基于交互式实时电价机制的用电优化研究

为满足对新能源消纳和电力供需平衡的要求,以新能源为主体的新型电力系统需要最大程度发挥负荷侧调节能力。针对当前用户侧调节能力未充分挖掘的问题,提出一种基于交互式实时电价机制的用电负荷优化方法。首先,基于区域电网内新能源总和建立广义标杆新能源出力曲线,提出一种基于改进时间序列形态相似度的用电负荷与广义新能源标杆曲线的源荷相似度计算方法,并构建负荷与电价的关联模型;进而提出基于源荷相似度的交互式实时电价机制引导用户参与响应;最后,构建多目标优化模型进行负荷优化。仿真结果表明,所提交互式实时电价机制的负荷优化效果更好,能够有效提高用户参与需求侧响应的积极性,相似度变化值能够准确衡量新能源与负荷曲线的相似度水平,使净负荷功率趋于平稳,促进新能源的高质量消纳。

基于SVR模型的两轮自平衡小车平衡控制与抗干扰研究

针对两轮自平衡小车的平衡控制和抗干扰问题,提出基于支持向量回归机器学习方法的平衡控制器方法。分析了两轮小车的力学模型,将状态向量和控制向量运用到非线性支持向量回归算法(ε-SVR),利用LIBSVM软件对所采集样品进行训练,获得高精度的SVR模型,其中样品数据由搭建的传统闭环串级PID控制器运行得到。经过Matlab仿真测试,该模型控制器的平衡响应优于PID控制和极点配置法,最后制作了小型样车,验证了SVR模型在动态平衡和自抗干扰下存在相对优势。

面向创新设计竞赛的电子工艺教学改革

针对电子工艺实习存在的问题,制定了电子工艺教学改革目标,提出将电子工艺创新设计竞赛与现有的电子工艺课程和开放实习机制相结合的改革模式,从利用电子工艺实验教学中心平台资源、完善课程考核机制、建立竞赛成果转化等方面进行教学改革。四届竞赛的举办经验证明该模式能有效培养学生的学习兴趣,加强学生电子工艺动手实践和解决问题能力,提高学生学术能力和科研素养,促进教学内容的创新性,提升人才培养水平,积累学术论文、专利等成果,表明该竞赛教学模式改革取得良好效果。

面向新能源就地消纳的园区储能与电价协调优化方法

为促进园区新能源就地消纳,充分利用电价的优化调节能力和储能作为灵活资源的调节手段,提出一种储能与电价协调优化方法,构建双层源荷储协调优化模型以提高新能源就地消纳能力。首先,上层优化模型根据预测的净负荷功率曲线对分时时段进行划分,以园区运营商收益最大为目标对分时电价进行优化;其次,在下层优化模型中计及储能电池的容量损耗,综合考虑运营商成本和新能源消纳能力,以新能源就地消纳率最大为目标对储能进行优化配置。在此基础上,提出飞蛾火焰优化-粒子群优化(MFO-PSO)智能优化算法对模型进行求解。最后,算例分析验证了所提方法能够有效促进新能源就地消纳,并提高储能配置的经济性。

计及谐波裕度-均衡度的分布式电源最大准入功率计算方法

随着智能配电网中分布式电源(DG)渗透率的不断提高,可能导致电网中节点的谐波水平超标,制约分布式电源的接入功率,因此对考虑谐波影响的分布式电源准入功率进行研究显得十分重要。该文分析了新能源接入时向电网注入谐波的不确定性,基于2m+1点估计法考虑了谐波不确定性在电网中传播的影响,进而基于各节点谐波电压分布提出全网谐波裕度-均衡度指标和计算方法。在此基础上,以全网谐波裕度-均衡度综合指标最小和分布式电源准入功率最大为目标建立DG最大准入功率接入的优化模型。为了更好地求解上述混合整型非线性优化模型,提出一种基于粒子群优化-扩展权重ε约束法(PSO-AWCM)进行多目标优化计算。该方法考虑了各个目标函数的相对重要性,能够更有效地对目标函数进行优化。进一步地,利用模糊决策理论选取Pareto解集中的最优解。基于改进IEEE 33节点系统验证了所提方法的有效性和优越性。

