课程文献中心 更多>>

关键词： 风电功率预测   傅里叶变换   小波变换   时间滑动窗口   风电功率指标   梯度提升回归树  

摘要： 为应对传统超短期风电功率预测方法在数据潜在关系挖掘和模型收敛速度等方面存在的问题,提出了一种基于变换域分析和极端梯度提升回归树算法(extreme gradient boosting, XGBoost)的超短期风电功率预测方法。首先,通过时间滑动窗口和风电功率指标进行数据构建和低级特征提取。然后,结合快速傅里叶变换(fastFourier transform, FFT)和哈尔小波变换构成的多层次变换域分析方法对风电数据进行分解,充分考虑频域信息在特征学习中的重要性。最后,建立包含FFT、哈尔小波变换和XGBoost算法组合的超短期风电功率预测模型。实验结果表明,采用的多层次变换域分析方法能够充分挖掘原始特征之间的潜在关系,深入捕捉数据的时序关联性,而且XGBoost算法可以有效提升模型的预测性能,与其他预测模型相比,所提方法在不同数据集上均展现出较高的预测精度和较强的特征提取能力。

关键词： 级联H桥   耦合机制   改进的准比例谐振控制   谐波抑制  

摘要： 低压级联H桥换流器由于采用级联结构,被广泛用于中压场合尤其是电力电子变压器的输入级,但是在电网不平衡工况下,交流侧功率波动会引起直流侧电压纹波突增进而导致网侧出现电流畸变。针对这一问题,提出了一种不平衡工况下级联型电力电子变压器网侧谐波抑制方法。文中推导分析了电网不平衡时网侧谐波的产生机理,揭示了交流侧谐波和直流侧纹波的耦合机制。基于这种机制提出了一种改进的准比例谐振控制器来抑制网侧谐波,并对控制系统的稳定性进行了分析。在PSCAD/EMTDC中搭建了仿真模型,与传统控制策略对比证明了所提谐波抑制策略的有效性。

关键词： 空间电源系统   复杂网络   深度强化学习   可靠性优化   可解释性分析  

摘要： 为了实现航天器电源系统的灵活高效并网,最大化有限能量的利用,提出一种基于深度强化学习(deep reinforcement learning,DRL)的功率传输与信号传输复合网络拓扑优化模型,并使用知识蒸馏原理的多种可解释组件模型对优化过程进行剖析。首先,分析在轨运行阶段航天器母线电压调节控制域变换规律,并结合节点传播性参数,建立功率传输与信号通信的复合网络拓扑模型。然后,利用A3C(asynchronous advantage actor-critic)算法,对信号传输网络路由分布、拓扑结构等方面潜在的运行可靠性风险进行自适应性优化。最后,结合多种可解释组件对已训练的DRL模型进行知识蒸馏,形成一种可解释的量化分析方法。所提方法可以指导空间电源在随机阴影影响下选择最佳并网方案,并为更高任务要求和复杂环境下空间电源控制器设计提供理论支持。

关键词： 风力机   风电场布局   尾流   垂直错列   功率  

摘要： 风力机尾流对风电场的输出功率有着重要影响,为深入研究增设小风力机对风电场整体出力的影响,采用OpenFOAM模拟2个大风力机和2个大风力机之间横向布置的3个小风力机的组合,并以小风力机与下游大风力机之间距离不同的4种工况和其中1种工况下小风力机高度不同为研究对象。该布局在2个大风力机之间增加3个小风力机,每排小风力机与下游大风力机的距离不同。结果表明:经距离不同和高度不同的计算对比,当小风力机高度设置为37 m时,随着与上游大风力机距离的增大,下游大风力机功率逐渐增加;当小风力机距离下游大风力机位置固定,增加小风力机轮毂高度则使得下游大风力机功率降低。

关键词： 电力电子变压器   模块化多电平换流器   自适应自抗扰比例积分控制   连续控制集模型预测控制   双闭环控制  

摘要： 基于模块化多电平换流器(modular multilevel converter,MMC)的电力电子变压器(power electronic transformer,PET)在非理想工况下易发生故障及扰动,严重影响系统电能质量。针对传统控制方法在非理想工况下存在的动稳态性能差等问题,在MMC-PET整流级提出了基于自适应自抗扰比例积分控制器的连续控制集模型预测控制策略。首先,设计了自适应自抗扰比例积分控制器用于电压外环,解决了电压外环信号跟踪及扰动抑制能力差等问题。其次,电流内环使用连续控制集模型预测控制方法以提高系统的响应速度及稳态性能,引入改进型载波移相调制策略解决桥臂电流畸变问题。最后,在网侧负载突变、网压不平衡、输出级负载投入等非理想工况下对MMC-PET系统进行对比仿真和实验,验证了所提控制策略的优越性。

