基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断

目的为了解决双向DC-DC电力变换器的软故障诊断精度不高的问题,方法提出基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型。首先,分析双向DC-DC电力变换器中电容、电感和MOSFET管的故障机理,通过仿真实验模拟各元件失效后变换器的输出电气参数变化,从而确定变换器不同元件故障时对应的故障特征参数;其次,构建改进的LSTM-SVM双向DC-DC电力变换器故障诊断组合模型,在LSTM中添加Mogrifier门机制,提高LSTM提取时间序列原始数据中微弱特征的能力;最后,由于传统LSTM的末端分类器为Softmax,其主要解决单一元件诊断问题,变换器故障类型较多,维数较高,所以采用麻雀搜索算法优化的SVM代替原有的Softmax函数,对LSTM输出的数据进行故障分类,提高故障诊断的准确率。设置双向DC-DC电力变换器充放电两种状态下,包含电解电容、电感和MOSFET单双管故障在内的24组故障,分别采用本文构建的改进的LSTM-SVM和原始的LSTM-SVM双向DC-DC变换器故障诊断模型进行诊断。结果结果表明,改进的LSTM-SVM故障诊断模型诊断准确率平均值为99.71%,原始的LSTM-SVM故障诊断模型诊断准确率平均值为88.48%,改进的LSTM-SVM故障诊断模型对各元件的故障诊断正确率均高于原始的LSTM-SVM故障诊断模型的。结论基于改进LSTM-SVM的双向DC-DC电力变换器故障诊断模型实现了对双向DC-DC电力变换器中的电解电容、电感和MOSFET单双管故障的准确诊断。

基于长短期记忆网络的Vienna整流器故障预测

为了掌握Vienna整流器的健康状态,提出基于长短期记忆(LSTM)网络的Vienna整流器故障预测模型。通过对电容和功率MOSFET的退化与故障特征分析,建立Vienna整流器整体电路性能和关键元器件退化之间的关系,选择输出电压变化值ω为整流器的故障特征参数。在此基础上,构建基于LSTM的Vienna整流器故障预测模型,采用Adam优化算法训练预测模型,实现对Vienna整流器故障特征参数的预测。仿真结果表明,该模型预测结果的均方根误差为0.1233,平均绝对百分误差为0.1018,该模型的预测精度较高,能够较好地实现Vienna整流器的故障预测。

基于Mogrifier LSTM-SVR的超级电容寿命预测

超级电容是储能系统中常用的储能元件,为了解决在对其使用寿命预测时,影响因子考虑不全面,预测精度不高的问题,提出基于支持向量机回归算法与改进的长短期记忆网络算法(Mogrifier LSTM-SVR)相结合的超级电容的使用寿命预测模型。通过引入温度、电压和电流三种超级电容寿命影响因子,建立更贴近实际的超级电容寿命模型,选取剩余容量作为特征参数。构建Mogrifier LSTM网络,在传统的LSTM中增加Mogrifier门机制,并利用支持向量机回归(SVR)对Mogrifier LSTM网络预测误差回归预测,修正误差。通过仿真实验和模型的预测结果对比分析表明,Mogrifier LSTM-SVR对超级电容寿命预测的准确性更高,误差波动量级更小。

综掘工作面硫化氢抽取-净化一体化治理技术

硫化氢煤巷综掘工作面掘进时,受巷道独头通风作用,在掘进工作面迎头区域内极易造成硫化氢气体积聚、超限。为治理煤矿综掘工作面硫化氢气体积聚、超限所带来的作业人员伤亡及设备损害,采用CD4型硫化氢便携仪检测硫化氢气体体积分数的研究方法,对硫化氢气体涌出分布规律、掘进机停止割煤后硫化氢气体体积分数随时间变化规律进行了测试分析;揭示出综掘机割煤扰动是诱导综掘工作面硫化氢气体涌出的主因,且涌出后在回风流沿程方向上以及顶底板高度方向上均呈现出逐渐减小的分布规律。采用理论分析、实验室及现场实测试验手段,提出了煤矿综掘工作面硫化氢抽取-净化一体化治理的新技术方案,研究了硫化氢抽取-净化一体化治理机理,研制出用于煤矿综掘工作面硫化氢抽取-净化一体化治理的工艺技术及配套装置。现场应用研究表明,综掘工作面硫化氢抽取-净化一体化治理装置的抽吸风口后1 m及出风口后1 m位置,硫化氢气体涌出体积分数分别由抽取-净化前的169.2×10^(-6)、155.9×10^(-6)降至抽取-净化后的13.9×10^(-6)、10.2×10^(-6),综掘工作面硫化氢抽取效率达到91.8%,硫化氢净化效率达到93.5%,硫化氢危害治理效果良好,为煤矿综掘工作面硫化氢灾害的治理提供一种新的技术途径。

