对实际电力系统中光伏发电的波动性和不确定性，建立了基于CEEMD-WOA-LSTM的光伏发电功率预测模型。首先，采用皮尔逊相关系数法确定辐照度、湿度、温度和风速为光伏功率的关键影响因素，基于高斯混合模型聚类将数据集分为晴天、多云、雨天3种天气类型，以降低训练集与测试集之间的差异并提高预测模型的泛化能力，从而完成数据预处理。其次，采用互补集合经验模态分解对预处理后的数据进行分解并重构，降低其强随机性和复杂性，通过长短期记忆神经网络对分解所得的各本征模态函数分量进行功率预测，并利用鲸鱼优化算法优化网络参数以提升预测精度，从而叠加各分量的预测结果以确定最终预测值。最后，通过实验验证所提方法的有效性。结果表明：与现有方法相比，在不同天气条件下CEEMD-WOA-LSTM的预测精度均有所提高，且在复杂天气条件时展现出更好的稳定性和鲁棒性。

关键词： 剩磁   能量值   有限元仿真   误差分析  

摘要： 电力变压器在投入运行后铁芯内部会产生剩磁，导致在后续的空载合闸等操作中产生励磁涌流，对电网运行产生不利影响。因此预先对铁芯剩磁值进行测量研究，对于后续遏制励磁涌流的出现具有积极意义，而目前尚没有合适的设备来对电力变压器剩磁进行准确测量。考虑到工程领域的电力变压器大多为三相柱式的铁芯，本文选择方形铁芯为研究对象，寻找合适且能够准确测量铁芯剩磁值的方法，以便后续退磁，从而遏制励磁涌流出现。首先探究了铁芯剩磁的测量原理，基于场路耦合建立了测量回路中暂态物理量与剩磁值的关系，同时阐述了剩磁方向的概念及判断方法。其次，对方形铁芯的充磁过程、剩磁测量进行了有限元仿真建模及分析。分别对预设剩磁值与测量回路正向、反向输入能量值的关系建立了拟合曲线与表达式，并进行了统计学误差分析。最后搭建了剩磁测量的平台，对单相变压器方形铁芯进行剩磁测量实验。实验结果表明正向输入能量值拟合的剩磁值与实际预设剩磁值相对误差不超过4%，且剩磁值较小时拟合值比暂态电流法更准确。

摘要： 900nm波段光纤激光在成像、通讯和传感等领域具有广泛的应用。此外，作为掺镱光纤激光的新型泵浦源，在泵浦亮度提升和非线性效应抑制等方面具有比较优势：一方面，相较于900nm半导体激光器，光纤激光器具有更高的亮度能够显著提升泵浦效能；另一方面，镱离子在900nm处具有更强的吸收，这有助于控制增益光纤长度从而有效抑制非线性效应。

关键词： 电力自动化   变压器检修系统   处理技术  

摘要： 在当前的电力设备管理中,电力变压器所涉及的电力维修状态已经成为一种重要的趋势.本文旨在探讨电力自动化变压器检修系统处理技术,以提高电力系统的运行效率和可靠性.文章主要围绕电力自动化变压器检修系统处理技术的概念、使用要求、技术分析,以及具体应用等方面展开.研究结果表明,该技术在日常直接检修变压器和变压器定期试验检修中具有显著的应用价值.本文的结论为电力行业提供了新的检修技术参考,有助于推动电力自动化技术的发展.

关键词： 缺陷文本   变压器   实体识别   乱序语言模型   高效全局指针网络  

摘要： 电力变压器缺陷文本蕴含大量与设备可靠性密切相关的信息，可为变压器的智能化运维及寿命周期管理提供重要支撑。依托基于Transformer的双向编码器表示(Bidirectional Encoder Representation from Transformers，BERT)模型，该文提出一种融合乱序语言模型预训练BERT(Pre-training BERT with Permuted Language Model，PERT)与高效全局指针 (Efficient Global Pointer，EGP) 网络的电力变压器缺陷文本实体识别方法。首先，在大规模中文语料库上利用乱序语言模型进行预训练以形成PERT模型。其次，PERT作为语义编码层，以深入挖掘实体内部的语义依赖关系，并捕捉复杂文本中的语言特征；EGP作为信息解码层，专注于精确定位关键信息并提取实体在缺陷文本中的分布特征，进而准确识别缺陷实体。最后，运用PERT-EGP模型识别缺陷文本中包含的缺陷设备、缺陷部件、缺陷部位、缺陷现象和缺陷程度的5类实体。算例结果表明，相较于现有方法，该文方法不仅在成分复杂的复合实体和长文本上效果提升显著，而且大幅缩短模型训练时间，具有更好的文本识别性能。

