基于贝叶斯优化卷积神经网络的路面光伏阵列最大功率点电压预测方法

路面光伏阵列上快速行驶的车辆,所形成的车辆阴影具有复杂的动态随机分布特性,将导致路面光伏阵列的输出功率-电压(P-V)特性曲线呈现动态多峰特性,给路面光伏阵列最大功率点跟踪(maximumpowerpointtracking,MPPT)控制带来挑战。基于此,文中提出一种基于贝叶斯优化(Bayesianoptimization,BO)卷积神经网络(convolutional neural network,CNN)的路面光伏阵列最大功率点电压预测方法。首先,将路面光伏阵列的光照和温度的环境信息以图像形式输入基于贝叶斯优化CNN的最大功率点电压预测模型进行学习;然后,利用训练出的预测模型,对当前时刻下路面光伏阵列最大功率点工作电压进行预测;最后,仿真和试验结果表明,提出的预测模型具有良好的适应性,能够精准预测不同车辆阴影工况下的路面光伏阵列最大功率点工作电压,尤其是大幅度提高最大功率点工作电压的预测速度,为动态随机车辆阴影下路面光伏阵列的最大功率点跟踪控制奠定基础。

变电压CT成像中角度间扫描电压预测方法研究

复杂结构件在CT成像时,不同投影角度等效厚度差异较大,需要匹配不同透照电压。因此,投影扫描中需要进行变电压成像,这需要对角度间的透照电压进行预测。对此,提出了一种适用于变电压CT成像的角度间扫描电压预测方法。利用负指数函数描述等效衰减系数与电压的关系,代入基于等效衰减系数表示的不同电压下X射线透过率关系式中,得到不同透过率对应电压之间的经验公式。在角度间电压预测中,不断更新公式中参数。对铝楔形块实验,与文献方法相比,所有测试点电压预测的最大相对误差由6.24%下降到3.91%。对铝模体进行了变电压扫描CT成像实验,验证了预测方法的可行性。实验结果表明,提出的电压预测方法可用于变电压CT成像中的角度间扫描电压预测。

染污玻璃绝缘子泄漏电流特性及其闪络电压预测

有效预测绝缘子闪络电压是防止发生污闪事故的重要手段,泄漏电流是分析检测绝缘子闪络电压的重要方法。在人工污秽实验室进行大量的试验,模拟运行电压下污秽度与相对湿度对泄漏电流的影响,从不同角度提取了能够反映绝缘子表面污秽度及相对湿度的4个泄漏电流特征量:泄漏电流脉冲幅值熵S、脉冲幅值Ih、能量比K及能量E,并得到它们之间的变化规律。提出基于广义回归神经网络(generalized regression neural network,GRNN)的绝缘子闪络电压预测模型,将4个特征量S、Ih、K、E及相对湿度作为GRNN模型的输入量,闪络电压作为GRNN模型的输出量。预测结果与试验结果对比分析可知,相对误差小于7.33%,表明提出的绝缘子闪络电压预测GRNN模型的预测结果与试验结果基本一致,能够有效地对绝缘子闪络电压进行预测。

三相电压型整流器模型电压预测控制

模型电流预测控制在每个采样周期内对所有开关状态下的输出电流进行预测和评估,算法运算量大,对控制器性能要求较高。本文提出了一种用于三相电压型整流器(VSR)的模型电压预测控制算法。根据模型电流预测的逆过程获得参考电压值,将矢量平面分为7个部分,并判断参考电压值所在区域。根据参考电压所在区域获得最优的电压矢量作为控制器输出。该方法无需循环寻优过程,预测耗时少,易于实现。通过实验对所提出的模型电压预测控制方法进行分析,验证了所提算法具有优良的静态、动态性能同时可显著减少模型预测控制的计算耗时。

空气间隙的储能特征与放电电压预测

通过数学计算而非试验研究获取空气间隙的放电电压是高电压工程领域长期以来希望达到的目标。为此,基于绝缘击穿缘于储能越限的物理思想,提出了一种空气间隙放电电压预测的新思路:将复杂的空气放电过程研究前移至间隙结构储能状态及其影响因素研究,从电场分布、冲击电压波形两个方面定义了表征空气间隙储能状态的特征集,采用支持向量机(SVM)建立了空气间隙的放电电压预测模型。利用该模型,成功实现了不同间隙长度的棒-板、棒-棒长空气间隙在不同波前时间的正、负极性操作冲击电压作用下的50%放电电压预测,4组测试样本预测结果的平均绝对百分比误差分别为3.6%、3.25%、3.5%和3.8%。该方法有助于推进电气外绝缘的数字化设计,可为构建"计算高电压工程"学科体系提供参考。

