基于核主成分分析与改进神经网络的电力负荷中期预测模型

为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大预测负荷修正日预测负荷的方法,输出待预测日的最大预测负荷。采用欧洲智能技术网络提供的负荷数据进行验证,实验结果的平均绝对百分误差为1.39%。

基于小波去噪-KPCA神经网络的光伏功率预测方法

为了提高光伏发电功率的预测精度,提出了一种基于小波去噪/聚类/核主成分分析(KPCA)神经网络的光伏发电功率预测方法。首先,应用二维小波阈值去噪法预处理光伏出力数据;然后,应用k-means算法将预测模型分为4种不同模式下的子预测模型;引入KPCA对输入空间降维重构,利用粒子群优化(PSO)神经网络算法建立基于聚类/KPCA/神经网络的光伏发电功率预测模型。采用某光伏电站的实例数据进行预测分析,结果表明该模型实现了不同模式下的光伏出力较为精准的预测,显示出良好的预测性能,验证了预测模型的可行性和有效性。

微电网三相四柱组合式双向变流器双模式控制

三相四柱组合式电路相对于组合式三相电路具有体积小、重量轻和成本低等优点,非常适合微电网双模式应用场合。提出采用三相四柱组合式双向变流器,并针对其双模式控制展开研究。首先建立其各相序等效模型,定性分析出并网条件下并网电流中存在三次谐波电流,并提出了复合控制和指定次谐波消除相结合的控制方法;针对离网时带不平衡单相负载问题,采用了三相独立控制的方法,提出了带动态直流偏磁抑制的双闭环复合控制策略,在抑制直流分量的同时具备较好的动态和稳态性能。最后通过实验验证了所提电路及控制方法的有效性。

基于最大转矩电流比的永磁同步电机自适应滑模控制

针对永磁同步电机伺服系统在外部扰动力矩下的速度跟踪控制问题,提出了一种基于最大转矩电流比的自适应滑模控制器。为了简化计算,采用牛顿-拉夫逊迭代法实现最大转矩电流比对电机交直轴电流的分配,并在此基础上改进了自适应滑模速度控制器。为减少滑模控制中的抖振,设计了自适应滑模切换增益。通过仿真实验对比可知,所提控制方式有效提升了系统的动态响应能力、稳态性能和抗扰动能力。

“我能晒台”，让干部选拔更科学

8月6日下午，在滨海县会议中心举办的一场特殊的擂台——“我能晒台”不断赢得现场评委和听众热烈的掌声。这次“晒台”选拔活动，推出了县实验小学校长、2名镇（区）中心小学校长等职位，首次采用电子表决器现场表决，充分反映听众评委意愿，体现了公开、公平、民主、透明。