基于VMD-LSTM-ARMA模型的径流预测

为了提高径流预测的精度,提出了一种用以解决径流预测等问题的组合预测模型,此模型由变分模态分解(VMD)、长短期记忆网络(LSTM)和自回归移动平均(ARMA)组成。为了降低入库流量的复杂度,利用VMD算法将径流数据分解为3个不同频率的模态分量。低频的模态分量继承了数据的时间特性,可以通过构建LSTM预测模型处理;而2个高频序列是平稳的时间序列,可以通过搭建ARMA预测模型处理。将3个子序列的预测结果进行叠加,最终得到径流的预测结果。采用湘江支流的东江水文站2020年的逐小时流量数据进行流量预测,对比试验和其他算法结果表明:所构建的模型可以有效提高水文预报的精度。

电厂发电机的谐波危害分析与测试

电力系统中的谐波污染日益严重,会对电厂发电机带来一系列的危害,分析了谐波影响下的发电机等效模型建立方法,以及发电机的谐波电压与电流,计算出了发电机在谐波影响下的稳定电磁转矩与脉动电磁转矩,最后对实验发电机进行了测试,分析了谐波对电厂发电机的危害。

两种整流变压器的电流谐波分析与测量

电网中的谐波污染日益严重,分别分析了Y/Y与Y/Δ整流变压器的电流谐波,进行了谐波次数与含量的比较,并对Y/Y与Y/Δ整流变压器组合运行状态下的母线电流进行了谐波分析,最后通过Y/Y整流变压器、Y/Δ整流变压器、Y/Y与Y/Δ整流变压器组合运行的实验进行了三种状态下的谐波比较。