电压预测技术提高HVDC混合实时仿真器接口稳定性

介绍使用电压预测技术提高 HVDC混合实时仿真系统接口的稳定性。接口稳定性是建立混合实时仿真系统的关键问题。利用电压预测技术 ,结合“虚”阻尼并联支路 ,可以有效地减小接口电流噪声 ,提高 RTDS数值计算稳定性 ,保证数模接口在稳态和暂态仿真中的稳定。各 AC/DC接口的电压预测步长需独立精心选择 ,典型值在 1个～ 3个步长 ,取决于直流平波电抗值的大小和直流输电线的长度。文中给出了接口的技术实现和性能校验结果。

基于电压预测的直线永磁同步电机直接推力控制

直线永磁同步电机直接推力滞环控制,导致开关频率不定及稳态运行时会有明显的推力和磁链脉动产生。针对这些问题,提出了一种低脉动、快速动态响应、恒开关频率的直接推力电压矢量预测控制方法,该方法根据磁链及推力差预测下一时刻的参考电压,并采用空间矢量调制技术确定逆变器开关时间。仿真结果表明,与传统的DTC方法相比,该方法不但保持了快速响应的特点,且稳态运行时的磁链、推力脉动得到明显改善,开关频率也可根据需要在一定范围内进行选择。

改进型电压预测控制逆变器的研究

为了研究在边远地区使用小型离网独立风力发电系统,在分析比较现有独立风机供电变流系统结构和控制方法的基础上,给出了新型独立风机供电系统结构和改进型电压预测控制算法。新型独立风机供电系统通过在结构上增加一个旁路二极管,大大提高了系统对风能的利用率;改进型电压预测控制通过在一个PWM周期内增加采样的次数来改善系统的控制效果和动态响应,使负载电压的总谐波畸变率(THD)达到3.5%。仿真和实验研究结果证明了改进型电压预测控制方法的正确性和可行性。

利用AGC电压预测及先验跟踪信息的遥测设备副瓣判决

针对无引导天线遥测设备副瓣判决难的问题,提出了一种结合自动增益控制(AGC)电压预测、跟踪稳定性判决及跟踪角度判定的副瓣自动判决方法。采用拟合方法建立了AGC电压预测公式并通过实测数据验证了其准确性。在分析遥测设备副瓣跟踪特点基础上,提出了遥测设备跟踪稳定性及角度差判定准则,最后设计判决软件实现自动副瓣判决。实验验证结果表明在判定准确度相同的条件下,采用该方法的耗时比人工判定缩短了48%。

考虑驾驶行为的电动汽车电池电压预测方法

电动汽车电池参数的准确预测是电池故障精准诊断的前提,是电动汽车安全运行的重要技术保障。电池状态的估计受多种因素影响,驾驶行为是其中的1个重要因素,但现有电动汽车电池电压预测的研究较少考虑微观驾驶行为及驾驶工况的影响。研究提出了综合考虑驾驶行为参数的动力电池电压预测方法,针对现有电动汽车国标网联数据颗粒度低的问题,设计并开展了自然驾驶实验,采集多维精细化18辆电动汽车运行数据;通过截取典型驾驶工况数据片段,分析驾驶行为参数与动力电池参数关联性,以动力电池参数中的电池组电压作为基准参数,提取与其相关的特征指标及与其相关的特征指标,分别得到与电池组电压相关系数:0.978(电池单体电压)、0.853(电池剩余电量SOC)、0.691(加速踏板行程值)、0.683(总电流)、0.616(车速)。基于长短时记忆神经网络(LSTM)构建了以驾驶行为参数、电池组电压相关的特征参数作为输入,电池组电压作为输出的预测模型,并对LSTM超参数进行了优化。筛选出16辆电动汽车共700万条数据训练并测试预测模型,训练集与测试集的数据比例为8:2,测试结果中预测电压与实际电压间的均方误差(MSE)为0.46,平均相对误差(MRE)为0.13%。利用其余2辆车共2万条数据验证模型精度,验证结果的MSE分别为0.50,0.55,MRE分别为0.15%,0.17%。智能网联环境下基于电动汽车精准驾驶行为数据的电池电压预测模型精度明显优于传统的LSTM、递归神经网络模型。

