基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

考虑风电不确定性的电气综合能源系统混合尺度调控

为改善电-气互联综合能源系统中风电出力不确定性和多能传输差异对调控过程的影响,提出了基于改进小波融合算法的混合尺度调控方法.首先采用区间数学的方法,对系统中风电功率不确定性进行表示并给出风电处理策略.其次,考虑到不同能源传输特性的差异,提出了改进的小波融合算法,即先对电力网络中传感器信号数据进行多个不同小波基的多尺度分解,再对天然气系统信号数据中使用相同小波基分解的信号在混合尺度上实施加权数据融合,进行不同小波基的逆变换后得到融合信号.最后基于所搭建仿真模型,对比分析了不同调控方法的调控效果.结果表明本文所提方法的调控结果优于DMPC(分布式模型预测控制)滚动优化调控结果,且在改善了系统运行经济性的同时也提高了系统稳定性.

一种适用于混合双极直流输电的纵联方向保护方法

直流输电线路通常是以大电感和直流滤波器作为边界,故障行波在边界发生折射和反射时,其行波能量也会因为电感和滤波器的存在而被吸收,导致区内、外高频行波能量产生差异.当故障发生为正方向故障时,其高频前行波能量小于高频反行波能量;当故障发生为反方向故障时,其高频前行波能量大于高频反行波能量.由此特征提出了一种基于前、反行波高频能量差异的纵联方向保护,该保护采用小波包变换提取行波的高频能量,利用前行波与反行波在区内故障和区外故障时的高频能量差异判别故障.仿真结果表明,该保护能快速准确地识别故障,并且不受故障类型、过渡电阻以及故障发生位置距离和噪声的影响,具有一定的实用性.

基于数据分解与斑马算法优化的混合核极限学习机月径流预测

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。

基于行波电流极性差异的交直流混联系统纵联方向保护方法

交直流混联系统中逆变站的换相失败使交流线路发生频率偏移,导致工频量纵联方向保护的可靠性受到影响。提出了一种基于行波电流极性差异的交直流混联系统纵联方向保护方法,利用线路区内、外故障时,传播到两端保护的电流故障初始行波波头之间极性差异构成纵联保护。该方法仅利用电流初始行波极性差异进行方向判别,消除了电容式电压互感器无法准确传输宽频带电压信息导致保护的低可靠性问题,且利用高频电流进行计算,避免了交直流混联系统频率偏移的影响。仿真结果显示,基于行波电流极性差异的纵联方向保护方法能够准确、快速地识别单相故障和多相故障,适用于交直流混联系统。

基于EWT的分布式光储PCC功率波动自适应平抑方法

分布式光伏在交流侧公共连接点(point of common coupling,PCC)汇流的功率有较大的随机性与波动性,影响电网的稳定运行。为此,提出了基于经验小波变换(empirical wavelet transform,EWT)的分布式光储PCC功率自适应平抑方法。首先,针对混合储能(hybrid energy storage system,HESS)与分布式光伏接入PCC的典型场景,在分析EWT自适应处理波形的特点后,结合功率波动率与储能元件的响应特性,对PCC的光伏原始汇流功率进行EWT分解与优化修正,实现HESS的功率初级分配。之后为避免HESS的荷电状态(state of charge,SOC)频繁越限,提出了一种主动功率补偿的SOC控制策略,通过主动改变储能的参考信号使其SOC在安全范围内工作。结合实际数据的仿真验证表明,该平抑方法能够自适应地实现光伏出力的合理分解与功率分配,在延长储能使用寿命的同时有效满足并网功率波动的要求,为平抑光伏输出功率波动提供了新思路。

