半桥型IGBT连续激光器异常功率数据采集技术

为提高异常功率采集稳定性及准确性,增强工业企业加工工艺水平,研究半桥型IGBT连续激光器异常功率数据采集技术。采集半桥型IGBT连续激光器功率数据;应用K-Means算法聚类采集到的激光器功率数据,并提取聚类后激光器功率数据的偏度、峭度、功率谱比值特征;以提取到的激光器功率特征为输入,构建卷积神经网络异常功率识别模型,通过执行参数初始化、向前传播输入、向后传播误差以及反复迭代操作后,结合置信区间,判断输出连续激光器异常功率数据异常与否,完成半桥型IGBT连续激光器异常功率采集。实验结果表明:该方法可以实现半桥型IGBT连续激光器功率数据特征提取以及异常功率采集,异常功率采集的稳定性、准确性以及效率均较高。

基于置信等效边界模型的风功率数据清洗方法

针对风电运行数据中存在的大量异常数据,结合风机运行过程与数据不确定性统计提出了一种基于置信等效边界模型的风功率数据清洗方法。首先,基于风机运行机理及运行策略提出了风速、风轮转速和功率三维关联性关系,依照风速对异常数据进行分段精细化剔除;在此基础上,结合Copula理论分运行区间建立了风速条件下风机输出功率的条件概率分布,进而求得功率在一定置信度水平下的等效边界模型,可直接用于异常数据识别剔除,提高有效数据占比;然后,采用分段三次Hermite插值法重构缺失数据,得到完整风速、功率有效数据;最后,定义置信度带宽比等数据清洗质量评价指标,采用k折交叉验证置信等效边界模型性能。选取某型号风机实际运行数据进行实例分析,结果显示清洗后数据具有更高的置信度带宽比、更适中的偏度及更高的峰度,进而表明有效数据占比大大增加且分布更加集中,表明了所提方法的有效性和合理性。

基于ARMA模型的风功率数据缺失值估计方法

随着风电急速发展,风电功率预测准确性更加重要。而这些技术严重依赖于风电出力,测风等基础数据,然而,在数据采集到存储过程中存在各种各样的原因会导致数据缺失或异常。由于风功率数据具有时间序列的平稳特性,而ARMA模型具有良好的对时间序列进行建模的能力,本文将利用ARMA模型对风功率数据进行建模,并用来对序列中缺失的数据进行估计预测。实验结果验证了该数据估计方法的有效性。

基于风功率数据的风电机组性能预测与健康状态评估

为及时准确地预测风电机组整机性能,文章基于风功率数据提出了一种考虑工况波动的相似性度量算法,结合概率和模糊理论评估机组健康状态。该方法基于聚类思想对风功率数据进行数据预处理和工况划分,针对工况子空间的正常样本与测试样本,基于主成分分析法以第二主成分方向上投影变量的标准差作为样本相似性度量指标,依据概率不确定性融合得到综合健康状态指标,量化机组性能的退化程度。结合机组性能实际退化过程,依据模糊理论确定健康状态隶属度,基于隶属度最大原则和信度准则判断机组健康状态等级。将该方法应用于某具有小样本数据的实例中,可提前两周获知风电机组发生异常,对机组健康状态的过渡过程作出了准确评估,验证了所提方法的可行性。

基于机器学习的光纤网络激光器异常功率数据采集系统设计

针对传统的激光器异常功率数据采集系统存在采集精度较低、抗干扰性不好等问题,提出并设计了一种基于机器学习的光纤网络激光器异常功率数据采集系统。给出激光器异常功率数据采集系统的总体架构,从硬件和软件2个方向分析,得到激光器异常功率数据采集系统的硬件框图;软件部分,根据激光器异常功率检测,判断功率数据是否异常,结合瞬时谱检测方法,对检测得到的异常功率数据进行时频分布特征分析。同时根据激光器异常功率数据特征的主成分,获取激光器异常功率数据的特征值,在此基础上,采用机器学习方法采集异常功率数据,实现了光纤网络的激光器异常功率数据采集系统设计。仿真结果表明,采用该方法进行激光器异常功率数据采集的精度在86%~95%区间,采集精度较高,输出数据的抗干扰性较好,输出信噪比均高于45 dB。

