矩差分析理论及其在配电网最小弃光决策中的应用

高比例分布式光伏接入配电网会导致潮流返送和电压越限等一系列问题,严重威胁到配电网的安全运行。文中提出了含分布式光伏配电网的矩差分析理论,将配电网对分布式光伏的消纳问题转化成恢复和维持矩差方程的平衡问题。对一个给定的配电网,当最高节点电压等于规定的电压上限时,光伏矩减去负荷矩的矩差近似为一个常数,称为临界矩差。临界矩差代表了配电网对分布式光伏消纳能力的极限,光伏矩才是配电网需要消纳的对象,而负荷矩是消纳光伏矩的资源。基于矩差分析理论提出了配电网分布式光伏的最小弃光决策,并应用于某10 kV单分支配电线路以及12.66 kV的IEEE 33节点多分支配电网的分析计算。算例表明,所提的最小弃光决策在误差不大于1.2%条件下,寻优速度提高了2877倍,验证了该方法的正确性和快速性。

肾病血液透析合并肺部感染的影响因素分析及病原菌特点

目的:探讨肾病血液透析合并肺部感染的影响因素,并分析病原菌分布特点。方法:选取2022年1月—2023年9月宜春市人民医院收治的128例肾病血液透析患者作为研究对象,根据是否发生肺部感染将患者分为阳性组(肺部感染)和阴性组(无肺部感染),所有患者均行血液透析治疗,统计患者肺部感染率,分析病原菌分布特点,收集患者的一般临床资料进行单因素分析,并进一步分析肺部感染的影响因素。结果:128例患者中,30例患者发生肺部感染,发生率为23.44%。共分离出46株病原菌,革兰阴性菌30株(65.22%),其中肺炎克雷伯菌占比最高(45.65%);革兰阳性菌16株(34.78%),其中金黄色葡萄球菌占比最高(21.74%)。阳性组年龄大于阴性组,透析时间、住院时间均长于阴性组,血红蛋白、血清白蛋白水平均低于阴性组,空腹血糖、营养不良占比、肾功能(失代偿期)占比均高于阴性组(P<0.05);多因素logistic回归分析显示,年龄、透析时间、住院时间、血红蛋白、血清白蛋白、空腹血糖、营养不良、肾功能均为肾病血液透析合并肺部感染的影响因素(P<0.05)。结论:年龄、透析时间、住院时长、血红蛋白、血清白蛋白、空腹血糖、营养状况、肾功能是肾病血液透析患者并发肺部感染的影响因素,其感染的病原菌主要为肺炎克雷伯菌与金黄色葡萄球菌。

2019—2021年宜春地区患者结核分枝杆菌利福平耐药株基因型分析研究

目的:探究2019—2021年宜春地区结核分枝杆菌利福平耐药株基因型。方法:选择2019年1月—2021年12月于宜春市人民医院接受治疗的肺结核患者100例,采集所有患者痰液样本进行检测。分析结核分枝杆菌分离情况及耐药性,另分析利福平耐药株基因型。结果:100例患者中共分离出结核分枝杆菌47株,分离率为47.00%,2019、2020、2021年结核分枝杆菌分离率分别为33.33%、45.95%、54.76%。2019年分离出结核分枝杆菌7株,利福平、异烟肼、链霉素耐药发生率分别为42.86%、28.57%、28.57%;2020年分离出结核分枝杆菌17株,利福平、异烟肼、链霉素耐药发生率分别为58.82%、29.41%、11.76%;2021年分离出结核分枝杆菌23株,利福平、异烟肼、链霉素耐药发生率分别为60.87%、21.74%、17.39%。结核分枝杆菌对利福平耐药率最高。经rpoB基因测序可见27株利福平耐药株均发生rpoB基因变异,基因突变率为100%(27/27),突变基因位点主要位于509~533位。结论:2019—2021年宜春地区结核分枝杆菌感染率呈逐年上升趋势,结核分枝杆菌感染患者对利福平存在较高的耐药性,且rpoB基因位点突变的发生与利福平耐药间存在密切联系。