基于粗-细网络模型分步训练的地震数据重建方法

由于地形等复杂条件的限制,叠前地震数据在空间上存在不完整或不规则分布的情况,导致数据出现缺失或混淆等现象。近年来,基于卷积神经网络的方法已经广泛应用于缺失地震数据重建工作。然而一步训练过程的网络模型不足以重建具有宽振幅范围的缺失地震数据,低振幅缺失部分的重建结果仍需改进。因此本文提出一种具有分步训练过程的粗-细网络模型。该模型由粗网络和细网络组成,分步恢复宽振幅范围内的缺失地震数据。在细网络中引入离散小波变换代替池化操作,其可逆性在上采样阶段有利于保留细节特征。模型采用混合损失函数重建缺失信号的真实细节。粗网络的初步恢复结果经过掩码操作处理后输入到细网络,细网络进一步精确恢复缺失部分的低振幅信号。实验结果表明,与残差网络(ResNet)、U型网络(U-Net)和多级小波卷积神经网络(MWCNN)的重建方法相比,本文方法在合成数据和真实数据上展现出更卓越的重建性能:在缺失75%的合成数据上,信噪比为18.818 5 dB;在缺失50%的真实数据上,信噪比为12.2551 dB。在消融研究中,本文模型重建的均方误差为1.689 3×10^(-4),信噪比为19.284 6 dB,峰值信噪比为43.743 5 dB,结构相似性为0.984 1,均优于其他三组对照实验。

基于FCS-MPC的分布式HESS功率协调控制

针对孤岛直流微电网中分布式混合储能系统(HESS)协调运行问题,提出一种基于有限控制集模型预测控制(FCSMPC)的功率协调控制策略。该策略采用小波包变换来分解分布式HESS的功率需求,由于分解后信号的特点和分布式HESS中蓄电池初始状态的不同,于是对分解后最低频信号基于蓄电池荷电状态(SOC)设计自适应因数来进一步再分解。由于DC/DC变换器开关状态组合数量较少,使得多步FCS-MPC的滚动优化计算量较少,于是采用FCS-MPC取代双闭环PI控制,提高系统动态响应。搭建含有分布式HESS的孤岛直流微电网模型,并做了3种方案的仿真对比,验证该策略有效平缓了直流母线波动并实现蓄电池SOC一致。该策略有利于提高电网运行的稳定性,并延长蓄电池使用寿命。

基于小波熵特征融合和ISSA-BiTCN的直流输电故障定位

特高压三端混合直流输电系统作为直流输电的一种重要形式,存在传输距离较长而导致的线路故障率较高的问题,对其进行准确的故障定位是系统稳定运行的基础。针对现有故障定位方法应用于输电线路单极接地故障时存在的高阻接地故障下定位模糊、精度较低的问题,提出了一种基于小波包熵特征融合提取故障特征,再由改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化的双向时域卷积网络(bidirectional time-domain convolution network,BiTCN)模型的故障定位方法。首先,利用小波包变换提取线模电压行波信号,利用信息熵刻画电压波形中的深层故障特征,形成熵特征融合特征向量构成的特征矩阵作为BiTCN模型的输入;其次,搭建并训练BiTCN模型,并利用ISSA的迭代寻优对其进行优化,最终实现三端混合直流输电线路故障的精确定位;最后,在PSCAD/EMTDC仿真平台中搭建系统模型,验证所提方法的可实施性。结果表明该方法定位精度较高,具有较好的泛化能力和鲁棒性,对高阻故障耐受能力较好。

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。

基于WT-CNN-LSTM混合神经网络的电力系统负荷预测模型

随着电力在我国能源占比中的持续提升,电力预测在现代能源管理中具有不可替代的作用。由于电力结构的多元化以及影响因素的复杂化,传统的预测模型在电力负荷预测中存在局限性。本文结合小波变换(WT)与神经网络CNN-LSTM,将WT-CNN-LSTM混合神经网络应用于电力系统的负荷预测,并与传统机器学习模型、时间序列预测模型进行对比,结果表明WT-CNN-LSTM神经网络在电力负荷预测上具有更高的准确性,能够为电力系统运行和规划提供参考依据。

