期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于共享氢储能服务的售电公司双层优化运行
1
作者 周建新 孙腾浩 张力洪 《热力发电》 北大核心 2025年第1期99-107,共9页
随着氢储能技术的发展和共享理念的普及,共享氢储能正逐渐成为应对新能源消纳和用户长时储能需求的新方式。以售电公司和产销用户为研究对象,建立了基于共享氢储能服务的售电公司双层优化经济模型,上层模型负责求解售电公司长时间尺度... 随着氢储能技术的发展和共享理念的普及,共享氢储能正逐渐成为应对新能源消纳和用户长时储能需求的新方式。以售电公司和产销用户为研究对象,建立了基于共享氢储能服务的售电公司双层优化经济模型,上层模型负责求解售电公司长时间尺度氢储能配置和收益问题,下层模型负责求解产销用户短时间尺度运行成本问题;其次,利用KKT(卡罗需-库恩-塔克)条件和Big-M法转换为混合整数线性规划问题进行求解;最后,通过设立不同场景对所提模型的可行性进行仿真验证。结果显示:与产销用户自建氢储能相比,售电公司建立共享氢储能电站在满足用户储能需求的约束条件下,减小了氢储能配置规模,同时其日运营收益提高了66.71%,产销用户的日运行成本降低了34.90%,实现了售电公司与产销用户之间的互利共赢。 展开更多
关键词 共享氢储能 售电公司 双层优化 KKT条件 Big-M法
在线阅读 下载PDF
基于MVMD-互相关时频域特征的风电变流器开路故障诊断
2
作者 侯锐 李然 《现代电子技术》 北大核心 2025年第16期31-37,共7页
针对永磁同步风力发电机组网侧变流器功率管单开路和双开路故障问题,提出一种将多元变分模态分解(MVMD)和互相关时频域特征相结合的诊断方法。首先,采集网侧变流器的三相中间点电压作为原始数据;其次,将三相中间点电压作为MVMD的三通道... 针对永磁同步风力发电机组网侧变流器功率管单开路和双开路故障问题,提出一种将多元变分模态分解(MVMD)和互相关时频域特征相结合的诊断方法。首先,采集网侧变流器的三相中间点电压作为原始数据;其次,将三相中间点电压作为MVMD的三通道输入数据,对其进行分解,得到若干层本征模态函数(IMF);再次,通过计算原始信号与每层IMF函数的互相关性,选择最能反映原始信号特征、趋势的IMF,对选定IMF的平均包络和原始信号数据进行时域、频域特征提取;最后,将所得特征输入到双向长短期记忆(BiLSTM)网络中进行训练,实现对故障功率管的定位。实验结果表明,所提方法对网侧变流器的22种状态能够有效的识别分类,测试集准确率可达99.55%。 展开更多
关键词 风电变流器 MVMD 时频域特征 开路故障诊断 IMF分量 BiLSTM IGBT
在线阅读 下载PDF
基于ICEEMDAN和改进Informer的锂电池SOH估计
3
作者 郭新春 张怡 +1 位作者 张执超 李春玲 《现代电子技术》 北大核心 2025年第18期39-44,共6页
准确估计锂离子电池健康状态(SOH)能够显著提高电池管理系统的安全性,并降低运维成本。为克服容量回升现象产生的预测误差和传统模型捕获信息过少等问题,提出一种基于ICEEMDAN-DCInformer模型的SOH估计方法。首先,利用改进的自适应噪声... 准确估计锂离子电池健康状态(SOH)能够显著提高电池管理系统的安全性,并降低运维成本。为克服容量回升现象产生的预测误差和传统模型捕获信息过少等问题,提出一种基于ICEEMDAN-DCInformer模型的SOH估计方法。首先,利用改进的自适应噪声完备集合经验模态分解(ICEEMDAN)将锂离子电池容量数据分解成不同频率的子模态,以消除SOH估计中容量回升现象产生的误差;其次,对Informer模型进行改进,将其中一维卷积替换为空洞因果卷积,使模型能够在增加信息捕获量的同时降低计算开销;最后,在美国航空航天局提供的锂离子电池数据集上,将所提方法与Informer、ICEEMDAN-Informer和DCInformer进行对比。所提模型估计结果在MAE、RMSE、MAPE和时间开销指标上相较于对比算法DCInformer分别减少了35.6%、11.1%、26.4%和15%。结果表明,通过ICEEMDAN分解容量能够消除容量回升现象的干扰,且所提方法精度更高,时间开销更小。 展开更多
关键词 锂电池 SOH预测 ICEEMDAN算法 Informer网络 容量回升 空洞因果卷积
在线阅读 下载PDF
基于特征提取和改进ICP的点云配准方法
4
作者 王睿宇 景会成 包启龙 《应用光学》 北大核心 2025年第4期805-812,共8页
