课程文献中心 更多>>

关键词： 长短期记忆网络   极限学习机   风电机组   超短期   功率预测  

摘要： 风速的不稳定性和不规律性使得风电机组的发电量呈现较大的波动性,从而可能对电网造成扰动,增加电网的调度难度。针对这些不利影响,提出了一种基于长短期记忆网络(LSTM)和极限学习机(ELM)的风电机组超短期功率预测模型。通过提前预测机组功率输出,缓解风电并网所带来的波动性问题。首先利用风电机组风速历史序列数据建立LSTM模型预测下一个调度周期(15 min)的风速;然后利用叶轮、主轴、齿轮箱、发电机等设备测点历史数据和预测风速建立超短期功率预测ELM模型。结合国内某风电场实例数据分析,预测结果和误差分析表明所提方法在超短期功率预测上的有效性,对于提高电网稳定性和可靠性具有重要意义。The instability and irregularity of wind speed make the power generation of wind turbines show large volatility, which may cause disturbances to the power grid and increase the difficulty of grid scheduling. Aiming at these unfavorable effects, an ultra-short-term power prediction model for wind turbines based on long-short-term memory network (LSTM) and extreme learning machine (ELM) is proposed. By predicting the power output of the turbine in advance, the volatility problem caused by the grid integration of wind power is mitigated. Firstly, the LSTM model is established to predict the wind speed in the next dispatch cycle (15 min) by using the historical sequence data of wind speed of wind turbine;then the ELM model is established to predict the ultra-short-term power by using the historical data of measurement points of impeller, main shaft, gear box, generator and other equipment, as well as the predicted wind speed. Combined with the data analysis of a wind farm in China, the prediction results and error analysis show the effectiveness of the proposed method in ultra-short-term power prediction, which is of great significance for improving the stability and reliability of the power grid.

关键词： 多滤波器   支持向量机   支持相关滤波   目标跟踪  

摘要： 支持相关滤波跟踪方法利用循环采样将计算转换到频域进行,解决了支持向量机采样少与计算量大的问题。但是当前跟踪方法在模型更新时将历史样本和当前样本进行线性插值,不能很好地利用样本的历史信息。针对该问题,提出多滤波器支持相关滤波跟踪方法。在跟踪过程中,首先利用历史样本训练历史滤波器,其次利用历史滤波器对当前滤波器进行约束,从而能够更好地利用样本的历史信息。在OTB100数据库上的实验表明,该算法精确率达到79.2%,成功率达到58.6%。相较于尺度核化支持相关滤波算法(SKSCF),该算法在精确率与成功率上分别提高了2%和3.7%。

关键词： 卧位功率性自行车   吉兰-巴雷综合征   下肢肌力   活动能力   生活质量  

摘要： 目的研究初期卧姿功率自行车锻炼对吉兰-巴雷综合症患者下肢肌肉力量和活动能力的促进作用。方法选取2020年1月至2023年12月间在河南省直第三人民医院接受康复治疗的104例吉兰-巴雷综合症患者,运用随机数字法,将患者均分为两组(对照组和观察组),每组各52例。对照组接受常规早期康复护理,观察组在此基础上加入卧姿功率自行车锻炼。评估两组患者在治疗前后下肢肌肉力量等级、日常生活活动能力[改良Barthel指数(MBI)评分]、平衡能力[Berg平衡量表(BBS)评分]、步行能力(10 m步行时间、6 min步行距离)和生活质量[健康调查简表(SF-36)]。结果治疗后,两组患者的下肢肌肉力量分级、MBI评分、BBS评分、6 min步行距离、SF-36评分均有显著提高,10 m步行时间显著缩短,差异均有统计学意义(P<0.05),且观察组患者下肢肌肉力量、MBI评分、BBS评分、6 min步行距离、SF-36评分均显著优于对照组,10 m步行时间少于对照组,差异均有统计学意义(P<0.05)。结论在吉兰-巴雷综合症患者的早期康复阶段结合基础康复训练与卧姿功率自行车锻炼,能显著增强下肢肌肉力量,改善步行能力,提高患者的生活质量。

关键词： 风电功率预测   最小二乘支持向量机(LS-SVM)   小波分解  

摘要： 随着风能在电力市场的高度渗透,开发高效的风电预测模型成为迫切需求。本文利用历史数据和数值天气预报,应用多种混合预测方法进行风电功率预测,特别对复杂地形风电场的发电量进行了对比研究。研究评估了带有小波分解(WD)的最小二乘支持向量机(LS-SVM)在不同时间范围内的性能,并与其他混合预测方法进行了比较。结果表明,基于LS-SVM和WD的混合方法在大多数情况下优于其他预测方法。通过对均方根误差的分解,深入分析了预测值与实际测量值之间的差异,并比较了不同模型的准确性。此外,研究还进行了敏感性分析,探讨了各输入变量对LS-SVM模型训练过程的影响,并对WD技术下LS-SVM模型的分解成分进行了灵敏度分析。With the increasing penetration of wind energy in the power market, the development of accurate and efficient wind power forecasting models has become a pressing requirement. This paper leverages historical data and numerical weather prediction to apply various hybrid forecasting methods for wind power prediction, with a particular emphasis on a comparative study of power generation in wind farms situated in complex terrains. The performance of the Least Squares Support Vector Machine (LS-SVM) integrated with Wavelet Decomposition (WD) is evaluated over different forecasting horizons, and the results are compared with those of other hybrid forecasting methods. The findings indicate that the LS-SVM and WD-based hybrid approach outperforms most alternative forecasting techniques in most cases. A detailed analysis of the discrepancies between predicted and actual measurements is conducted through the decomposition of root mean square error, and the accuracy of various models is further compared. Additionally, a sensitivity analysis is performed to examine the influence of different input variables on the training process of the LS-SVM model, and a sensitivity analysis of the decomposition components of the LS-SVM model under the WD technique is also presented.