隔离型双半桥DC-DC变换器的软开关特性

分析了隔离型双半桥(DHB)DC-DC变换器的软开关特性。首先介绍DHB变换器的工作原理,详细分析DHB变换器的软开关过程。通过理论建模和定量分析,给出各开关管实现零电压开通的充要条件。总结谐振电流、变换器输出功率和死区时间与实现零电压开通的三条规律,推导出各开关管软开关实现所允许的变换器最小输出功率的解析表达式。然后,提出一种改进的占空比控制策略,有效地扩宽了变换器的软开关运行范围,有助于变换器实现稳定的软开关运行。最后,通过样机实验验证了所提的理论分析以及改进控制方法的正确性和有效性。

一种适用于级联H桥储能变换器的相内功率分配控制策略

基于级联H桥变换器的电池储能系统,需要对电池单元的SOC状态进行均衡控制。其本质是对级联H桥相内各级输出功率的不均衡分配控制。然而,基于载波移相调制(carrierphase-shifts PWM,CPS-SPWM)技术的相内功率不均衡分配控制会导致输出电压的谐波畸变,而且它对不均衡功率分配的控制能力较低。为了解决这些问题,提出一种新型灵活的相内功率分配控制策略(flexiblepower distributioncontrol,FPDC)。FPDC策略能够完全弥补CPS技术的缺点。它实时计算各个单元的平均传输功率,并根据实际功率与参考功率的误差来决定各单元的开关动作行为。然后,理论研究了FPDC策略在功率不均衡分配极限情况下各级输出电压的分布规律,并据此推导了功率极限值的解析计算方法。通过对各级功率参考的实时限制来确保变换器的稳定运行。最后,通过仿真和实验验证了FPDC策略对相内各级功率分配的优秀控制能力和控制效果。

计及漏判/误判代价的两阶段电力系统暂态稳定预测方法

基于人工智能的电力系统暂态稳定预测方法会出现漏判(将失稳样本错误分类成稳定样本)和误判(将稳定样本错误分类成失稳样本)的现象,使得该方法不易在工程实践中应用。为此,文中基于集成卷积神经网络(CNN)提出了一种计及漏判/误判代价的两阶段电力系统暂态稳定预测方法。在第1阶段,利用滑动时间窗输入特征训练得到不同响应时间层次的集成CNN模型,建立各层输出结果的可信度指标,将可信度阈值优化选择问题转化成多目标优化问题,最大限度地减少甚至消除漏判,并尽可能早地输出可信度高的样本;在第2阶段,对分层预测阶段预测的失稳样本采用多判据融合的紧急控制启动策略,尽可能减少误判所带来的实际损失。仿真算例分析表明,文中所提方法可以以最小代价最大限度地减少甚至消除漏判,以提高人工智能暂态稳定预测结果在工程上应用的可能性。

小麦清理设备技术现状及发展方向

清理是制粉的前提和基础,对面粉的质量有重要影响,改革开放以来,通过引进与消化吸收,清理设备的技术水平得到了快速提高,展望未来,面对面粉生产无菌化的要求,加强小麦表皮清理的设备技术将得到进一步发展。简要介绍小麦清理设备概况,重点提出小麦清理设备的发展方向。

基于Solidworks Motion的高方平筛仿真分析

以FSFG6高方平筛为分析对象,应用Solidworks建立其实体模型,并基于FEA数值分析方法,借助软件Solidworks Motion对其正常工作时的运动状态做机构的运动和动力学分析,得到其主要承力部件传动箱框架结构和筛箱框架部分的受力状态及运动轨迹、速度和加速度的运动状态,对深入了解其性能及结构优化提供一定的参考。

基于集成深度置信网络的精细化电力系统暂态稳定评估

为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。

基于改进DCGAN的电力系统暂态稳定增强型自适应评估

海量的量测数据为基于数据驱动的暂态稳定预测方法提供了基础,然而故障态样本固有的不平衡性质影响了该类方法的性能。针对暂态稳定预测的样本不平衡问题,提出了一种基于改进深度卷积生成对抗网络(DCGAN)的样本增强方法,通过生成器和判别器交替对抗训练生成全新有效的失稳样本作为原始训练集的补充。离线训练时,采用深度置信网络作为分类器,采用扩充后的样本集对其进行训练,有效提高了模型对失稳样本的识别率;在线应用时,当系统发生预料之外的变化,采用样本迁移和模型微调技术更新离线模型,进一步对迁移之后的失稳样本进行增强,显著提高了暂态稳定自适应评估的迁移速度和在新场景下失稳样本的识别率,使得评估结果更加可靠。在IEEE 39节点系统和IEEE 140节点系统上的实验结果验证了所提方法的有效性。