锆基双金属氧化物催化剂硫中毒的研究

在工业二氧化碳加氢制甲醇过程中,硫化氢气体的引入将对该过程中使用的催化剂活性及稳定性带来负面的影响。基于此,采用微反应合成法成功制备了InZrO_(x)和ZnZrO_(x)锆基催化剂,并研究了在二氧化碳加氢反应中,硫化氢气体对锆基催化剂的结构性质及其催化性能的影响规律。结果表明,在T=573 K、p=3.0 MPa和GHSV=18 000 mL/(g_(cat)·h)条件下,仅通入二氧化碳/氢气反应气时,InZrO_(x)和ZnZrO_(x)催化剂的二氧化碳转化率和甲醇选择性分别为7.2%、9.3%和93%、92%。在二氧化碳/氢气原料气中通入体积分数为5×10^(-3)硫化氢气体时,InZrO_(x)和ZnZrO_(x)催化剂的二氧化碳转化率和甲醇选择性都降为0,这主要是因为硫化氢气体占据了氧空位,导致锆基双金属氧化物催化剂硫中毒失活。当停止通硫化氢气体时,InZrO_(x)和ZnZrO_(x)催化剂的二氧化碳转化率和甲醇选择性分别恢复为5%、8.6%和58%、84%,分析表明停止通硫化氢气体后,氧空位浓度又恢复,锆基双金属氧化物催化剂部分活性恢复。此研究明晰了锆基催化剂硫中毒失活原理,以及为后期开发耐硫性催化剂提供了理论依据。

一种基于多参量隐马尔可夫模型的负荷辨识方法

由于电力需求侧负荷形态各异、特性多变,种类繁多,采用传统方法进行负荷辨识时存在识别率不高、模型建立困难、难以推广应用等问题。为此,基于智能负荷控制器(SRLC)的用电参数检测功能和非侵入式负荷监测(NILM)原理,提出一种基于多参量隐马尔可夫模型(MPHMM)的负荷辨识方法。该方法采用4个负载特性参数(电流、有功功率、无功功率、功率因素)作为模型的观测向量,通过模型学习和多次迭代计算,求得与MPHMM模型隐藏状态相匹配的观测序列的最大输出概率和最优状态序列,再采用辅助判别算法对结果进行修正,完成对负荷的最终辨识。通过搭建实验平台对所提方法进行验证。结果表明,该方法辨识准确率可达95%以上,特别是对小功率负荷具有较好的识别效果。

基于柔性负荷响应特性的超短期预测方法

在自动需求响应系统(ADRS)中,当大量的用电负荷数据被自动实时采集时,受节假日、天气、温度等因素的影响,用户侧负荷用电特性会随着响应策略的变化而发生变化。传统负荷预测方法的预测精度也将会被降低,不再满足ADRS要求。针对这一问题,基于柔性负荷的响应特性,将"预测-调度-响应"各环节视为一个闭环控制系统,把自动响应(AD)信号作为一个输入变量引入系统。基于丰富的负荷用电数据,采用"黑匣子"思想建立了闭环超短期负荷预测模型,并用仿真结果验证了模型的有效性。结果表明,该模型与传统预测模型相比,预测精度明显提高。

