基于支持向量回归的风电场短期功率预测

针对风电场的短期功率预测,提出了一种考虑风电机组运行条件的用于风电场短期功率预测的新方法.首先,利用风力发电机的监控和数据采集(SCADA)系统数据计算输出功率和运行条件之间的皮尔逊相关系数,验证了SCADA监测项目对风力发电机输出功率的具有相关性;其次,建立支持向量回归(SVR)模型来预测单个风力发电机的风力与气象、运行状态的关系,发现了考虑运行条件的模型的预测结果优于仅考虑气象信息的模型的预测结果;最后,考虑到不同空间位置的风力发电机组对风电场输出功率的贡献不同,建立了各风力发电机预测功率和风电场预测功率输出之间的回归模型.试验结果表明:所提出的风场回归模型的预测误差小于风力涡轮机所有预测功率的模型的预测误差,从而验证了该方法的有效性.

基于博弈论的移动边缘计算任务调度研究

移动边缘计算(Mobile-Edge Computing,MEC)能满足低时延、高能效和高连接密度的要求,因而赢得越来越多的关注。针对边缘云计算环境下的任务调度属于NP难度问题的特性,根据群体智能寻优的原理,提出了一个目标达到纳什均衡的分布式多用户计算任务调度算法。首先给出了多用户任务调度的系统模型,然后利用博弈论观点和数学推导证明系统开销存在收敛上限并量化几个关于集中优化性能的效率因数,最后进行仿真,数值结果证实了提出的算法可在复杂网络环境下实现节约用户成本、提高系统性能的目标。

基于改进DBSCAN算法的风机故障诊断研究

针对风电集控中心需监控多个类型风机并对故障的风机进行故障诊断问题,通过运用DBSCAN聚类算法对风机运行数据进行密度聚类,判定齿轮箱和主轴方面的故障,并针对DBSCAN算法中需人为设定参数的确定进行了改进。首先在KNN分布曲线上假定陡增点,采用循环迭代的方法进行分段拟合计算出最优参数Eps;然后利用数学统计原理分析计算MinPts,实现聚类全过程的自动化,减小了根据经验判断参数的误差。最后利用风场实际数据进行试验,提取并分析聚类结果中的噪声点,通过数据异常值进行故障诊断,验证了此方法的可行性和有效性。