由于光储直流微网输出功率在孤岛模式下受外部环境影响较大,为提高系统的最大功率跟踪特性,采用了正反激变换器的独立光伏发电拓扑结构。针对传统滑模控制在光伏最大功率跟踪(maximum power point tracking,MPPT)中存在的滑模抖振和响...由于光储直流微网输出功率在孤岛模式下受外部环境影响较大,为提高系统的最大功率跟踪特性,采用了正反激变换器的独立光伏发电拓扑结构。针对传统滑模控制在光伏最大功率跟踪(maximum power point tracking,MPPT)中存在的滑模抖振和响应速度慢等问题,提出一种基于改进型超螺旋趋近律的MPPT滑模控制实现方法。该方法利用Sigmoid函数的连续性并与快速终端滑模面相结合,优化了超螺旋趋近律,改善了抖振效果,提高了响应速度,并利用Matlab/Simulink仿真平台与其他控制策略进行对比验证。结果表明:当系统不存在外界扰动时,所提方法均能实现对最大功率点的快速跟踪,同时具有较小的抖振。当辐照度、温度发生变化时,系统具有更好的动态响应速度和抗扰能力。展开更多
中文实体抽取(Chinese named entity recognition,CNER)是中文信息抽取任务中的关键一步,是问答系统、机器翻译和知识图谱等下游任务的基础,其方法主要分为知识驱动和数据驱动两大类。然而基于规则、词典与机器学习的传统知识驱动方法...中文实体抽取(Chinese named entity recognition,CNER)是中文信息抽取任务中的关键一步,是问答系统、机器翻译和知识图谱等下游任务的基础,其方法主要分为知识驱动和数据驱动两大类。然而基于规则、词典与机器学习的传统知识驱动方法存在忽视上下文语义信息、计算成本高和低召回率的问题,限制了CNER技术的发展。介绍了CNER的定义和发展历程。详细整理了CNER任务的典型数据集、训练工具、序列标注方式和模型评价指标。对基于数据驱动的方法进行了总结,将数据驱动的方法划分为基于深度学习、预训练语言模型和中文实体关系联合抽取等方法,并分析了数据驱动方法在不同领域的实际应用场景。对CNER任务的未来研究方向进行了展望,为新方法的提出提供一定参考。展开更多
为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)...为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。展开更多
基金Supported by the National Natural Science Foundation of China (62173150)the Science and Technology Innovation Project of Shunde,Foshan(2230218004224)the Guangdong Basic and Applied Basic Research Foundation-the Key Joint Research Project (2022B1515120003)。
文摘由于光储直流微网输出功率在孤岛模式下受外部环境影响较大,为提高系统的最大功率跟踪特性,采用了正反激变换器的独立光伏发电拓扑结构。针对传统滑模控制在光伏最大功率跟踪(maximum power point tracking,MPPT)中存在的滑模抖振和响应速度慢等问题,提出一种基于改进型超螺旋趋近律的MPPT滑模控制实现方法。该方法利用Sigmoid函数的连续性并与快速终端滑模面相结合,优化了超螺旋趋近律,改善了抖振效果,提高了响应速度,并利用Matlab/Simulink仿真平台与其他控制策略进行对比验证。结果表明:当系统不存在外界扰动时,所提方法均能实现对最大功率点的快速跟踪,同时具有较小的抖振。当辐照度、温度发生变化时,系统具有更好的动态响应速度和抗扰能力。
文摘中文实体抽取(Chinese named entity recognition,CNER)是中文信息抽取任务中的关键一步,是问答系统、机器翻译和知识图谱等下游任务的基础,其方法主要分为知识驱动和数据驱动两大类。然而基于规则、词典与机器学习的传统知识驱动方法存在忽视上下文语义信息、计算成本高和低召回率的问题,限制了CNER技术的发展。介绍了CNER的定义和发展历程。详细整理了CNER任务的典型数据集、训练工具、序列标注方式和模型评价指标。对基于数据驱动的方法进行了总结,将数据驱动的方法划分为基于深度学习、预训练语言模型和中文实体关系联合抽取等方法,并分析了数据驱动方法在不同领域的实际应用场景。对CNER任务的未来研究方向进行了展望,为新方法的提出提供一定参考。
文摘为实现柔性直流(voltage sourced converter-high voltage direct current,VSC-HVDC)换流阀冷却系统入阀水温的智能预测,文中提出一种基于随机森林(random forest,RF)和双向长短时记忆(bi-directional long short-term memory,BiLSTM)网络混合的柔直换流阀冷却系统入阀水温的预测模型,并以此为基础对柔直换流站阀冷系统的冷却能力进行评估。首先,采用RF算法对由阀冷系统监测变量组成的高维特征集进行重要性分析,筛选出影响入阀水温的重要特征,与历史入阀水温构成输入特征向量。然后,将特征向量输入到BiLSTM预测模型,对模型进行训练并实现对入阀水温的准确预测和冷却能力定量评估。最后,以广东电网某柔直换流站为实例对所提方法进行分析,验证了所提出的基于RF-BiLSTM的混合模型预测精度优于BiLSTM模型、RF模型、支持向量机(support vector machine,SVM)模型和自回归滑动平均模型(auto-regressive and moving average,ARMA)模型,并且实现了冷却能力的定量评估。结果表明该换流站冷却裕量达98%,存在过度冷却、能源浪费的问题,与换流站现场运行情况相符,验证了文中所提方法的有效性和准确性。
