计及多方利益的“车-路-网”三层充电优化方法

随着电动汽车(EVs)保有量逐年增加,充电需求日益增大,短时间内大规模EVs集中充电不仅会给电网稳定运行带来风险和负担,还会造成路网交通拥堵。为了缓解上述问题,提出一种兼顾配电网、路网和车主三方利益的“车-路-网”三层充电优化方法。通过三层优化模型的相互传递与配合,对配电网的等效负荷方差和有功网损、路网的通畅情况、车主的充电总成本进行协调优化。以杭州市某区域路网为例,结合IEEE-33节点配电网系统进行仿真。通过三层充电优化,系统等效负荷方差降低72.82%,有功网损降低83.41%,车主充电总成本减少8.89%。仿真结果表明,所提优化方法能够合理安排EVs充电,可以在平抑负荷波动和降低有功网损的同时,缓解路网拥堵和降低车主充电总成本。

基于型号装备-角色的IETM访问控制研究

针对交互式电子技术手册应用中的管理和安全保密需求,在分析传统访问控制模型的基础上,提出基于型号装备-角色的访问控制模型。该模型包括用户、型号装备、装备用户、角色、权限、操作访问控制规则、数据访问控制规则等,支持功能操作权限和数据权限分离,支持以型号装备结构为基础的细粒度数据访问控制以及以角色、装备用户为基础的功能操作访问控制定义和管理,给出了权限定义和权限计算方法。根据IETM的功能及数据访问控制需求,对交互式电子技术手册访问控制进行软件功能、控制流程及数据模型设计。采用J2EE及Web Service技术开发模块组件,实现交互式电子技术手册层级式、细粒度访问控制。

基于NB-IoT的分布式光伏电站漏电监测系统

针对分布式光伏电站缺少漏电流无线监测设备的实际情况,介绍一种基于NB-IoT(窄带物联网)无线高精度磁调制电流传感器的漏电监测系统。该系统由感知层、传输层、平台层和应用层四部分构成。通过对影响磁调制传感器精度的定性和定量研究,提出双磁芯半波激励方案,优化传感器设计,提高其精度。汇流箱中的电流传感器采集数据信息通过单片机经由NB-IoT网络传输至云平台。该系统能够实现使用云平台对分布式光伏电站系统漏电流进行在线实时监测和故障定位,且能有效解决分布式光伏电站的漏电监测问题。

基于VMD和GWO-SVR的电力负荷预测方法

预测负荷的精准度是衡量电力系统负荷预测模型性能的一个重要指标。电力负荷序列变化规律多样,具有周期性、非平稳性、随机性等特点,因此采用变分模态分解方法分解负荷序列,得出其不同特性的模态函数分量,进而降低原始数据的复杂程度和模态混叠现象以提高负荷预测的精度,将其代入灰狼优化的支持向量回归机模型,得到最终日负荷预测值。使用VMD-GWO-SVR预测方法在Matlab R2014b软件上对2014年南美某地区日负荷数据进行仿真验证,结果表明该方法使得日负荷预测精度可达99.15%,验证了该预测模型的有效性和高精度。

基于VMD-SE和BiLSTM在短期负荷预测应用

针对传统单一的预测方法精度不高,为进一步提高预测精度,提出VMD-SE与BiLSTM结合的形式建立预测模型,分析和利用气象参数、日期类型等辅助参数之间的相关性。首先对一段时间的用电负荷运用VMD分解,分解形成一系列子序列;然后运用样本熵对各个子序列分析其复杂度,并进行重构减少预测的规模;最后对得到的新的子序列与天气参数、日期类型通过BiLSTM模型进行预测,将得到各个子序列的预测值进行相加处理,再进行反归一化最终得到预测的结果。通过仿真验证并与其他模型进行比较,该模型的预测精度为98.63%,预测精度较高,具有较好的理论和实践意义。