考虑风光利用率和含氢能流的多能流综合能源系统规划

传统多能流综合能源系统往往面临绿色可再生能源装机比例低、利用率低的问题,同时氢燃料汽车的逐渐普及将增加对氢能的需求,将电能转化为氢能是满足交通部门潜在氢需求的有效途径。针对风光装机比例低、利用率低和氢能需求的问题,提出了一种考虑风光利用率和含氢能流的多能流综合能源系统规划方法。首先,计及氢能流构建了电/热/冷/氢多能流综合能源系统。其次,考虑系统年投资费用、运行费用和风光利用率的多目标,构建双层规划-调度模型,以电、热、冷、氢等4种形式能量平衡和元件工作特性为约束,采用非支配性排序遗传算法和商用求解器结合的混合智能算法进行求解。最后,以某地区实际工业园区为例,对所提方法进行验证。案例结果分析表明所提出的方法可有效降低系统年总投资成本,显著提高风光装机比例和利用率,提高系统运行稳定性和经济性。

基于改进长期循环卷积神经网络的海上风电功率预测

准确的风电功率预测对海上风电安全并网具有重要意义。不同于陆地,海上具有气象因素复杂、风电出力波动显著等特点,使得海上风电功率预测精度难以满足工程实际要求。针对以上问题,文中提出一种基于改进长期循环卷积神经网络(LRCN)的预测模型,用于超短期海上风电功率预测。首先,采用改进LRCN进行初步功率预测,即构建多卷积通道分别提取不同层次变量的时序特征,并通过具有前瞻性的改进Adam优化器提升网络收敛效果。其次,利用摇摆窗算法与波动特征聚类识别预测时段的出力波动类型。再次,针对不同的波动类型建立对应的误差修正模型,并输入经Xgboost算法筛选出的强相关特征因子,实现误差修正。最后,采用实际海上风电场数据进行实验,其结果表明所提方法能够有效预测超短期海上风电功率,且预测精度高于多种传统预测模型。

基于云图特征提取的改进混合神经网络超短期光伏功率预测方法

光伏功率时序受多种特征因素的影响,呈现出高度的随机性和波动性。不同于分布式光伏,集中式光伏具有地理位置与辐照水平的同一性,运动型云层的遮挡往往导致光伏功率的分钟级剧烈波动,对光伏功率预测精度提出了挑战。针对上述问题,该文提出基于云图特征提取的改进混合神经网络超短期光伏功率预测方法。首先,通过提取并匹配彩色云图局部特征描述子,提出基于地基云图的云轨迹跟踪方法;其次,为评估运动型云团引起的超短期辐照度变化,建立基于云轨迹追踪的辐照系数预测模型;为表征各特征序列的内在相关性,提出一种基于改进注意力机制(improved attentionmechanism,IAM)的卷积–长短时记忆混合神经网络(convolutional neural network-long and short-term memory network,CNN-LSTM)进行超短期光伏功率预测。在此基础上,综合天气类型与波动性聚类识别并提取功率波动过程,建立误差修正模型以进一步提高预测精度。采用西北某集中式光伏电站数据进行算例验证,结果表明,所提方法能有效提高预测精度,具有一定工程实用价值。

考虑VSC系统谐波稳定条件下的LCL滤波器参数优化设计方法

可再生能源发电系统通常在逆变器出口处接入LCL滤波器以抑制高频谐波,然而在LCL滤波器的参数设计过程中,不合理的参数设计会加剧系统中的谐波不稳定问题。因此,通过结合LCL滤波器的外特性需求,并且综合考虑系统稳定性对滤波器的约束条件,建立以谐波衰减率最大、电感成本最小以及系统稳定性最好为目标函数的LCL滤波器参数多目标优化模型。在模型的求解过程中,针对单目标优化算法和传统的多目标优化算法存在设计目标单一、收敛性差和优化效果不佳等问题,提出采用MOEA/D多目标优化算法来求解。该算法利用权重向量的进化导向性以及子问题邻域的优势共享特征,保证了算法对最优解的寻优能力以及在目标空间上的均匀分布,以获得理想的pareto最优前沿,并进一步采用模糊隶属度函数定量分析其优化效果。最后,利用Matlab/Simulink软件对光伏并网系统中的电压源型逆变器(Voltage Source Converter,VSC)进行仿真。仿真结果充分表明所设计方案的有效性和适用性。

考虑转折性天气的海上风电功率超短期分段预测方法研究

在以台风、强对流天气为代表的转折性天气下,海上风电功率在短时间内呈现剧烈波动,对超短期风电功率精确预测提出了挑战。针对上述问题,提出一种基于转折性天气时段自适应划分的海上风电功率超短期分段预测方法。在全时段上提出一种基于移动均值迭代的时序趋势提取方法,以初步分析功率时序实时变化特性;其次,在分时段上,为提升对转折性功率时段的识别精度,立足趋势提取结果提出一种基于双重自适应滑动窗拐点检测的转折性功率时段提取方法;在此基础上,综合考虑不同时段功率时序特征差异性,建立一种分段预测模型对不同时序下的功率进行精益化预测:对非转折性时段提出一种LightGBM-门控循环单元组合预测方法;对转折性时段提出一种基于时序模式分类的改进核密度估计概率预测方法。采用中国东海某海上风电场数据进行算例验证,结果表明,所提方法能有效提高预测精度。特别地,对于海上转折性天气带来的极端工况下风电功率预测具有良好的适应性,对海上风电功率超短期预测领域研究提供有益补充。

