基于DE-RBF混合优化算法的微电网自适应下垂控制策略

孤岛微电网因线路阻抗各异,采用传统下垂控制无法实现功率按分布式电源容量比例分配,会产生电压/频率偏差。为此,提出一种基于DE-RBF混合优化算法的自适应下垂控制策略。首先,构建下垂控制的两逆变器并联微电网系统动态模型,应用差分进化(differential evolution,DE)算法获得多个平衡点的优化下垂控制参数。为提高系统的动态响应速度与稳定性,通过训练径向基(radial basis function,RBF)神经网络,对每个平衡点参数进行校正。进而,通过增加RBF神经网络的隐含层数量,推广至多个逆变器并联微电网。以采集的有功功率和无功功率作为训练数据,输出最优下垂系数,实现微电网的自适应下垂控制。最后,搭建Matlab/Simulink仿真平台,验证了所提自适应下垂控制方法相比于传统下垂控制,系统响应速度快,功率按照分布式电源容量比例分配。

基于对率回归的导航信号捕获中的峰值检测方法

捕获是卫星导航接收机中信号处理的第一步,对接收机的各项指标如灵敏度、动态性能等有重要影响。捕获算法中最重要的环节之一是判断是否已捕获到信号,在并行捕获算法中是通过对并行相关结果进行峰值检测实现的。结合机器学习技术,将峰值检测看作是对相关结果的二分类问题。首先,在MATLAB中重复运行并行捕获算法得到包含足够数量的相关结果组成样例集;然后,使用二分类学习算法对率回归从样例集中学得一个二分类学习器,并对分类器的性能进行分析,分析结果表明了方法的可行性和正确性;最后,指出了该方法需继续研究完善的地方,为后续工程实现该方法奠定了基础。

基于改进遗传算法的光伏发电并网优化配置

光伏发电在未来将成为新增分布式发电系统的主流,为此研究了光伏发电并网的优化配置问题。建立了光伏电源选址和定容的配电网络损耗最小、节点电压偏移最小和接入费用最小的多目标优化模型;提出了一种改进的基于遗传算法的并列选择法;突出优化重点目标,对各目标函数区别对待,在前推回推法计算配电网潮流的基础上,采用该改进的算法求得模型的最优解;最后通过IEEE33节点算例系统对模型和算法进行了测试,结果表明所建模型的正确性和改进算法的优越性。