关键词： 局部阴影遮挡   太阳能电池-超级电容一体化阵列   动态重构   行电压闭环控制   功率补偿   行电流均衡  

摘要： 针对局部阴影遮挡下太阳能电池最大输出功率降低，进一步导致光伏阵列行电流不均衡，功率/电压(P-V)输出特性曲线产生多峰值等问题，提出了太阳能电池-超级电容(solar cell-supercapacitor， SCS)一体化阵列方案，由SCS器件、动态重构拓扑与常规光伏阵列相连接组成。基于SCS器件的超级电容充/放电特性，提出行电压闭环控制策略，根据光伏阵列行电压与最大功率点电压的偏差，以一体化阵列输出功率最大为控制目标，开关矩阵连接方式为决策变量，调整SCS器件与光伏阵列连接方式，均衡光伏阵列各行电流，实现SCS器件对阴影遮挡电池进行功率补偿。搭建9×9的SCS一体化阵列仿真模型，对比分析4种典型动态云层阴影遮挡模式下，TCT、静态阵列重构技术、动态阵列重构技术、SCS一体化阵列的输出特性。结果表明SCS一体化阵列填充因子达77.4 %，功率损耗约18 W，优于其他三种方案。SCS一体化方案有效提高局部阴影遮挡下光伏阵列输出功率。

关键词： SiC MOSFET   可靠性   结温监测   开通瞬态漏源电压   温敏电参数  

摘要： 针对SiC MOSFET结温监测方法普遍存在适用性低和监测困难的问题，本文提出一种基于开通瞬态漏源电压的SiC MOSFET结温监测方法，由于开通过程中功率回路电感的存在，开通瞬态漏源电压可以反映电流变化率，通过理论推导得出开通瞬态漏源电压与结温呈负相关的关系。在此基础上，利用双脉冲实验，建立了基于开通瞬态漏源电压的结温估计模型。与实际温度相比，利用结温估计模型得到的结温具有较高的精度，同时所选择的温敏电参数在开通过程中呈现了负载无关性的特点，且该方法测量和校准简单、无需破坏器件本身，因此适用范围更广。

关键词： 速率控制   效用函数   传感器   梯度法  

摘要： 对无线传感器网络的研究是近些年研究的新兴领域.它是由部署在监测区域内大量的廉价微型传感器节点组成,通过无线通信方式形成的一个多跳自组织网络.文章首先介绍了现阶段无线传感器网络的研究成果,建立了传感器的速率控制模型,并用梯度法对模型加以解释,然后 对模型进行了仿真分析.研究结果表明,该模型给出的算法将展现在功率受限的要求下,通过对速率的控制来保证高效用和低能耗.

关键词： 风电功率预测   双向长短期记忆神经网络   完全集成经验模态分解   经验小波变换   深度学习  

摘要： 提出了一种基于改进的自适应噪声完整集成经验模态分解（CEEMDAN，Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）和双向长短期记忆神经网络（BiLSTM，Bidirectional Long Short-Term Memory）的组合预测模型，以提高风电功率预测的准确性和鲁棒性。当前风电功率预测面临非平稳信号和高频噪声的问题，影响了预测的准确性。针对这一问题，通过CEEMDAN分解，将复杂的非平稳信号分解为多个固有模态函数分量(Intrinsic Mode Function，IMF)，在此基础上创新性地通过平均波动幅度（Average Fluctuation Range，AFR）计算IMF的平均波动幅度进行高低频划分，应用经验小波变换（Empirical Wavelet Transform，EWT）对高频分量进行滤波，显著降低信号中的高频噪声，提高数据准确性。随后，分别对高频和低频分量建立Bi-LSTM模型，选取最优参数进行训练和预测，将各分量的预测结果叠加得到最终的风电功率预测值。模型经过不同季节和数据集的验证，展示了其在风电功率预测中的通用性和鲁棒性。研究证明，结合CEEMDAN分解、AFR划分和EWT滤波，通过有效的噪声抑制和数据分解，能够显著提升风电功率预测的准确性和稳定性，解决了传统方法在处理非平稳信号和高频噪声方面的不足。