为解决单个高斯过程回归无法对来自多个信息源的数据进行整体建模的问题,提出了卡尔曼滤波优化的高斯过程回归模型(Gaussian process regression model based on Kalman filtering,KF-GPR).该模型首先根据多个传感器获取的离散样本数据...为解决单个高斯过程回归无法对来自多个信息源的数据进行整体建模的问题,提出了卡尔曼滤波优化的高斯过程回归模型(Gaussian process regression model based on Kalman filtering,KF-GPR).该模型首先根据多个传感器获取的离散样本数据分别进行高斯过程回归,预测关键参数的均值和方差,并将其视作软传感器输出的测量值和噪声.然后利用卡尔曼滤波算法对软传感器的输出进行融合,在最小均方误差准则下,实现对多个高斯过程回归结果的融合优化,获得优化后模型的输出结果.仿真实验将KF-GPR与平均值融合方法进行对比,结果表明KFGPR能够获得拟合精度更高的预测曲线,验证了模型的有效性.最后,将KF-GPR应用于温度随纬度变化的实例分析中,分季节给出了纬度−温度预测曲线.展开更多
针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低...针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。展开更多
文摘为解决单个高斯过程回归无法对来自多个信息源的数据进行整体建模的问题,提出了卡尔曼滤波优化的高斯过程回归模型(Gaussian process regression model based on Kalman filtering,KF-GPR).该模型首先根据多个传感器获取的离散样本数据分别进行高斯过程回归,预测关键参数的均值和方差,并将其视作软传感器输出的测量值和噪声.然后利用卡尔曼滤波算法对软传感器的输出进行融合,在最小均方误差准则下,实现对多个高斯过程回归结果的融合优化,获得优化后模型的输出结果.仿真实验将KF-GPR与平均值融合方法进行对比,结果表明KFGPR能够获得拟合精度更高的预测曲线,验证了模型的有效性.最后,将KF-GPR应用于温度随纬度变化的实例分析中,分季节给出了纬度−温度预测曲线.
文摘针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。
