课程文献中心 更多>>

关键词： 大功率高频变压器   高速全局优化   热分析   变换器协同设计   遗传算法  

摘要： 大功率高频变压器是电力电子变压器中的核心部件，其优化设计的全局最优性和计算速度都是关键问题。本文提出基于改进热分析和变换器协同设计的大功率高频变压器高速全局优化方法。针对优化中耗时占比很高的热分析，提出基于换热-热传导两步仿真的改进热分析方法，保证热分析精度的同时，提升热分析计算速度。仿真结果表明，提出的热分析方法与传统方法准确度相似，而计算速度大幅提升。此外，优化过程中，将变换器电路参数与变压器参数共同考虑，引入更多优化变量，从而形成全局优化模型，提升设计方案的优异性；并采用改进热分析方法和遗传算法以提升计算速度，保证了全局优化模型的可计算性。综合以上措施，最终形成系统的大功率高频变压器高速全局优化设计方法。一个具体的案例设计和实验结果验证了提出的优化方法的有效性。

关键词： 电力变压器   局部放电   幅值比   多端耦合   聚类分离  

摘要： 对电力变压器进行局部放电试验与检测时，多源脉冲混叠严重影响着局部放电信号的识别。本文提出一种基于多端脉冲幅值比的局放信号聚类分离方法。首先，开展了220 kV变压器局放试验，对不同试验电压下PRPD、T-F谱图中存在的脉冲混叠现象进行了分析；其次，基于不同类型脉冲在变压器中的传播衰减规律，提出了基于变压器多端检测的三维幅值比脉冲聚类分离方法，并结合DBSCAN实现该方法；最后，在220 kV变压器局放试验过程中开展了多端检测，并对脉冲进行了聚类分离与来源分析。结果表明：利用多端脉冲幅值比聚类分离方法能够将局放试验过程中的多源混叠脉冲准确分为干扰以及两类放电，并且可以根据幅值比实现脉冲源的初步定位。多端脉冲幅值比聚类分离方法实现了变压器局放脉冲的提取，其发展和应用将有利于提升变压器局部放电检测中的抗干扰水平和检测准确度。

关键词： 门控循环单元   共形分位数回归   Jensen-Shannon散度   加权置信分位数   风电功率区间预测  

摘要： 准确的区间预测有助于更好地进行风险分析，从而为电网调度做出更合理的决策。针对共形分位数回归自身算法的不足，本文提出了一种基于门控循环加权共形分位数回归的风电功率短期区间预测方法。首先在训练阶段采用分位数门控循环单元拟合初始预测区间。然后在校准阶段根据不一致分数函数计算不一致分数及其置信分位数。接着在测试阶段计算测试集和校准集之间的Jensen-Shannon散度并将其作为分布权重对置信分位数加权，从而形成加权置信分位数来代替直接采用校准集得出的置信分位数，由初始预测区间与加权置信分位数的代数和构成最终的预测区间。最后以国内蒙西某风电场的运行数据为例，从可靠性、有效性和计算时间3方面出发，验证了本文方法的有效性。

关键词： 光伏发电功率分解   权重动态时间规整   高斯混合模型   参考光伏模型   极大似然估计   双层优化  

摘要： 提高配电台区分布式光伏的监测能力对配电系统安全运行、电力分配和需求响应等任务具有重要意义。然而，台区绝大部分用户侧的分布式光伏不具备直接量测条件，无法实现对台区光伏发电功率的准确计量。针对这类问题，提出一种基于高斯混合模型(Gaussian Mixture Model， GMM)与参考光伏模型的双层优化方法，通过使用台区总功率和少量参考光伏发电功率来识别并分解出台区光伏发电功率。首先，依据台区光伏出力特性，设计了权重动态时间规整(Weighted Dynamic Time Warping， WDTW)对台区总功率进行聚类，识别两类光伏发电状态下的台区总功率数据，实现对负荷用电功率数据的近似生成。然后，针对负荷用电功率的分布特征，设计了一种由多组高斯分布组成的GMM模型，实现对日夜间负荷用电功率联合分布的模拟。最后，基于负荷联合分布和参考光伏等值模型的构建，采用考虑极大似然估计的二次序列优化双层调优方法分解得到台区光伏发电功率。研究结果表明，与其他方法相比，所提模型在实际工况下具备更高的光伏发电功率分解精度。

关键词： 光伏功率   相似日   变分模态分解   双向长短期记忆神经网络   组合预测  

摘要： 针对光伏功率随机性较强等问题，提出了一种基于相似日选取和数据重构的短期光伏功率组合预测方法。首先，利用核模糊C均值算法对光伏功率进行聚类分析，通过最大信息系数提取主要影响特征；其次，结合合作博弈思想计算预测日和历史日的综合相关系数，挑选相关性较强的历史日构建训练集；然后，利用变分模态分解将光伏功率分解为若干子序列，计算排列熵值并重构为趋势项、低频项和高频项；最后，对趋势项和低频项采用长短期记忆神经网络进行预测，对高频项采用卷积神经网络-双向长短期记忆神经网络-注意力机制模型进行预测，将结果叠加得到最终预测结果。经实例验证，在不同天气条件下，模型整体预测误差最小，可有效提高预测精度。