基于改进AlexNet的电力系统暂态功角失稳紧急控制策略

随着新能源渗透率的提升,电网环境日益复杂,电力系统安全稳定运行也面临着新的挑战。为了满足电力系统暂态功角失稳后的实时紧急控制决策,采用深度学习与紧急控制相结合的方法,提出一种基于改进AlexNet网络的电力系统暂态功角失稳紧急控制策略。首先基于改进AlexNet对失稳发电机功角轨迹进行预测,识别临界机群;然后定义紧急控制动作灵敏度指标,建立改进AlexNet灵敏度预测模型,拟合发电机功角特征与紧急控制动作灵敏度的映射关系,从而确定紧急控制的动作母线;最后以切除发电机和负荷容量最小为目标,建立紧急控制优化模型并求解最优策略,并在新英格兰10机39节点系统进行算例验证。结果表明,针对电力系统暂态功角失稳问题提出的基于深度学习的功角轨迹预测模型和紧急控制灵敏度预测模型,均有较高的预测精度。在此基础上制定的紧急控制策略能使失稳系统快速恢复稳定运行,加强电网安全稳定防御体系。

金沙河300t/d玉米制品生产线工程概述

金沙河300 t/d玉米制品生产线是由河北苹乐面粉机械集团有公司承建的交钥匙工程,主要进行玉米精加工,成品为玉米糁、玉米面和玉米粉。该项目是苹乐集团与金沙河面业有限公司精诚合作的一个标志性工程。

考虑配网潮流和源荷不确定性的多微电网点对点合作调度策略

分布式能源交易是电力市场改革的重要内容,随着微电网系统的发展,微电网参与电力市场交易是不可逆转的趋势。针对多微电网点对点(peer to peer,P2P)交易模式进行了研究,首先,基于条件风险价值理论量化多微电网中源荷不确定性影响,建立了不确定性环境下多微电网点对点交易模型。其次,考虑到多微电网P2P交易对网络安全的影响,以过网费为纽带,提出一种基于合作博弈的配电网–多微电网两阶段随机优化模型。然后,为保证合作联盟的稳定,提出了基于谈判系数的纳什谈判合作价值分配机制,尊重了联盟中重要参与者的利益诉求。最后,改进IEEE 33节点系统形成算例,验证了所提模型能够兼顾市场经济性和安全性,可为源荷不确定性影响下配电网中的微电网参与电力市场交易提供参考方案。

流水线式生产模式在磨粉机生产上的应用

流水线式磨粉机生产模式是一种创新式的尝试,解决了传统磨粉机生产模式中存在的诸如生产效率低、组织难度大、交货不及时等弊病,并且对磨粉机质量控制也有很大的积极意义。

多端口电力电子变压器的安全稳定运行区域分析与控制

多端口电力电子变压器(PET)是交直流混合配电网组网的关键设备。然而,当多端口负荷功率差异较大时,将引起PET相间或相内功率严重不平衡从而超出PET的功率传输能力,导致系统不稳定。因此,提出一种级联式跨相并联型多端口PET的安全稳定运行区域分析方法及其稳定控制策略。首先,建立基于调制比的系统稳定运行约束条件;然后,推导系统安全稳定运行区域及边界的解析表达式,给出其安全稳定运行裕度的定义和计算方法;最后,提出提升PET安全稳定运行裕度的功率转移策略,利用MATLAB/Simulink仿真验证了所提策略的有效性。

基于深度强化学习的微电网优化运行策略

风电、光伏、负荷的不确定性给含有高比例可再生能源的微电网制定运行策略带来了挑战,人工智能技术的发展为解决微电网运行优化问题提供了新思路。基于强化学习框架,将微电网运行问题转化为马尔可夫决策过程,以最大化微电网经济利益和居民满意度为目标,提出一种基于深度强化学习的微电网在线调度方法。为了在深度强化学习训练的过程中高效利用经验,设计一种优先经验存储的深度确定性策略梯度(PES-DDPG)算法,学习各类环境下不同时段的微电网最优调度策略。算例结果表明,PES-DDPG算法能够为微电网提供有效的调度策略,并实现微电网的实时优化。