基于CNN-LSTM网络的交直流电网故障线路识别方法

针对交直流混联电网故障特征复杂、故障线路识别率低的局限性,提出一种基于模糊熵(FuzzyEn)结合改进的卷积神经-长短期记忆网络(CNN-LSTM)的交直流电网故障线路识别方法。首先使用改进的小波阈值滤波算法对数据进行降噪处理,再利用模糊熵提取信号的故障特征。接下来在卷积神经网络(CNN)的全连接层上,添加一层长短期记忆网络(LSTM),对模糊熵提取的故障特征进行分类,最终实现故障线路的准确识别。实验结果表明,该算法识别准确率达到了99.5%,能够有效地诊断出交直流混联电网故障线路,同时在10 dB噪声干扰下仍达到96.0%的识别准确率,具有较好的抗噪声能力。

平抑风电出力波动的混合储能功率分配策略

储能技术逐渐成为平抑功率波动、提高电网接纳能力的有效手段,但风电功率波动情况复杂且多变,单一储能并不具备高能量、高功率密度特性。因此为解决风力发电出力平滑问题,针对其随机性间歇性等典型特征,本工作拟采用混合储能技术手段,结合锂离子电池和超级电容两种储能的优势,设计一种基于自适应滑动平均滤波-小波包分解双层功率分解分配策略,利用滑动平均滤波算法完成风电功率的自适应分解,获得并网功率和混合储能所需最低功率。考虑到混合储能输出功率依然含有丰富的信息以及小波包分解层数和功率分界点的确定规则,借助小波包算法对平抑的风电功率进行二次分解,并结合变频熵值策略优化混合储能的功率分配,有效改善风电功率的波动情况,实现混合储能功率的最优分解和合理分配。采用国家标准时间尺度波动情况、引入储能前后波动情况、功率幅值、充放电次数等评价指标对不同功率分配方式进行对比分析,结果表明,所提策略能够满足国家标准对风电场出力波动要求,减小对电网的冲击,与传统小波包分解算法对比具有较好自适应性,整体波动情况提升23.69%,锂电池充放电次数降低58.2%。模型评估结果表明,所提方法能够提升混合储能系统整体经济性并延长电池使用寿命。

基于小波包分解的城市轨道交通混合储能容量优化配置研究

受风速和光照强度等方面影响,风光发电具有随机性、间歇性、波动较大等特点,其直接并网会对电网造成损害。为实现风电平滑并网并对城市轨道交通系统进行安全可靠供电,提出1种由超级电容/锂电池组成的混合储能系统进行平抑。由于城市轨道交通牵引负荷也具有较大波动,混合储能系统在对风、光出力平抑的同时也对牵引负荷进行了平抑。首先,采用小波包分解技术对牵引负荷与风、光输出功率信号进行多尺度分解与重构得到低频风、光并网功率和中高频分量,使用电池与超级电容分别吸收中频与高频分量。然后,以混合储能系统最小综合成本为目标,混合储能系统荷电状态、功率限制等为约束条件。采用增加收缩因子的差分进化粒子群优化算法进行优化求解,实现混合储能系统年综合成本最小化和内部功率容量配置优化方案。最后,基于某地当日风电、光伏功率数据为例进行分析,结果表明所提方法能够有效抑制风电功率波动,可有效为城市轨道交通进行供电。

大规模新能源并网中储能技术的应用

基于蓄电池与超级电容的工作特点,介绍一种蓄电池与超级电容相结合的混合储能系统,并说明混合储能系统的工作原理。介绍基于小波分析的储能功率分配方案,并通过仿真实例模拟方式计算混合储能方式和单一储能方式的额定功率和额定容量,进而对比分析确认混合储能系统具有更高的经济价值。