关键词： 人工表面等离子激元   微带   低通滤波器   宽阻带  

摘要： 针对传统的人工表面等离子激元(SSPPs)微波滤波器的带外抑制水平较弱的问题，设计并制作了一款采用新颖蝶形结构的小型化SSPPs宽阻带微带低通滤波器。首先，通过将传统的微带滤波器中的扇形结构与SSPPs理论相结合，设计了蝴蝶形结构的SSPPs结构单元，实现了较宽的阻带。为了提升滤波器的带外抑制水平，引入了对向箭头形谐振贴片，抑制了所提出滤波器在阻带内25 GHz处的寄生通带。通过仿真模拟单元结构的色散特性，实现了对SSPPs单元的优化设计。设计了一个完整的SSPPs滤波器结构并仿真分析了关键参数对整个滤波器性能的影响。使用F4B板材制作了金属-介质-金属(MIM)结构的该滤波器并对其性能进行了测量。结果显示，该滤波器的3-dB截止频率为10.08 GHz,阻带的最高频率可达33 GHz;通带内回波损耗均高于15 dB,插入损耗最高为2.6 dB;阻带最小衰减在11～35 GHz的范围内最低为22.98 dB,而回波损耗在10～30 GHz范围内基本优于3 dB,且在10～34 GHz范围内最高为4 dB。本设计的测试结果满足设计指标，带外抑制效果理想，可与混频器、信号发生器等器件集成以发挥更好的电路性能。

关键词： 群体预测   多阶段模型   深度学习   神经网络   光伏发电   功率预测  

摘要： 光伏发电系统的不确定性和波动性使得准确预测光伏发电量成为提高系统效率的关键挑战之一。相对于单站点光伏预测，光伏群体预测能够在一定程度上提高整体预测精度，从而有效服务于省级电网电力电量平衡。此外，通过多阶段级联模型的思想将群体预测模型分成2个阶段，能够加快训练的收敛速度。为此，首先根据数值天气预报(numerical weather prediction，NWP)使用混合2种神经网络的短期光伏预测模型来对每个站点进行光伏预测，并使用多通道模型输出各站独立的预测值；在上一阶段的模型训练完成后，保留第1阶段学习到的特征，再进行下一阶段的模型训练，即利用一个全连接层建立单站预测与群体预测之间的映射关系，以建立更精准的发电量预测模型。通过对比实验验证发现，所提方法的误差比单站点预测降低了近1%，且两阶段模型比单模型训练时长短，说明两阶段光伏功率群体预测方法比传统预测方法表现出了更好的性能。

关键词： 最大功率点跟踪   太阳电池   太阳能发电   灰狼算法   粒子群算法  

摘要： 在光伏阵列受到不均匀太阳辐照时，其输出特性曲线会出现多个峰值点，常规的最大功率点跟踪方法（MPPT）可能会陷入局部峰值点，导致光伏阵列不能在最大功率点下运行。为解决此类问题，提出一种基于改进粒子群优化的灰狼算法与莱维飞行模块相结合的算法（PSO-LGWO）。该算法在函数测试和静态阴影测试中，相较于其他灰狼算法都可以在保证算法跟踪精度的同时提升收敛速度；在动态阴影测试中，相较于实际光伏发电站中常见的MPPT方法，可以跳出局部最优解，且在太阳辐照度变化较大时，在保证算法跟踪精度的同时具有更快的收敛速度。

关键词： 全功率风电变流器   直流电压同步   跟网   构网   模式切换   稳态工作点  

摘要： 全功率风电变流器的跟网/构网模式切换是提高其电网强度适应性的一种有效方式。直流电压同步的构网方案由于需要控制直流电压，在切换时易产生严重的直流电压暂态冲击，从而引发直流撬棒误动作，进而会降低硬件使用寿命。为此，首先通过矢量分析法确定了平滑模式切换原则，结合切换扰动对直流电压的传递函数和切换扰动本身两方面分析了直流电压暂态冲击的成因。然后，基于该分析，提出了直接切换方案以解决稳态工作点的阶跃扰动问题，但仍存在电流指令随机扰动的问题。进一步，提出了延时切换方案，通过延迟切换信号使得电流指令扰动最小化。RT-LAB硬件在环实验表明，直接切换方案能够大幅改善直流电压的暂态冲击，延时切换方案能进一步保证切换过程平滑无波动。

关键词： 光伏发电预测   TCN   Transformer   确定性预测   概率预测  

摘要： 提出了一种基于时序卷积网络（TCN）和Transformer结合的短期光伏发电功率预测方法。首先，分析了风速、雨量、光照强度、云量等影响光伏发电功率的主要因素；其次，利用TCN提取序列的全局空间特征，并采用Transformer提取序列中的长期依赖关系的时序特征，提出了TCN-Transformer复合模型以实现高精度的光伏功率预测，并将其应用于光伏发电的确定性预测与概率预测中；最后，通过澳大利亚沙漠知识太阳能中心（DKASC）数据集进行仿真分析，结果表明，改进后的TCN-Transformer模型在不同天气条件下均表现出优异的预测性能，有效提高了光伏出力功率的短期预测精度。