基于改进WSO的新能源送端系统多保护下低频减载方法

在我国新能源电网规模及新能源发电并网容量持续扩大背景下,新能源送端系统的功率波动风险增加,这对电网第三道保护防线低频减载提出了更高的要求。针对现有多功能保护下的低频减载执行方案在新能源送端执行合格率较低、稳定性较差以及时效性不足的问题,提出了一种基于改进WSO的新能源送端系统多保护下低频减载方法。首先,考虑送端系统线路相对于全网负荷曲线趋势的波动性,建立基于面向多保护功能配置的低频减载执行方案指标体系;其次,针对低频减载方案指标体系建立其目标函数,同时考虑系统的静态约束以及暂态约束建立低频减载整定模型;然后,引入白鲨优化算法(WSO)全局动态捕猎特性,对粒子群优化算法(PSO)进行了Tent混沌映射、动态时间因子和多项式变异的多策略改进;最后,基于修改后的IEEE39节点进行实证分析,利用所提改进的WSO-PSO算法对多保护功能下的低频减载整定模型进行求解,证明了所提方法执行合格率、稳定度以及应用时效性相对于其他方法均更优。

海洋石油固定平台应急电源设计

随着海洋石油开采的不断深入,海洋石油固定平台作为重要的生产设施,对安全性和可靠性的需求日益增加。应急电源作为固定平台的重要组成部分,在应对突发事件和断电情况时提供电力支持方面具有至关重要的作用。因此,针对海洋石油固定平台应急电源的设计问题进行深入研究和分析。通过介绍海洋石油固定平台的特点,分析现有海洋石油固定平台应急电源的设计方案及其优缺点,结合实际需求提出一种基于多目标白鲨优化(Multi-Objective White Shark Optimizer,MOWSO)算法的柴油发电机组与储能系统相结合的方案。经过实验模拟和数据分析,该方案具备较高的可靠性和稳定性,能够满足海洋石油固定平台关键设备的电力需求。

基于深度学习神经网络超参数优化的入库径流预测方法研究——以云南省暮底河水库为例

准确的入库日径流预测在水库优化调度中发挥着重要作用.为提高日径流预测精度,提出了基于小波包变换(WPT)并结合了白鲨优化(WSO)算法的门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)、卷积神经网络(CNN)日径流时间序列预测模型,以云南省暮底河水库2018—2020年入库日径流时间序列预测为例对各模型进行检验.首先利用WPT将日径流时序数据分解为若干子序列分量;其次引入WSO对GRU、LSTM、CNN超参数进行调优,建立WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型;最后利用所建立的模型对各子序列分量进行预测及加和重构,并构建WPT-GRU、WPT-LSTM、WPT-CNN及基于BP神经网络的WPT-WSO-BP、WPT-BP作对比分析模型.结果表明:WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型对实例日径流预测的平均绝对百分比误差EMAP分别为3.67%、5.52%、8.98%,平均绝对误差EMA分别为0.120、0.155、0.329 m^(3)/s,确定性系数DC分别为0.996 2、0.995 7、0.974 0 s,预报合格率RQ分别为98.1%、96.4%、89.6%,预测效果优于对应未经WSO调优的WPT-GRU、WPT-LSTM、WPT-CNN模型及WPT-WSO-BP、WPT-BP模型,其中WPT-WSO-GRU模型具有更高的预测精度和更好的泛化能力,WPT-WSO-LSTM模型次之.WSO能有效调优GRU、LSTM、CNN超参数,提高GRU、LSTM、CNN预测性能.WPT-WSO-GRU、WPT-WSO-LSTM模型在入库日径流时间序列预测研究中具有较好的应用前景.