电气-环境耦合作用下的引流线可靠性评估方法

自然灾害下电力设备故障成为用户停电和灾后抢修的主要因素,电力设备的健康程度和抗灾能力与其长期运行环境密切相关,评估其健康水平对提升设备可靠性具有重要意义。以自然灾害特征最为明显的海岛配电网和故障频率最高的引流线为对象,根据其在多因素、强相关性环境特征影响下的运行状况,提出一种基于双重优化改进集成神经网络的引流线可靠性评估方法。首先,通过最大信息系数筛选配电线路故障特征,形成历史故障数据集。其次,为提取海岛微气象环境下的引流线故障规律,结合主成分分析和Kmeans对引流线进行故障区域划分。在此基础上,构建电气-环境耦合的集成神经网络预测模型,关联海岛气象特征和引流线故障特征进行寿命预测。并通过Attention机制和双重优化体系进行改进,突出海岛典型气象因素影响、提升预测准确性。最后,基于浙江舟山实际数据进行算例验证。结果表明:所提方法能够有效评估海岛配电网引流线的寿命状况,对提高配电网设备可靠性具有重要实用价值。

基于负荷峰谷耦合特性的中压配电网供区优化方法

在高弹性电网建设的背景下,针对现行网格化配电网中压线路最高负载率高而平均负荷率低、峰谷差大、设备利用率低等问题,该文提出一种基于负荷峰谷耦合特性的供区优化方法,从可靠性、承载力、降冗余等方面提升配电网的效能。首先,提出一种负荷数据峰谷耦合特性的评估方法,对各类负荷特性进行研究,并在配电网网架规划时进行差异化负荷匹配以降低负荷叠加后的峰谷差率;其次,为缓解配电网规模庞大和精细化规划之间的矛盾,在构造的考虑负荷间峰谷耦合能力的馈线区块评估指标的基础上,提出实现馈线区块与供电单元最优划分的方法;最后,建立中压配电网负荷侧效能提升评估体系衡量供电分区的优化程度。通过浙江某供电网格实例验证了所提模型和方法对实现中压配电网供区优化以及效能提升的科学性和实用性。

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接入电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一。文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值。改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差。仿真结果证明了改进算法的准确性和有效性。

Analysis of the spatial discrimination threshold of head-related transfer function magnitude

A binaural-loudness-model-based method for evaluating the spatial discrimination threshold of magnitudes of head-related transfer function（HRTF） is proposed.As the input of the binaural loudness model,the HRTF magnitude variations caused by spatial position variations were firstly calculated from a high-resolution HRTF dataset.Then,three perceptualrelevant parameters,namely interaural loudness level difference,binaural loudness level spectra,and total binaural loudness level,were derived from the binaural loudness model.Finally,the spatial discrimination thresholds of HRTF magnitude were evaluated according to just-noticedifference of the above-mentioned perceptual-relevant parameters.A series of psychoacoustic experiments was also conducted to obtain the spatial discrimination threshold of HRTF magnitudes.Results indicate that the threshold derived from the proposed binaural-loudness-modelbased method is consistent with that obtained from the traditional psychoacoustic experiment,validating the effectiveness of the proposed method.

Design and validation on a multiple sound source fast-measurement system of near-field head-related transfer functions

Near-field head-related transfer functions （HRTFs） are essential to scientific re- searches of binaural hearing and practical applications of virtual auditory display. High ef- ficiency, accuracy and repeatability are required in a near-field HRTF measurement. Hence, there is no reference which intents on solving the measuring difficulties of near-field HRTF for human subjects. In present work, an efficient near-field HRTF measurement system based on computer control is designed and implemented, and a fast calibration method for the system is proposed to first solve the measurement of near-field HRTF for human subjects. The efficiency of measurement is enhanced by a comprehensive design on the acoustic, electronic and mechanical parts of the system. And the accuracy and repeatability of the measurement are greatly im- proved by carefully calibrating the positions of sound source, subject and binaural microphones. This system is suitable for near-field HRTF measurement at various source distances within 1.0 m, for both human subject and artificial head. The time costs of HRTF measurement at a single sound source distance and full directions has been reduced to less than 20 minutes. The measurement results indicate that the accuracy of the system satisfies the actual requirements. The system is applicable to scientific research and can be used to establish an individualized near-field HRTF database for human subjects.