速度脉冲型近场地震作用下某混合减震结构动力响应特性研究

近断层地震动的速度脉冲效应对结构的抗震性能具有不利影响,我国规范对近场效应的考虑通过不同断层距的近场增大系数体现。以距离断裂带不足5km的某混合减震框架结构为工程背景,选取一组典型的速度脉冲型近场地震波,并用基于小波分析的识别方法进行验证,同时基于抗规选波方式考虑场地地震环境选取另一组地震波,在均满足有效持时、地震动加速度峰值、反应谱相似性的前提下,对比设防、罕遇地震下脉冲波和规范选波结构响应的差异。结果表明:速度脉冲型地震动对近断层减震项目的结构响应有一定的放大作用,设防地震下基底剪力增大系数约为1.07,罕遇地震下基底剪力增大系数约为1.18~1.19,罕遇地震下消能元件的耗能更充分,结构构件的塑性损伤进一步发展,放大作用较设防地震更为显著;对于短周期减震结构,当选波没有区分速度脉冲地震记录同时又按抗规乘以1.5的近场增大系数时,可能高估结构的响应。

基于改进CFD与小波混合神经网络组合的风电场功率预测方法

风的间歇性和时变性制约电力系统能量平衡,准确的风电功率预测有助于电网减小旋转备用、合理制定检修计划。为减小预测误差,提出一种基于多计算流体力学(computational fluid dynamics,CFD)模型的新型风电场组合功率预测方法。首先,利用小波混合神经网络对数值天气预报降尺度;其次,提出了考虑多重尾流的风电场物理CFD模型,并建立了根据测风塔风速外推各台风电机组风速的加速比相关系数;最后,提出了仅考虑自由流场和带有激盘模型的变权重组合流场模型。实际算例仿真证明,所提出的预测方法更准确地反映了风电场实际运行状态,有效提高了预测准确性。

基于双正交小波混合核KPCA-SVM财务危机预警研究

目前基于核主成分分析方法(KPCA)以及支持向量机(SVM)的财务危机预警模型中,所使用的核函数基本都是单核函数。混合核函数能够充分利用不同核函数的特征映射能力,在处理非线性关系时较单核函数具有更优越的性能。基于双正交小波在非线性信号处理方面的良好性能,构造了一类新的双正交小波核函数并证明其满足正定核的容许性条件,在此基础上,构造了新的双正交小波混合核函数。提出了基于双正交小波混合核函数的KPCA-SVM财务危机预警模型,并以我国证券市场上市公司为对象进行实证研究。结果表明,所构造的双正交小波混合核函数能够有效改进KPCA的特征提取性能并提高SVM模型的预测精度,显著改善了财务危机预警精度。

基于混合神经网络的交直流混联电网交流线路故障定位

随着电网交直流混联程度的不断加深,复杂的电网结构导致故障的精确定位愈加困难。针对目前定位方法所存在问题,提出一种基于同步挤压小波变换结合混合神经网络的交直流混联电网交流线路故障定位方法。首先,对交流线路单端电压数据通过同步挤压小波变换处理后,提取其时频矩阵中部分低频区域的能量,构建特征向量;然后,将特征向量构建数据集,并输入至混合神经网络中进行训练与测试,实现故障定位。实验结果表明,所提方法有较高的定位精度与一定的抗噪性能,受不同故障类型与过渡电阻的影响较小。

基于小波理论的遥感图像高保真压缩方法研究

根据遥感图像局部相关性较弱、纹理复杂丰富的特点，提出了基于小波分析理论的自适应标量、矢量混合量化压缩方法。该方法根据遥感图像小波变换后高频子图的局部块纹理强弱将这些块划分为４类，对平坦块进行高倍压缩，对纹理块进行高保真压缩，使各块的恢复误差大致平衡。其主要特点是避免了矢量编码过程中的码书训练和码书搜索，因而时间性能好，并且对单幅图像的压缩比和峰值信噪比（ＰＳＮＲ）优于ＪＰＥＧ方法。此方法与ＫＬ变换去波段相关技术相结合，应用于多波段遥感图像压缩领域，收到了良好的效果。