关键词： 有源集成天线   开关电容功率放大器   圆极化  

摘要： 针对现代无线通信系统日趋高性能的需求,设计了一种基于开关电容功率放大器(Switched Capacitor Power Amplifier, SCPA)的圆极化有源集成发射天线。在有源集成发射天线中,天线不仅为开关电容功率放大器提供最佳负载阻抗,同时还对键合线引入的寄生电感进行补偿,进而减小了电路损耗,实现了紧凑的一体化设计。得益于天线提供的最佳负载阻抗,开关电容功率放大器芯片去除了输出匹配网络。芯片采用极性和正交复用的设计,在保持系统紧凑性的同时支持了更复杂的调制方式。平面缝隙天线在环形槽结构中引入一段细长枝节,使得环形槽结构的基膜分解为两个正交的简并谐振模,在同一频段中同时实现了右旋圆极化和左旋圆极化。实验结果表明,所设计的开关电容功率放大器频率为1.92 GHz,最大输出功率为10.25 d Bm,有源集成天线在工作频率上的等效各向同性辐射功率(Equivalent Isotropic Radiated Power, EIRP)达到12.5 d Bm。

关键词： 电动汽车   紧急调控   功率分配   反向放电   负荷转移  

摘要： 电动汽车作为一种移动储能资源,可以通过运营商聚合参与电网紧急调控服务。针对电动汽车运营商参与紧急调控的功率分配策略问题,分析了电动汽车参与紧急调控的手段,并对不同类型的电动汽车用户参与紧急调控的灵活性和经济性开展分析。综合考虑负荷转移、充电量减少和反向充电3种调控方式,建立电动汽车参与紧急调控的功率分配优化模型,并对其进行松弛简化从而得到线性规划模型。算例分析表明,所提功率分配策略能够快速有效地实现车辆间的紧急调控功率分配,在传统有序充电调控外有效挖掘站内电动汽车的灵活性。

关键词： 多层液晶高分子聚合物   集总参数   三通带滤波器   小型化  

摘要： 本文基于柔性液晶高分子聚合物基板优异的微波特性,设计并实现了一款小型化三通带带通滤波器。通过在多层LCP基板中采用立体布局,创新性地运用垂直螺旋电感和垂直叉指电容结构,实现了滤波器的小型化设计。研究重点分析了多层螺旋电感设计和垂直叉指电容设计的关键技术,并对缺陷地结构的影响进行了深入探讨。测试结果表明,该滤波器具有体积小、性能优的特点,测量结果与仿真结果吻合度高,为小型化通信系统的发展提供了新的技术方案。

关键词： 时空特征   短期风功率预测   多对一   自注意力机制   Seq2Seq  

摘要： 为研究单台风机数据进行风功率预测时未考虑空间特征造成预测精度不理想的问题,提出了一种考虑多对一时空特征的基于改进序列到序列(Seq2Seq)模型的短期风功率预测组合模型。首先,采用k近邻算法对风电场的风机实现空间区域的划分,获取k台近邻风机的数据,基于孤立森林算法对异常数据进行识别、筛选和填充。其次,应用双向门控循环单元和自注意力机制对Seq2Seq模型进行改进,利用具有空间特征的邻接矩阵对模型进行权重优化。最后,进行多对一短期风功率预测,输出目标风机风功率预测结果。采用美国风场实际运行数据,将所提出的组合模型与长短期记忆(LSTM)等5种模型进行对比,以验证模型的可靠性。结果表明:该组合模型在时空风功率预测中表现出令人满意的稳定性和鲁棒性,可有效提高风功率预测精度及效率。

关键词： 变压器   分接开关   频率响应分析   故障检测   等效电路  

摘要： 为了准确诊断电力变压器分接开关故障类型,提出一种基于频率响应分析的变压器分接开关故障诊断方法;利用Simulink仿真工具提出并设计电气等效电路模型,针对结焦、点蚀2种常见分接开关故障,利用频率响应分析特征曲线分析变压器分接开关的物理故障敏感性,对开路端对端、短路端对端和绕组间电感和电容进行实验测试。结果表明:使用频率响应分析测量值可以准确识别变压器分接开关触头结焦、点蚀故障,结焦会对利用开路的电路端到端、短路端到端、电容绕组和电感绕组4种不同测量配置得出的频率响应分析特征造成显著影响,但点蚀故障的影响仅在电感绕组配置中出现。

关键词： 声表面波   有限元仿真   损耗   热效应  

摘要： 声表面波器件在高电场强度和高频驱动下易产生热量,这种热量会显著影响器件的寿命、耐用性和测量精度,甚至造成器件本身的裂片与失效等问题。目前只有少数的研究关注了器件热效应。该文在前人研究的基础上,旨在揭示器件热效应来源,建立了声表面波作用下器件发热效应的有限元分析模型,对器件本身的损耗机制进行了讨论,通过搭建实验平台和有限元仿真对比阐明器件的自热效应,并且分析封装对于器件表面热分布的影响,进一步阐述了大功率作用下器件失效的原因。该文可以为声表面波器件微流体驱动的产业化进程提供技术支撑。