基于电流电压预测的直流输电换相失败预防策略

随着我国交直流混联电网的快速发展,直流输电换相失败已成为严重威胁电网安全稳定运行的关键因素之一。设计合理的换相失败预防策略是保障交直流混联电网安全稳定运行的有效手段,但现有换相失败预防策略在部分工况下会失效甚至加剧换相失败。针对这一问题,在分析现有换相失败预防(commutationfailureprevention,CFPREV)控制的原理与不足的基础上,研究暂态过程中直流电流增量对换相失败的影响。提出一种基于直流电流和交流电压双预测的换相失败预防控制策略及其参数整定方法。最后以CIGRE标准直流测试模型及河南特高压直流输电模型为例,仿真验证了所提控制策略对不同类型换相失败抑制的有效性及相较于现有CFPREV的优越性。

操作冲击下特高压酒杯塔边相空气间隙放电电压预测

准确获取空气间隙的放电电压是高电压工程领域长期追求的目标,开展放电电压预测研究具有重要的工程意义。基于数据驱动的思想,以750 kV同塔双回输电线路和1 000 k V交流紧凑型输电线路杆塔空气间隙为训练样本,通过电场计算获取了间隙的空间电场分布;然后从高压端金具到塔身的最短路径上提取电场特征量作为输入量用以表征间隙结构,并采用支持向量机建立了杆塔空气间隙标准操作冲击放电电压预测模型;最后对1 000kV酒杯塔边相空气间隙的放电电压进行了预测。与放电特性试验结果对比表明:4～8 m长间隙放电电压预测值的最大误差在10%以内,平均绝对误差为3.66%,并验证了预测方法的有效性。该方法以多种杆塔结构空气间隙放电试验数据为基础,利用机器学习手段预测得到了另外一种杆塔间隙的放电电压,为获取输变电工程间隙的放电电压提供了一种新的思路。

递变能量成像中最佳X射线管电压预测算法

X 射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息，并通过多谱融合获取完整结构信息。但是目前的能量选择主要以人工设定管电压步进为主，无法匹配检测对象的有效厚度变化率，成像效率及射线利用率较低。基于递变能量成像规律，提出一种最佳 X 射线管电压预测算法。该方法通过对检测物体进行变能量预扫描，提取图像序列中有效厚度（高质量区域）和临近厚度（预测区域），建立有效厚度的图像灰度与管电压、X 射线光谱之间的物理模型，及临近厚度灰度差与电压的函数模型，进而得到临近厚度最佳成像时的能量预测模型。通过模型求解，实现了能量的自适应预测。以不同厚度钢块为对象，利用该算法逐一预测各个厚度钢块最佳成像时的管电压，并与实际值对比。实验结果显示，在低能时可跨3～4 mm 准确预测，高能时可跨7～10 mm 预测，精度可以达到95％以上。

基于新型智能算法对太阳能无人机光伏组件电压预测控制研究

针对BP网络算法预测光伏组件电压易陷入局部最优解,提出一种新型智能算法--自适应差分进化算法优化BP神经网络(BPNN)。太阳能无人机光伏组件电压的预测是通过自适应差分进化算法对BP神经网络的初始值和阈值进行优化,经过不断趋同、异化、迭代,输出最优个体,并按照编码规则将其解码后得到BP神经网络的初始权值和初始阈值,建立SaDE-BPNN电压预测模型。为了证明新方法的优良性能,选取均值绝对误差、均值绝对误差、均方根误差和相对误差4种精度指标对模型的精度进行评价。实验结果表明,SaDE优化BPNN后的平均绝对误差比BPNN低约30%。SaDE优化后的BPNN的均值绝对误差和均方根误差均小于BPNN,分别约为0.65和0.043。以上数据表明,新方法提高了预测的精度,实现了全局优化,能够显著提高预测效果。

