基于CEEMD和LSTM-ARIMA的短期风速预测

针对风速序列具有很强的随机性和波动性,提出一种基于完备总体经验模态分解(CEEMD)、长短期记忆网络(LSTM)和自回归差分移动平均(ARIMA)的组合预测模型来对短期风速进行准确预测。首先利用CEEMD算法将原始风速序列分解为多个模态分量,降低风速序列的复杂度;然后通过排列熵(PE)把风速子模态分为高频序列和低频序列,对高频序列和低频序列分别建立LSTM和ARIMA预测模型;最后把子序列预测结果叠加起来,得到最终的风速预测值。实验结果表明,该预测模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别为8.68%、0.389 m/s,与其他预测模型的预测结果相比,预测精度有了一定提高。

基于Kmeans和CEEMD-PE-LSTM的短期光伏发电功率预测

针对光伏发电功率时间序列随机性和波动性强的特点,提出一种基于Kmeans和完备总体经验模态分解(CEEMD)、排列熵(PE)、长短期记忆(LSTM)神经网络结合的短期光伏功率预测模型。先通过Kmeans算法选出预测日的相似日;然后采用CEEMD将发电功率和影响因素数据的原始序列分解为多个固有模态分量,并用排列熵算法对模态分量进行重构;最后对重构后的子序列分别进行LSTM建模预测,再将子序列预测结果叠加起来确定光伏发电功率预测值。试验结果表明,所提预测模型与单独的LSTM预测模型和EMD-PE-LSTM预测模型相比,功率预测精度明显提高,为电网调度提供了一定参考。

基于相似日理论和PCA-PSO-BP的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于相似日理论和主成分分析(PCA)-粒子群算法(PSO)-BP神经网络的光伏发电功率预测模型。考虑不同季节下发电功率差异较大,通过灰色关联度选取预测日的相似日,采用主成分分析法对影响光伏发电功率的因素进行降维处理,利用降维后的相似日气象数据和历史发电功率数据来建立PSO-BP预测模型。试验验证,该方法与单一BP神经网络、PSO-BP预测模型相比,功率预测精度得到提高。

自适应电压补偿的微电网功率均分控制策略

微电网在孤岛运行模式下,各并联逆变器额定容量和馈线阻抗存在差异,采用传统下垂控制策略时输出功率难以合理分配,降低了系统的稳定性。针对该问题,对低压微电网功率传输特性进行分析,得出影响功率合理分配的主导因素。提出一种自适应电压补偿的控制策略,通过虚拟阻抗的加入使输出功率合理解耦后,采用实际输出功率与预期输出功率的差,通过功率补偿系数和比例积分控制,进而调节各逆变器的参考电压。该控制策略能够实时跟踪分布式电源输出功率的变化而自动调整,及时调节因线路阻抗不匹配所带来的电压变化,提高了电能质量,减小了系统环流,实现了功率的合理分配。最后,通过仿真模型验证了该策略的有效性。

基于虚拟阻抗的低压微电网功率均分控制策略

在低压逆变器并联系统中,各逆变器之间存在线路阻抗不匹配的情况,针对传统下垂控制策略无法实现无功功率的精确均分,且会产生较大环流的问题,提出一种基于虚拟阻抗技术的改进下垂控制策略。该控制策略中,首先采用虚拟阻抗技术使等效线路呈感性,以实现功率完全解耦;其次在无功-电压下垂控制的基础上,采用电压补偿的方法解决无功功率无法均分和系统环流较大的问题;最后搭建逆变器并联系统仿真模型进行验证分析。结果表明,该方法能够很好地实现无功功率的精确均分,补偿因虚拟阻抗而产生的电压降落,同时减小了逆变器系统间的无功环流量,加快其动态响应速度,提高了系统的稳定性和可靠性。

滑模变结构控制在凹版印刷机中的应用

为提高交流永磁同步电机伺服系统的控制精度,提出了一种基于比例切换控制策略的滑模变结构控制方法。先给出伺服系统模型,再设计滑模控制器,通过选取合适的滑模面得到系统比例切换控制输入。分别讨论了被控对象为时不变和时变情况下的系统响应情况,并与PI控制进行对比,以分析本文方法的优劣。仿真结果表明,所设计方法控制精度高,且具有较好的鲁棒性和快速性。