基于相似性度量的风功率数据填补方法

风电机组的运行参数尤其是功率数据具有极其重要的价值,然而在数据采集、传输和记录的过程中存在各种原因会导致数据缺失。为此,提出了一种基于相似性度量的风功率数据填补方法。该方法利用数据特征,使用欧式距离、动态时间弯曲距离和最大公共子序列等相似性度量方法,寻找最相似的等长序列填补缺失值,并与均值插值、多点三次样条插值和自回归滑动平均模型等方法进行对比,结果表明了该方法的有效性和优越性。

基于风功率数据研究的自动化风电场效益评估方法

风电场建设与其效益有着直接关系,因此风电场效益评估具有重要的研究价值。在此背景下,针对德尔菲法、数据包络分析法、模糊综合评价法评估结果与实际结果误差较大的问题,在风功率数据研究的基础,提出一种新的自动化风电场效益评估方法。该方法将粗糙集理论与BP神经网络相结合,构建一种评估模型,具体过程如下:首先选取指标数据并进行处理,包括缺失值插补、标准化和离散化;接着利用处理好的指标数据制定效益决策表和构造分辨矩阵;然后利用粗糙集进行评价指标属性约简,减少数据量;再然后构建BP神经网络模型,将约简后的评估指标作为训练样本输入到模型当中,进行训练;最后进行实测,将测试样本输入到训练好的神经网络模型当中,得出效益评估结果。结果表明:与德尔菲法、数据包络分析法、模糊综合评价法相比,利用本方法进行评估,得出的结果更接近实际结果,误差较小。

风电场风功率异常数据识别与清洗研究综述

风电场中风机停机、传感器故障等会造成风功率数据中包含有大量异常值,影响到风电场状态监测、功率预测等工作的正常开展。针对风电场风功率异常数据识别与清洗技术开展了综述研究。首先,概述了风力发电运行大数据现状,分析了风电机组与风电场的风功率数据的分布特征,并对比了两者的不同;然后,分析了基于统计、机器学习和图像处理的各类异常数据识别方法的优缺点,结合基于物理特性、统计学和机器学习等数据重构技术,讨论了实现数据清洗的方法及其优劣;再次,概述了风电场异常数据识别与清洗技术在状态监测和功率预测等领域的应用情况;最后,对风电场异常数据识别与清洗技术存在的挑战和发展趋势进行了展望。

基于方差变化率判据-四分位的风电场功率异常数据识别

风电场运行中产生了数量巨大的历史数据,而提升历史数据的质量是实现风电场高效智能运维的前提。为此,文中分析了风电场风功率数据的分布特征和形成机理,提出基于方差变化率判据-四分位法组合的风电场风功率异常数据识别方法。首先,利用物理规则对原始风功率曲线进行预处理,剔除明显异常的数据;然后,利用风功率方差变化率判据法识别并清洗风功率曲线的堆积型异常功率数据点,判据的阈值借助箱型图自动获取;同时,利用四分位法识别并清洗剩余的离散型异常数据点;最后,通过算例验证了所提算法的可行性。研究结果表明所提算法具有易实现、效率高和通用性强的优点,其异常识别效果优于局部离群因子(local outlier factor,LOF)算法和Thompson tau-四分位算法,其耗时比LOF和Thompson tau-四分位算法分别减少9.6 s和0.49 s,且在5个不同位置的风电场验证了所提算法的通用性。