基于一致性算法的多微电网点对点分布式能量交易策略

多微电网共同参与电力市场交易有助于提高新能源消纳能力。为提高微电网参与电力市场的积极性,提出了基于多微电网的点对点能量交易机制。首先,基于Stackelberg博弈理论,建立了多领导者多跟随者Stackelberg博弈模型,将点对点能量交易问题转化为Stackelberg博弈问题,以Stackelberg均衡解作为最优交易策略,实现多微电网最优运行。其次,提出了基于一致性算法的Stackelberg均衡(Stackelberg equilibrium based on consensus algorithm,SECA)求解方法,微电网仅需与相邻微电网交换部分信息即可获得Stackelberg模型的均衡解,SECA算法有效保障了各微电网内部隐私。最后,通过4微电网算例验证了Stackelberg价格博弈模型的有效性和SECA的优越性。

基于数据驱动和深度置信网络的配电网无功优化

随着分布式电源和随机负荷电动汽车等的大量接入,配电网的运行环境日益复杂,对在线无功优化及其快速性提出了更高的要求。该文将“深度学习”引入配电网无功优化,提出了基于深度置信网络的无功优化方法。通过构造高维随机矩阵,从配电网运行数据中提取统计特征作为输入,将历史控制策略进行编码作为输出,利用先无监督后有监督的方式训练深层架构,学习系统特征与无功优化策略之间的映射关系,建立基于数据驱动和深度置信网络的配电网无功优化模型。基于改造的IEEE-37节点主动配电网仿真模型,对比分析了历史数据量和分布式电源渗透率场景对传统优化方法,场景匹配方法和所提方法的无功优化效果的影响。结果表明,所提方法可明显降低网络损耗和节点电压偏移,它不依赖于系统的模型和参数,在线决策速度快,且对历史数据量要求较低,在高渗透率分布式发电等未知场景下仍能表现优良,验证了该方法的正确性、有效性和较强的鲁棒性。

基于两阶段集成深度置信网络的电力系统暂态稳定评估

随着人工智能的发展,深度学习技术开始应用于电力系统暂态稳定评估,但面临着模型结构选择和评估性能优化等困难。为充分发挥深度学习的优势,提出一种两阶段集成深度置信网络(deep belief network,DBN)的评估方法。第1阶段预测故障后电力系统的暂态稳定性,由于输入特征和模型结构对暂态稳定评估的影响较大,选择原始电气特征、人工经验特征和堆叠降噪自动编码器提取的特征分别作为输入,训练不同结构的DBN模型,按概率集成机制,建立集成DBN模型,并评价结果的可信度。第2阶段,利用DBN暂稳程度回归预测模型进一步评估可信样本的稳定或失稳程度。在新英格兰10机39节点系统上的仿真结果表明所提方法预测精度高,具有良好的故障筛选性能,同时还能准确衡量可信样本的稳定或失稳程度,为后续控制提供可靠的参考信息。

基于迁移学习的电力系统暂态稳定自适应预测

基于人工智能的电力系统暂态稳定预测,通常需要用离线生成的大量暂稳样本对预测模型进行训练,然后根据系统的实时响应进行在线预测。但当系统的运行方式和拓扑结构发生较大变化时,预测模型的精度会显著下降,亟需一种能跟踪系统变化的自适应暂稳预测方法。针对该问题,将迁移学习引入电力系统暂稳预测,基于卷积神经网络提出了一种自适应预测方法。首先利用离线生成的大量暂稳样本训练并得到基于卷积神经网络的预训练模型。当系统运行方式和拓扑结构发生较大变化时,保持预训练模型的网络结构不变,将其中的2个卷积层、2个池化层和全连接层的网络参数迁移至新模型;提出了一种最小均衡样本集的变步长生成方法,用新生成的最小均衡样本集训练分类层参数,从而快速得到新的预测模型。新英格兰10机39节点系统的测试结果表明:所提方法能自适应跟踪系统运行方式和拓扑结构的变化,有效更新预测模型且大幅减少新模型的训练时间,为基于人工智能的电力系统暂态稳定自适应预测提供了一条新思路。