新能源高比例接入下电网无功电压优化控制研究综述

针对无功电压优化控制技术的应用,总结新能源高比例接入环境下电网无功电压优化建模方法,主要分为多时间尺度无功电压优化、分层分区电压优化、有功无功电压协调优化、基于模型预测控制的无功电压优化。分析无功电压优化求解数学方法,主要分为随机变量处理方法和无功电压优化模型求解方法。结合“源-网-荷-储”结构变化、能源互联网发展趋势和电力市场改革现状,从多维度“源-网-荷-储”协调电压控制、多异质能源协同优化控制、市场环境下“源-网-荷-储”协同优化出发,对未来研究进行了展望。

考虑样本异常值的改进最小二乘支持向量机算法

针对最小二乘支持向量机对异常值敏感、缺乏鲁棒性的情况,提出一种考虑样本异常值的改进最小二乘支持向量机算法。该算法首先通过采用局部异常因子检测算法为每个数据样本计算一个LOF因子,根据其因子值能够有效地将样本分成正常样本和异常样本,然后针对不同样本进行单独设置样本权重。其有效地保证了在降低异常样本权重的同时而不使正常样本权重受到影响,使最小二乘支持向量机在达到目标函数最优化的同时能够保证正常数据信息不丢失,以提高模型的鲁棒性。最后,通过引入"信息熵"和"平均粒距"来改进粒子群算法,将其应用于模型的参数优化。经过实验仿真表明,该算法能够有效地提高模型的鲁棒性,随着异常样本的增多,其模型精度提高大约67%。

基于遗传算法与BP_Adaboost的故障检测方法

针对化工过程故障检测中因为过程的复杂性和非线性而导致的检测效果不佳的问题,提出一种遗传算法和BP_Adaboost网络相结合的故障检测方法。首先,利用遗传算法对输入自变量维度进行降维,筛选符合实际需求的自变量维度。然后再利用遗传算法对BP网络的权值和阈值进行参数优化。最后建立BP_Adaboost网络模型对化工过程进行故障检测。仿真结果表明,所提方法的故障检测精度得到了有效地提高,能满足化工过程故障检测的需求。