考虑碳交易的CSP电站-电极锅炉-热电联产联合供热系统优化策略

由于我国北方弃风光现象严重,为了提高新能源的利用效率,响应我国“碳达峰”和“碳中和”的双碳计划,提出了考虑碳交易的光热电站(CSP)-电极锅炉配合含储热热电机组联合供电、供热的优化策略。电极锅炉是一种高效电转热设备,在促进风电消纳方面具有重要意义,同时CSP电站在平抑风电波动、减少弃风等方面也具有重要作用。因此构建了风电-电极锅炉系统、CSP电站系统、储热系统(TES),通过TES将各子系统与热电机组联系起来构成一个整体,引入碳交易成本对系统进行优化调度建模,并利用YALMIP和CPLEX进行求解。以IEEE 30节点为例进行算例分析,通过仿真验证了该方法的有效性。与传统热电联产模型相比,该方法提高了可再生能源的容纳性,减少了碳排放量。

αβ-dq-0坐标系下高压电机起动特性的分析

三相感应电动机的起动过程较为复杂,而稳态特性曲线又无法准确描述实际情况,为了准确计算电机的起动特性,在αβ-dq-0坐标系下建立电动机的动态数学模型。充分考虑到电动机的实际负载,起动过程中转子参数的变化,分析并计算了电动机的起动特性与起动时间。计算结果表明,动态特性曲线比稳态特性曲线更符合电动机起动的实际情况,为设计满足客户需求的电机提供了准确的参考依据。

复杂环境下基于视觉/惯性的单兵自主定位性能评估

针对在卫星信号拒止等复杂环境下单兵自主定位精度低的问题,提出基于视觉/惯性测量单元(IMU)的单兵自主定位技术。将高效的IMU初始化方法融合到ORB-SLAM3算法并应用于单兵自主定位技术中,评估了单兵实时运动整体定位精度,重点分析了改进ORB-SLAM3算法在单目/IMU、双目/IMU下的定位精度准确性和鲁棒性。实验表明:在复杂树林环境下,单兵在基于视觉/IMU自主定位时,改进算法的IMU初始化时间最少提高了10 s,双目/IMU的估计轨迹曲线更加吻合实际运动轨迹曲线。在绝对轨迹误差的各项评估指标中,双目/IMU比单目/IMU的均方根误差提高了24.67%,而且定位精度和鲁棒性都要优于单目/IMU,为城市巷战中单兵自主高精度定位的实现提供了一种切实可行的思路和举措。

基于用户画像的暖通空调智能调控

目前,建筑物中的暖通中央空调系统基本上是根据行业准则设置的,然而,多项研究表明,由于用户的偏好、姿态和需求各异,这种传统做法不太可能满足大多数用户的热量需求。为了更精准地满足用户热量需求,使得基于用户行为模式来针对性提高热舒适性成为可能。文中采用深度强化学习的方法实现智能化暖通空调智能送风策略,该策略能够根据环境和用户行为模式动态地确定最佳暖通空调设置(温度设置和送风设置),从而极大提高用户的热舒适度,同时,实验结果还表明该智能调控策略相比传统固定值控制策略具有一定的节能效果。

基于TVF-EMD的虚拟电厂参与系统调频容量优化配置

电动汽车出行的不确定性,对调度规模化电动汽车(EV)参与调频带来了挑战。在考虑电动汽车响应不确定性的基础上,建立了含储能、EV和火电机组的虚拟电厂参与调频决策模型。通过采用时变滤波经验模态分解(TVF-EMD)将区域控制误差(ACE)信号进行初步分解后,作为储能、EV和火电机组的参考出力功率。以净收益最高为目标,通过改变滤波阶数对调度虚拟电厂各部分的出力进行优化配置,使EV在能够满足用户出行的前提下参与调频,进而确定储能系统的最优容量配置。该方案不仅弥补了传统调频的不足,而且使EV、储能等灵活性资源能够参与调频并获得收益,增加了资源的利用率,有力地提高了调频效果并获得收益。最后基于实测ACE数据,分析不同配置方案对调频效益的影响,验证所提方案的有效性。