关键词： 光伏功率多步预测   多任务学习   特征提取   注意力机制   损失权重优化   深度学习  

摘要： 准确的光伏功率多步预测结果对于电网的调度优化具有重要指导意义,针对现有光伏功率多步预测方法对历史数据特征提取不充分、忽略多步预测值之间的关联性而导致的预测精度不足等问题,提出了一种基于多视角特征提取与多任务学习的光伏功率多步预测方法。首先,为获得丰富且全面的特征信息,从时序、局部、全局3个不同的视角对输入数据进行特征提取;其次,将多步光伏功率预测任务转化为多个单步光伏功率预测子任务,使用基于注意力机制与专家网络的多任务学习模型进行多步预测,实现对多步预测值关联性的充分利用;最后,提出了一种改进的动态权重平均法对损失权重进行自适应优化调整,进一步提升模型性能。算例测试结果表明,该方法能够有效提高光伏功率多步预测的准确性。

关键词： inversion-layer electric potential   MOS inversion-layer width   analytical drift currents in MOSFETs   analytical solution of inversion-layer Poisson equation   effective Ionized impurity concentration in MOS   charge density in the inversion layer  

摘要： Despite the enormous importance that the metal oxide semiconductors (MOS) and the field effect transistors (MOSFETs) have in the actual semiconductor technology, the task of finding the analytical solution of the Poisson equation in the inversion layer was not fully accomplished for more than half a century. It is a well-known fact that due to the non-linear nature of this equation, the attempts to solve it got stuck after the first integration. Nevertheless, experimental and applied researchers found ways to characterize, control, and develop MOSFET devices based on approximate models, and numerical calculations. Here I present a new method to analytically solve the nonlinear Poisson equation, in principle, for any charge distribution in the inversion layer of a MOS, and for the charge density of the original Shockley model, in particular. To this purpose, a physical argument related to the charge and field energies in the transient population-inversion process is introduced and a new nonlinear but solvable second order differential equation is obtained, whose solution also solves the original Poisson equation. The analytical results presented here allow us to derive explicit expressions for the electrical potential distribution and, very importantly, for the charge distribution, the inversion layer width and the effective impurity concentration in the depletion layer. The quantum Hall effect and other physical phenomena were discovered in the inversion layer of a MOS. The Hall effect was explained under the assumption that the charge distribution is a two-dimensional electron gas, we show here however that the 2D limit is reached only at high gate voltages. When applied to MOSFET structures, we obtain new expressions for the drain currents in the inversion and depletion layers, as functions of the impurity concentration and the gate voltage for single and double-gate MOSFETs, and we give an insight for multi-gate MOSFETs.

关键词： 变压器局部放电   检测方法   定位技术   电力设备管理   稳定性  

摘要： 变压器作为电力系统的核心设备,其健康运行状态对于保障电网的稳定性和安全性至关重要。因此,变压器局部放电的检测与定位技术一直是电力研究领域的热点。本研究深入探讨了当前主流的变压器局部放电检测和定位方法,着重分析了超声波检测、电磁波检测和化学气体检测等技术的原理、应用及其优缺点。同时,对于定位技术中的关键方法——时差定位和三角定位法进行了详细阐述,特别是三角定位法,其高精度定位特性对于快速准确地识别局部放电位置具有重要意义。本研究的目标在于通过对比和分析多种检测和定位技术,为变压器局部放电的精确监测提供科学的理论依据和实用的技术参考,进而优化电力设备的运维管理策略,提高电力系统的整体运行效率和稳定性。通过本研究,期望能为电力行业的安全运行和可持续发展贡献一份力量。

关键词： 时域传递路径分析方法   增广卡尔曼滤波器   遗传算法   最小二乘算法  

摘要： 时域传递路径分析方法用于解决瞬态工况下复杂系统振动噪声问题不仅未能解决自然频率附近频响函数矩阵的病态问题,而且利用现有频域信息转换提取得到的所需时域信息精度较低,因此提出一种基于增广卡尔曼滤波器的时域传递路径分析方法。该方法采用增广卡尔曼滤波器辅以遗传算法估计时域工况载荷,通过最小二乘算法辨识单位脉冲响应函数,将时域工况载荷和对应的单位脉冲响应函数进行线性卷积以计算各传递路径的时域贡献量。算例表明,所提方法采用的增广卡尔曼滤波器载荷识别误差小于传统方法的去卷积滤波器所识别载荷的误差,最小二乘算法辨识的单位脉冲响应函数误差小于对频响函数直接进行快速逆傅里叶变换或者构造有限单位脉冲响应滤波器的误差,且所提方法在复杂结构上也同样具有较小的误差。

关键词： 终端直通通信   干扰协调   图卷积网络   功率控制   分布式算法  

摘要： 为有效控制终端直通(D2D)通信系统中的同频干扰并降低它的实现复杂度,提出一种基于图卷积网络(GCN)的分布式功率控制算法,旨在最大化所有D2D链路的加权和速率。首先将系统拓扑结构建模为图模型并定义节点和边的特征以及消息传递方式,随后借助无监督学习模型训练GCN中的模型参数。离线训练后,每条D2D链路可根据局部信道状态信息以及与相邻节点的交互过程来分布式地得到最佳功率控制策略。实验结果表明,相较于基于优化理论的算法,所提算法缩短了97.41%的运算时间且仅损失了3.409%的加权和速率;相较于基于深度强化学习理论的算法,所提算法具有良好的泛化能力,在不同参数设置下表现更加稳定。