基于电压预测误差的“花瓣”型配电网保护原理

针对采用光纤电流差动保护的双“花瓣”型配电网保护成本及对线路两侧电流相量采集过程的同步性要求较高的问题,本文提出一种基于电压预测误差的“花瓣”型配电网继电保护新原理。首先,对每个开关站内电压、电流相量进行同步采集,计算本地电压幅值并预测相邻开关站电压幅值,利用相邻开关站电压幅值预测误差作为保护判据,对故障线路进行判断并隔离。然后,分析电容电流和线路参数误差对保护性能的影响,根据线路参数误差的影响给出保护的整定方法,并研究了不同位置故障情况下的保护灵敏度。最后,利用电磁暂态仿真在多种故障位置下对保护动作情况进行验证,仿真结果表明,本文所述保护方案可以适用于各种故障类型下的双“花瓣”型配电网,且保护灵敏度较高。

车载12 V锂电池的工作电压预测和预警策略研究

12 V锂电池逐渐取代铅酸蓄电池用于整车电子控制单元(electronic control units,ECUs)供电并通过直流-直流变换器(direct current to direct current converter,DCDC)进行补电。当补电系统故障时,12 V电池会持续耗电并导致电压过低,影响ECUs供电和整车启停,从而降低汽车安全性。针对这个问题,提出一种12 V锂电池一定时间后工作电压(下文简称“工作电压”)预测和预警策略,基于低压电池管理系统,结合电池温度模型、三阶阻容等效电路模型实时在线地对12 V锂电池工作电压提前预测,并为电池低电压情形设计出两级控制的预警策略,仿真结果表明预测偏差比率在±1%以内。

基于LSTM⁃BP组合模型的配电台区低电压预测

台区低电压预测是实现配电网低电压问题及时治理的关键。现有低电压预测方法大多依赖于对电网拓扑参数和用户信息的采集,存在所需数据繁杂、实时性较差、预测误差大的缺点。为此,提出一种基于LSTM-BP组合模型的台区低电压预测方法。首先,通过分析台区低电压的形成机理,得出影响节点电压的主导因素为用户功率值。基于此,利用长短期记忆网络(LSTM)实现配电台区各节点用户负荷曲线的短期预测。接着,利用BP神经网络的自学习能力,建立节点用户功率和节点电压间的非线性映射关系。通过有效组合上述2个神经网络模型,实现以历史负荷数据精准快速预测台区所有节点用户的未来电压情况。最后,以某台区为研究对象,对比实际电压和本文预测所得电压数据,结果表明,在1 V误差范围内,预测准确率为99.98%,与传统电压预测方法相比,本文所提方法在线实施过程无需台区拓扑结构、线路参数、用户电压等信息,即可实时实现台区低电压的简单、快速、精确预测。

基于灰色马尔科夫模型的配电网电压预测

配电网监测平台只针对当前采集的数据量进行监测,无法及时提供预报警信息。通过对配电网监测平台中电压数据的分析,提出灰色马尔科夫电压预测模型。首先,建立灰色电压预测模型,并拟合变化趋势;然后,进行马尔科夫状态划分并计算状态转移概率矩阵,对下一时刻的电压变化趋势进行预测,并实时更新原始数据优化电压预测模型;最后,实例分析表明,灰色马尔科夫电压预测模型克服了电压数据随机波动造成预测结果不准确的问题,有效提高配电网电压预测的精度。

基于分段平均电场强度的短空气间隙击穿电压预测

空气绝缘间隙在高压输电系统中广泛存在。为了实现短空气间隙的工频击穿电压准确预测,将空气间隙击穿路径上的分段平均电场强度作为输入量,间隙的工频击穿电压作为输出量,利用支持向量机建立击穿电压预测模型。通过分析空气间隙的分段平均电场强度特性,将空气间隙的击穿特性分为有突增现象和无突增两种,借助支持向量机对无突增现象的空气间隙击穿电压做预测,预测结果良好。该预测方法可为工程绝缘设计提供依据,减少耐压试验次数。

基于电压预测控制的DSTATCOM研究

基于无差拍控制思想,提出具有延时补偿性能的电压预测控制策略。该算法能消除控制延时引起的补偿误差量,同时省去传统电流预测控制算法中的d-p旋转坐标变换,简化了控制系统的设计过程;另外,借助于空间矢量调制(SVM)技术实现开关状态的选择,使控制系统具有固定开关频率,从而简化滤波电感的设计。最后,搭建Matlab/Simulink仿真模型和基于50kvar的配电网静止无功补偿器(DSTATCOM)实验样机进行无功补偿和治理电压不平衡实验,仿真及实验结果都验证了该算法的有效性和可行性。