基于VMD-LSTM与误差补偿的光伏发电超短期功率预测

光伏序列具有的较高复杂性对光伏发电功率的预测精度产生了极大影响,对此提出一种基于VMD-LSTM与误差补偿的光伏发电超短期功率预测模型。该模型第1阶段采用VMD算法将原始功率序列分解为若干个不同的模态,并对其建立对应的LSTM网络模型进行预测,通过对各模态的预测结果求和得到初始预测功率;第2阶段采用LSTM网络对误差序列进行误差补偿预测,然后将初始预测功率和误差预测功率求和得到最终预测结果。仿真结果表明,该预测模型对天气具有较高的适应性,预测精度达到97%以上。

基于模糊综合评价的矿用提升机电气传动系统状态评估

为了准确评估矿用提升机电气传动系统的健康状态,及时实施状态维修,保障提升机系统能够安全可靠运行,提出了基于模糊综合评价的矿用提升机电气传动系统状态评估方法。在对该传动系统各组成部分故障分析的基础上,构建了状态评估的指标体系,采用层次分析法计算指标的权重,并引入劣化度分析对指标标准化处理。最后对河南某矿型号为JKMD-4?4(Z)的提升机电气传动系统进行多层次模糊综合评价。结果表明:通过仿真分析验证,所建立的状态评估模型能准确地判断矿用提升机电气传动系统的运行状态。

基于遗传算法优化BP网络的箱式变电站故障预测策略

箱式变电站广泛应用在工商业及城镇输配电系统中,在电力系统中发挥着重要作用,对箱式变电站的故障诊断具有重要意义。通过对箱式变电站内部结构、工作原理的研究,对箱式变电站的故障及故障特征进行分析,提出一种运用遗传算法与BP网络相结合的故障诊断网络模型,对系统数据进行融合训练,并利用遗传算法全局搜索最优的特性对BP网络进行优化,避免BP算法在学习中陷入局部最优的弊端,使模型具有良好的收敛性和适应性。仿真结果表明,该网络具有良好的识别效果,在箱式变电站的故障预测中具有很好的应用前景。

基于扇形区域极点配置的静态输出反馈H_∞控制

针对线性定常系统,研究了扇形区域内极点配置的静态输出反馈H∞控制问题。设计能够达到H∞性能指标且符合区域极点配置要求的静态输出反馈控制器,以解决外部的扰动和区域对极点的限定问题;利用求解线性矩阵不等式组的方法,将具有H∞指标约束和区域极点配置要求的静态输出反馈控制器设计问题转化成求一组线性矩阵不等式的可行解问题,借助MATLAB-LMI工具箱进行有效求解,得到了符合要求的可靠控制率,完成了扇形区域内H∞静态输出反馈控制器的设计(其中的H∞控制器为次优H∞控制器)。所得结论不仅能使极点配置在给定的扇形区域内,也能够使闭环系统保持稳定性且达到给定的H∞性能指标,从而保证了系统的性能,实现了期望的闭环极点。最后的数值仿真验证了本文结果的有效性和可行性。

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。

可满足（≠，=）工作流的静态k弹性否决条件

静态k弹性反映安全工作流从资源失效异常中恢复运行的能力,但其验证须求解多达C(|U|,k)个工作流可满足决策问题(U为资源集),代价巨大。已有工作提出通过1次工作流可满足计数来量化其异常恢复能力,但该指标相当粗糙,仅能在可满足无解情形下给出精确的否定结论。对互斥和绑定约束下的工作流,建立了以k弹性可满足计数下界概念为核心的新颖模型,并首次证明了一个非平凡的下界,由此可将k弹性的否决条件从可满足无解推广到有解情形,具有理论上的代表性意义,也扩大了前述指标精确适用的范围。

智能车车速最优控制策略与算法研究

在全国大学生智能车竞赛中,光电四轮组的单车竞速项目取得优异成绩的关键就是最大限度地提高车速,但是由于赛道元素的多元化(如增加圆环、环岛和十字回环等),简单的赛道图像处理和传统的PID控制算法已不能很好地控制智能车在最短的时间内实现加速与减速。本文提出一种图像与速度关联的串级控制方式,首先利用逆透视变换对赛道图像做优化处理,然后对优化后的赛道图像进行中心推算,并将速度环与转向环构成串级控制,最后由人工蜂群算法实时整定控制系统的PID参数,在最短时间内将车速调节至动态的设定值,使车速时刻动态保持最优状态。试验结果表明,该算法不仅提高了智能车的车速和车速控制的稳定性,而且增强了智能车对光照环境的适应能力。