基于VMD-PCA和TCN模型的短期电力负荷预测

为提高电力负荷预测的准确性以降低后期电力备用储能建设的成本,需采取合理精确的预测模型预测未来负荷数据,文中提出一种基于变分模态分解(VMD)结合主成分分析(PCA)与时间卷积网络(TCN)组成的电力负荷预测模型。首先,为了提高抗噪性和分解效率,采用VMD对原始负荷序列进行分解,分解所得的模态分量通过计算样本熵值(SE)进行复杂度的近似分类,对新序列组分别建立预测模型;然后,采用主成分分析法做特征提取,提取出对预测目标影响较大的影响因素作为模型的输入向量。时间卷积网络作为深度卷积网络的改进算法,在预测精度和时间上都具有较大的优势,在深度学习领域得到了很多的关注,采用该模型进行短期电力负荷预测,最终结果同其他模型的结果相比误差最小,证明了该预测模型的精确可靠性。

AI环境下第三方支付虚拟账户安全检测与保护技术研究

为了探索AI环境下第三方支付虚拟账户的安全检测与保护技术,提升整个支付系统的安全性与有效性,文中应用动态输入复合加密技术、第三方认证技术、复合加密技术、自定义编码转换表等进行支付复合加密技术的设计。仿真实验证明,所设计技术在AI环境中实现了动态输入复合加密技术、第三方认证技术以及复合加密支付流程,并在实际应用中具备抵御安全威胁的能力。针对AI环境下第三方支付虚拟账户的安全问题,该技术成功改进了支付流程设计,提高了支付流程的安全性和有效性,对提升第三方支付系统的整体安全水平提供了重要的理论支持与实践指导。

基于NB-IoT的低功耗GNSS定位报警系统的研制

针对智慧养老领域对低功耗GNSS(全球卫星导航定位系统)定位报警器的需求,借助NB-IoT(窄带物联网)的低功耗特性,提出一种基于NB-IoT的GNSS定位报警系统的设计方案。包含了三种信息交互方式,通常由GNSS定位报警器接收导航定位卫星信号,使用微控制器将采集的数据通过NB-IoT传输至中国电信CTWing物联网平台,平台解析之后再推送至终端应用管理平台。此外,还支持终端主动按压按钮进行数据上报及终端应用管理平台主动查询终端状态。重点分析了GNSS定位报警器的硬件电路,主要包括GNSS卫星定位模组、NB-IoT无线通信模组以及微控制器;设计了系统低功耗运行流程及下位机软件运行流程;实现了终端上报结果在终端应用管理平台的展示。通过实验表明,终端平面方向定位精准度较好,内符合精度为0.74 m,圆概率误差为0.62 m;系统运行稳定,可实现从终端到终端应用管理平台数据通信,在智慧养老市场具有一定的应用前景。

计及管储模型的电-气IES低碳协同运行策略

为解决综合能源系统风能利用率低、燃煤机组碳排放高的情况,考虑建立碳捕集-电转气协同运行模型,充分挖掘其对可再生能源消纳和碳减排的潜力。首先,建立系统内重要能源耦合设备的运行表达式以及各能源网络的约束平衡条件,通过气管道节点压强、流量的关系推导出管储模型方程,关注其对系统运行经济性的影响;其次,利用分段线性化和二阶锥松弛技术将约束条件非线性部分作线性化处理,采用拉丁超立方抽样结合K氏距离法来描述风电功率的不确定性;接着,建立9节点电力和6节点天然气网络耦合的系统进行仿真计算,分析3种方案下系统运行的经济性、环境性,重点讨论限制电转气运行的关键因素;最后,通过风能利用、碳捕集运行、管储能力阐述多目标优化问题中的矛盾关系,结果表明所提模型对减少系统碳排放和提升风能利用率具有积极作用。

基于改进D*Lite⁃APF算法的巡检机器人路径规划

针对巡检机器人在动态场景下路径规划存在非全局最优、路径不平滑及局部避障效果不佳的问题,提出一种将改进D*Lite算法和人工势场法融合的算法。首先优化D*Lite算法启发代价函数,提升规划效率,并引入Dubins曲线平滑生成的全局路径;其次改进人工势场法势场函数并添加随机半径扰动点,解决局部碰撞问题,提高避障性能;最后将两种优化算法有效融合,实现全局规划和局部避障。仿真实验结果表明,相较于单一D*Lite算法,融合算法在路径长度、时间花销、路径拐点及扩展节点数方面均表现更优,能在确保全局路径最优的情况下有效避障。