点云配准是三维点云处理的重要环节,但作为应用广泛的迭代最近点(iterative closest point,ICP)算法对源点云和目标点云的初始位姿、重叠率要求较高,并且容易陷入局部最优。因此提出了基于特征提取和改进ICP的点云配准算法,主要包括采... 点云配准是三维点云处理的重要环节,但作为应用广泛的迭代最近点(iterative closest point,ICP)算法对源点云和目标点云的初始位姿、重叠率要求较高,并且容易陷入局部最优。因此提出了基于特征提取和改进ICP的点云配准算法,主要包括采样一致性初始配准(sample consensus initial alignment,SAC-IA)和ICP精配准两个核心环节。首先将传入的点云进行OCtree加速的体素滤波等预处理操作,以去除离散点并精简点云,对预处理后的点云基于主成分分析(principalcomponent analysis,PCA)进行法向量的计算;然后计算快速点特征直方图(fast point feature histogram,FPFH)特征描述子,将其用于SAC-IA算法进行粗配准;最后基于粗配准得到的初始矩阵,引入法向量约束信息改进ICP算法进行精配准。将算法在公开数据集上进行了验证,结果表明,所提算法较经典ICP等算法有效提升了配准精度和效率,为后续三维重建等环节提供了一种可行的方法。 展开更多
关键词 采样一致性初始配准 快速点特征直方图 迭代最近点 点云配准 OCTREE
在线阅读 下载PDF
适用于调峰场景的纯电重卡集群划分及双层优化调度策略
5
作者 高磊 张执超 +1 位作者 张怡 余洋 《科学技术与工程》 北大核心 2025年第13期5455-5463,共9页
针对大规模纯电重卡(electric truck, ET)无序充电抬高电网负荷峰值影响电能质量的问题,提出适用于调峰场景的集群划分及双层优化调度策略。首先,考虑实时道路流量及多能耗因素建立ET参与电网调峰的需求响应模型,以物流因素作为特征量,... 针对大规模纯电重卡(electric truck, ET)无序充电抬高电网负荷峰值影响电能质量的问题,提出适用于调峰场景的集群划分及双层优化调度策略。首先,考虑实时道路流量及多能耗因素建立ET参与电网调峰的需求响应模型,以物流因素作为特征量,结合改进的模糊聚类算法对ET进行日前集群划分;其次,基于分群结果,结合电网调度与企业用户两方主体的不同利益诉求,在主从博弈框架下考虑柔性时间窗建立双层规划调度模型,实时求解集群内纯电重卡充放电功率;最后,采用克里金模型优化的粒子群算法加快模型求解的速度。通过某物流区实际ET数据进行仿真验证,结果表明,采取的集群划分及考虑柔性时间窗的双层调度策略能更好地平滑负荷曲线,降低集群的调度偏差。同时,克里金优化算法在求解双层优化模型上,更具有快速性。 展开更多
关键词 纯电重卡 模糊聚类 响应特性 柔性时间窗 克里金模型
在线阅读 下载PDF
基于相似日与加权马尔可夫模型的风力发电功率区间预测 被引量:3
6
作者 张志瑞 陈磊 +1 位作者 蔡坤哲 张怡 《现代电子技术》 北大核心 2024年第17期153-158,共6页
为了提高风力发电功率预测精度,提出一种基于相似日与加权马尔可夫模型的风力发电功率区间预测方法(SWMQ)。风电功率数据与风速数据直接相关。首先对于数据中的异常值和缺失值,通过线箱图法和相关性填补法对数据进行预处理,提高数据的... 为了提高风力发电功率预测精度,提出一种基于相似日与加权马尔可夫模型的风力发电功率区间预测方法(SWMQ)。风电功率数据与风速数据直接相关。首先对于数据中的异常值和缺失值,通过线箱图法和相关性填补法对数据进行预处理,提高数据的关联性,通过卷积神经网络(CNN)对风速进行预测;然后由预测到的风速数据在历史数据中通过皮尔逊相关系数法寻找相似日,以相似日功率数据为数据集进行加权马尔可夫模型预测;最后通过分位数回归原理对预测区间进行求取,同时建立基于CNN模型、相关性填补、CNN模型和加权马尔可夫模型,以西北某风电场数据进行仿真对比。实验表明该模型在风力发电功率预测上有较高的精度,能更好地体现数据变化的阈值。 展开更多
关键词 风电功率 卷积神经网络 加权马尔可夫模型 相似日分析 区间预测 分位数回归
在线阅读 下载PDF
基于信息调控和MATCN的超短期风电功率多步预测 被引量:2
7
作者 陈磊 黄凯阳 +3 位作者 张怡 陈禹 张志瑞 尹振楠 《现代电子技术》 北大核心 2024年第18期1-7,共7页
对波动的风电功率进行有效预测,是电网供需平衡、系统稳定运行的重要保障。为此,提出一种基于信息调控和MATCN的超短期风电功率多步预测方法。利用现有数据衍生出高阶项与交互项,提升特征序列数量与有效特征占比。针对复杂的风电数据结... 对波动的风电功率进行有效预测,是电网供需平衡、系统稳定运行的重要保障。为此,提出一种基于信息调控和MATCN的超短期风电功率多步预测方法。利用现有数据衍生出高阶项与交互项,提升特征序列数量与有效特征占比。针对复杂的风电数据结构,使用变分模态分解(VMD)将其拆分,根据子序列相关性和方差贡献率的计算结果保留重要序列分量,其余分量进行聚合,降低计算负担,缩短训练时间。随后,引入注意力机制构造多头注意力时间卷积网络(MATCN),通过注意力得分调整网络内部卷积单元之间的传递信息,实现模型对各序列分量的预测。最后,重构序列分量预测值,得到最终的输出结果。在实例数据上对所提模型进行对比验证,结果表明,该模型在不同步幅下均具有较好的预测效果。 展开更多
关键词 风电功率 多步预测 变分模态分解 多头注意力时间卷积网络 注意力机制 信息调控
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部