基于多模型并行集成框架的风电功率异常数据识别

风电机组在实际运行过程中因通信故障或人为因素会产生大量异常数据,对工况评估和出力预测带来较大影响,故需要对风电功率异常数据进行处理。通过分析风电功率数据特征和异常数据产生原因,提出了一种多模型并行集成框架的风电功率异常数据识别方法。该方法采用最近邻隔离方法和局部离群因子方法的构建异常检测模型池,再经并行集成框架进行二次筛选合并,得出最终识别结果。利用单一最近邻隔离方法、局部离群因子方法和顺序集成方法在不同风电场实际数据集上进行对比验证。算例验证结果表明,所提方法能有效识别各类异常数据,提升风功率预测模型精度,具有较强的通用性。

基于孤立森林和标准差检测法的风电功率异常数据清洗

在风电功率预测中,风速到风电功率的转换是关键步骤,风功率曲线建模和机器学习等技术都需要高质量的风电功率数据,而风电机组实际运行过程中由于多种因素会导致风功率曲线中出现大量的异常数据.首先分析了河南省洛阳市虎头山风电场风电机组历史运行异常数据分布特征,提出了结合孤立森林(iForest)算法与标准差(σ)检测法的技术对异常数据进行识别,并对比了iForest-σ和σ-iForest两种次序组合方式在异常数据识别过程中的异常数据清洗时间、删除率、准确率.结果表明,iForest-σ和σ-iForest方法都能够有效识别异常数据,iForest-σ方法相对数据删除率低且精度高.上述方法清洗效果好,效率高且不依赖于正常数据进行非监督训练,同时适用于其他研究场景的异常数据清洗工作,具有较强的通用性.

基于功率控制环扰动的DC-DC变换器能量信息一体化研究

针对实现DC-DC变换器之间的信息交互较为复杂的问题,提出了一种基于功率控制环扰动实现其能量信息一体化的方法。通过在DC-DC变换器的传统功率控制环中叠加二进制频移键控(binary frequency shift keying,2FSK)信号作为扰动,将数据信息叠加到传统脉冲宽度调制(pulse-width modulation,PWM)信号中,使得该PWM信号同时包含数据信息,实现能量信息一体化。首先,给出基于2FSK的功率/数据双载波调制以及实时的滑动离散傅里叶变换(sliding discrete Fourier transform,SDFT)解调方案。然后,通过对Buck变换器的能量信息一体化模型进行小信号建模与分析可知,降低输入阻抗可提升通信的信噪比。最后搭建一个由两个Buck变换器并联的实验装置进行验证。实验结果表明在稳态和负载突变的工况下均可实现3 kb/s的稳定通信,验证了所提方法的可行性。该方法使得DC-DC变换器能同时进行功率变换和数据传输,提升数字化和智能化水平。

风功率异常数据检测方法对比研究

风电机组风功率预测和功率曲线建模等工作的开展依赖于历史运行数据。然而,历史数据中积累了大量的异常数据,导致上述工作难以有效开展。国内外学者已经提出了多种异常数据检测方法,然而对不同方法的优缺点与适用场合还缺少整体认识。为此,本文对基于密度的聚类算法、局部离群因子算法、Thompson-tau四分位法和孤立森林四种常用的风功率异常值检测方法进行了对比研究。为评价不同检测方法,提出了基于标准功率曲线的评价指标。实验结果表明,孤立森林算法相比其他三种方法具有更高的精度,能应对不同分布的异常数据,且清洗时间较短。

基于Thompson tau-四分位和多点插值的风电功率异常数据处理

针对传统风电机组风速-功率异常运行数据处理清洗时间长、模型复杂的问题,提出一种基于Thompson tau-四分位法和多点插值的异常数据处理算法。首先,对切入风速与切出风速间等于或小于零的异常功率数据点予以剔除,通过划分风速区间,采用Thompson tau-四分位法对异常运行数据进行分段精细化清洗,降低异常点辨识的模型复杂度;然后,通过四点插值细分算法对清洗后的异常数据进行重构,获得完整的风速-功率有效数据;最后,以风电机组实际风速-功率数据为算例进行对比分析。结果表明所述方法实现简单、效率更高,尤其在临近风电场数据缺失、异常、不可用情况下,所提出的重构方法能有效提高重构数据质量,且重构效果更优。