基于改进果蝇算法优化的微电网逆变器恒功率控制算法

针对微电网逆变器恒功率控制器PI参数优化的问题,提出了基于种群分区的多策略自适应果蝇(ppma FOA)优化的PI参数在线优化算法。根据适应度值进行排序将果蝇种群分为三个区,因每个区果蝇性能的差异提出多策略更新模式:Ⅰ区局部精细搜索保证种群不退化,Ⅱ区根据算法所处环境自适应调节算法的多样性和收敛性,Ⅲ区引导果蝇加速收敛,提高了算法的开发和探索能力。采用5种对比算法,利用微电网恒功率控制系统进行实验,验证了所提算法的性能和经ppma FOA算法优化后逆变器的响应速度更快、误差更小、输出更稳定。

基于虚拟阻抗和模糊PID的微电网下垂控制策略

在低压微电网中,当系统负荷发生波动时,P-V/Q-f下垂控制对功率分配、系统电压和频率同时进行控制的精准度就会下降,从而导致电网系统稳定性减弱。针对此问题,提出基于虚拟阻抗和模糊PID的低压微电网下垂控制策略,通过引入虚拟阻抗和模糊PID控制器,在改变系统阻抗的同时,自适应调整下垂系数,综合解决低压微电网在孤岛运行时出现的问题。最后,搭建了Simulink仿真平台验证其可行性,并将三种控制方式进行电压和频率的比较,结果表明:该策略可有效提高功率分配并抑制在负荷波动时的系统电压和频率的震荡,总体上提升系统稳定性。

模糊数据融合在煤矿采掘工作面瓦斯突出预测中的应用

针对影响煤矿瓦斯突出事故因素的综合性和不确定性,提出了一种应用多传感器模糊信息融合的采掘工作面瓦斯突出预测方法。该方法以模糊系统理论为基础,采用多个传感器实时监测煤矿井下采掘工作面的风速、瓦斯浓度和温度等参数,然后对传感器采集的多元信息进行模糊化。通过融合运算和运用决策规则,得到采掘面瓦斯状态的估计与判断,对瓦斯突出进行预警。最后选取山西省某煤矿的几组传感器监测数据进行实例分析。分析结果表明,该方法降低了误报警或不报警的发生概率,提高了瓦斯突出状态预测的准确性,改善了评判系统的不确定性,使瓦斯突出预警系统的性能得到了提升,能够为煤矿的安全生产提供保障。

基于T-S模糊神经网络的光伏组件在线健康诊断

为了能够实时掌握光伏组件的健康状况,提出一种基于T-S模糊神经网络的在线健康诊断模型。首先,分析了常见光伏组件异常工况下的电气输出并选取特征向量;其次,利用模糊C均值(FCM)及自适应LM算法对T-S模糊神经网络进行了优化;最后,通过仿真验证了模型的有效性和可行性。仿真结果表明:本文诊断方法的诊断正确率达到了94%,诊断精度与收敛速度都优于传统T-S模糊神经网络模型。

电力需求侧空调负荷柔性调控策略研究

随着空调在各类建筑中的普及使用,空调负荷已成为影响区域电网稳定运行的重要因素,如果不加以调控,将会影响到整个区域的正常用电。基于此,文中在空调负荷区域分层调控的架构基础上,提出了一种自适应模糊PI三闭环控制策略。该方法将空调负荷信息和模糊控制相结合,通过形成三闭环PI控制对空调负荷进行柔性调控。文中搭建仿真模型来验证该策略的可行性。仿真结果表明,该调控方法的控制精度可达到近99%,为精确控制负荷提供了一种新方法。目前,该调控策略已在某大学进行了实际应用,为将来柔性调控技术的推广提供了理论支持和实践参考。

光伏阵列故障类型的改进型RBF神经网络识别算法

光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。