基于AHP-CRITIC法与评分卡模型的RE-CCHP系统综合性能评价

随着“碳达峰,碳中和”工作的推进,我国将大力实施可再生能源替代行动,将可再生能源与传统的冷热电联供系统结合成为未来能源发展的新趋势。但是新能源发电具有的不确定性、波动性,使得系统能源利用率降低且增加了运营成本,同时现有的评价指标和方法尚不完善,文中首先以能耗性、环境性、可靠性、经济性和社会性为目标建立综合评价体系,分别采用层次分析法和CRITIC法计算指标的主客观权重,提出一种通过动态组合赋权法构建评分卡模型的综合评价方法。选取新疆某地区建筑作为研究对象,建立评分卡模型对不同的系统方案进行打分排序,并通过灵敏度计算验证该评价方法的可行性。研究结果将为我国可再生能源冷热电联供系统的建设与评估提供一定价值。

基于K-均值聚类的典型场景配电网动态无功优化

为了能够根据一条10 kV线路全年负荷变化的实际情况,模拟在负荷变化下动态无功优化的处理情况,以投资收益最高为目标函数,并采用罚函数对节点电压越限加以约束,建立一个同时考虑系统经济性和安全性的综合数学模型。对某地区全年的负荷变化样本进行聚类分析和典型场景构建。在此基础上,采用蚁群算法进行动态无功优化计算,确定了最优补偿方案。采用IEEE 33标准节点系统进行验证,仿真结果表明,配电网动态无功优化的综合运行成本更低、网络损耗更小、电压更稳定。

基于ZigBee技术的CAFe无线温度监测系统设计

由于CAFe装置温度监测点需求众多,若采用有线监测方式会产生大量的信号传输线缆,加剧装置周围的布线繁杂程度并且会导致其他设备故障排除困难,因此需要采取无线化的温度监测方式。文中设计一套基于ZigBee技术的无线温度监测系统,主要由数据采集层、传输控制层和用户层组成。系统通过使用ZigBee无线数传电台E180-DTU模块将多个温度监测点拓扑成一个无线传感器网络,并由串口服务器接入EPICS控制网,使用StreamDevice设备支持开发IOC程序对网络中各节点温度进行获取与发布,最后通过上层客户端对温度监测数据进行全局实时显示与报警。通过设置不同的无线网络拓扑结构,该系统能够非常容易地应对不同规模的温度监测需求。目前该样机系统已用于加速器上RFQ和MEBT段的温度监测,并且扩展监测了设备机房的多个环境温度监测点位,具有一定的应用价值。

大规模海上风电经VSC-HVDC并网后电能质量问题分析

由于海上风速的多变性,同时风机组中存在大量电力电子器件等原因,其并网后所产生的电能质量问题不容忽视。对于离岸较远的大规模海上风电场,基于电压源换流器的高压直流输电(VSC-HVDC)凭借其独特的技术优势未来将成为不可或缺的输电技术。为保证电能质量符合标准,需在并网前对电能质量作出分析。根据风电场等值原理,运用PSACD/EMTDC仿真软件搭建由双馈异步风机组成的大规模海上风电场经VSC-HVDC并网模型,研究其在风速波动下闪变、谐波电压与电流、电压偏差等电能质量问题。结果表明,在风速波动时谐波问题比较严重,实际工程中应充分考虑当地风资源的状况,制定合理的滤波方案,为今后海上风电并网的电能质量分析工作提供借鉴与参考。

基于孤立森林的多离群点数据检测算法设计

精准找出异常离群数据有利于确保大规模数据在应用中的精确度,为此,设计了基于孤立森林的多离群点数据检测算法。首先,采用近似符号聚合算法处理大规模数据的多条件时间序列,再通过计算欧氏距离分析多条件时间序列的相似度,而后采用加权调整法调整相似曲线,剔除其中的异常数据,完成对大规模数据的清洗;利用清洗后的数据构建孤立树形成孤立森林,将待检测数据作为孤立森林的输入量,通过计算数据样本点到每棵树根节点的距离,实现对离群点数据的检测。实验结果表明:该算法能够有效地检测出离群点数据,在针对大规模数据离群点的检测时,检测结果精确度较高。