基于光照过程特征分析的光伏功率异常数据识别算法

高质量的光伏功率数据是进行光伏研究的基础,而从光伏电站采集到的数据含有较大比例的异常数据,因此须对光伏功率异常数据进行识别。将不同光照特性的光伏功率数据分别进行建模,对辐照度与功率的概率分布函数进行Copula联合分布函数构建。利用基于经验函数的BFGS参数估计方法对各类Copula函数进行参数估计。参照各Copula函数与经验联合分布函数的欧氏距离与K-S值进行Copula函数选取。结合估计区间最窄原则得出光伏功率条件概率分布90%置信度下的概率功率曲线。根据工程经验以及考虑异常数据时序特性,依照四类异常数据的判别准则,建立异常数据识别模型。利用光伏电站原始数据与人工合成异常数据进行仿真分析,结果表明所提方法能有效、准确地识别出各类异常数据。

基于Bayes估计和数据流间功率分配的联合干扰相位对齐算法

针对信道状态信息(CSI)存在时延和误差的情况,本文提出了适用于多小区MIMO-BC的基于Bayes估计和数据流间功率分配的联合干扰相位对齐算法.首先,发送端通过Bayes估计获得当前CSI的最佳估计;其次,通过最大化期望信号功率与小区间干扰功率的比值来设计干扰抑制矩阵;而在反向通信时,通过最大化信干比来设计预编码;进一步地,结合注水算法来优化功率分配.最后,采用相位对齐将数据流间的干扰旋转到目标接收数据流的信号空间中,进而增强目标数据流的接收功率.仿真表明,无论是在理想CSI还是时延误差CSI,本文算法较其他算法都有一定的性能优势.

数据库服务器系统中一种有效的功率封顶机制

数据中心的一个重要任务是功率控制,功率封顶是数据中心对服务器设置功率消耗上限的技术。关注的是数据中心节点机一级的动态功率控制机制。基于系统级功率模型构建了进程级功率模型,并将两者整合构成"软功率计",用于监控系统功率与进程功率;为实现功率封顶,软功率计被集成到闭环控制系统中,设计了功率控制的算法,该算法在控制系统功率不超预算的情况下,系统以较好的性能运行。实验结果表明所提控制机制能有效地控制系统的实时功率,且性能下降较少,同时也可以改善能效,可应用于功率感知的DBMS服务器中。

数据库服务器系统软功率计

功率建模是功率感知DBMS的基础.针对数据库服务器系统整机系统进行功率建模,构建其软功率计.模型利用处理器、磁盘(包括硬盘和固态盘)和内存等主要部件的活动信息,包括其利用率与核频率,其余部件产生功率作为背景功率,来构建模型.为提高模型的准确性,对各部件、可用参数对模型准确性进行全面分析.实验表明不同的模型准确性、鲁棒性存在一定的差异,大部分模型的相对误差在5%~8%之间,个别没有利用足够信息的模型相对误差在12%左右,利用全部信息的模型具有较好准确性和稳定性.

基于风功率预测数据的风电场升压变电站运行方式优化技术的研究与应用

风电场升压变电站联结多个风资源丰富地区的风机群,一般安装两台及多台变压器,其运行方式存在着基于风机出力变化进行优化调整的可行性。本文依据风功率预测数据将变压器运行方式进行时间域度分类,研究不同时间域变压器降损、设备投切费用、操作次数等多因素的综合分析方法,并结合变压器的过载能力和弃风损失得出风电场升压变经济运行控制的可实施性原理,针对具体仿真算例,对所提出的理论进行了校验。

微功率无线数据传输协议的研究及实现

为了实现智能电网中无线自动抄表的应用,国家电网公司在Sub-GHz频段上提出微功率无线数据传输协议.通过研究微功率无线数据传输协议,采用VC和LabVIEW协同设计的方法分层实现协议栈,并在PC和USRP组成的验证平台上完成对协议栈功能如组网、数据收发、收集节点电能信息的验证.该设计具有开发周期短,便于移植等特点.