含热泵和相变储能的多能互补微能源网运行优化方法研究

在区域能源互联网大力推进、绿色低碳经济大力发展和多能流耦合度不断增高的背景下,如何提高微能源网的经济稳定性,实现其运行优化已成为研究热点。然而空调负荷的日渐增长给微能源网的经济运行带来了挑战。为此引入热泵和相变储能,以缓解用能紧张,提高能源利用效率和系统的灵活性。综合考虑热泵的出力特性和相变储能的储能特性,提出了一种多能互补微能源网运行优化模型。为分析模型的经济节能性,在分时电价和并网运行条件下,以全寿命周期成本最低为目标函数,采用混合整数规划法进行求解。仿真结果表明,引入热泵和相变储能能够减少空调负荷耗能,降低系统运行成本,具有较好的灵活性和经济性。

基于无监督学习的MMC子模块开路故障诊断方法

模块化多电平换流器(MMC)子模块发生故障时,快速准确地检测并定位故障是提高换流器运行可靠性的关键。目前,机器学习在MMC故障诊断领域得到了一定的应用,但大多需要采集每种故障情况下的样本,而故障样本采集难度较大。针对此问题,提出一种无需采集故障样本,仅根据正常样本训练分类模型即可实现故障检测和定位的无监督故障诊断方法。首先,采用在线顺序极限学习机对变量预测模型进行改进,通过比较预测量与实际量的距离判断桥臂故障,实现故障检测。其次,以故障桥臂各子模块电容电压变化率为特征,通过K近邻异常值检测方法定位故障子模块。最后,搭建了三相五电平MMC仿真模型对所提方法进行了仿真研究。结果表明,与有监督的机器学习方法相比,所提方法在不需要故障样本集的情况下便能快速准确地检测并定位故障,为机器学习在MMC故障诊断实际工程中的应用提供了参考。

MMC五电平逆变器故障的深度小波极限学习机诊断方法研究

针对MMC五电平逆变器不同IGBT故障相似程度高,使得故障诊断困难的问题,提出小波极限学习机-自动编码器WELM-AE(wavelet extreme learning machine-auto encoder)与深度小波极限学习机DWELM(deep wavelet extreme learning machine)的故障诊断方法。所提方法直接利用各故障状态下交流侧三相线电压原始数据对WELM-AE进行逐层预训练,再将训练好的WELM-AE堆叠形成DWELM以提取嵌入于原始数据中的深层次故障特征,并在最后一层实现故障特征与故障类型的映射。对比分析结果表明:所提方法可直接利用原始三相输出线电压信号进行故障诊断,且具有更高的故障诊断准确度。