期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于数据驱动的配电网无功优化 被引量:7
1
作者 蔡昌春 程增茂 +2 位作者 张关应 李源佳 储云迪 《电网技术》 EI CSCD 北大核心 2024年第1期373-382,共10页
传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建... 传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。 展开更多
关键词 数据驱动 无功优化 深度极限学习机 自动编码器 主动控制
原文传递
基于多代理技术的多能源节能减排机组组合
2
作者 张晓花 朱陈松 +1 位作者 朱正伟 强浩 《常州大学学报(自然科学版)》 CAS 2017年第4期39-43,共5页
以风电、火电和抽水蓄能为研究对象,利用抽水蓄能的快速调节特性,形成抽水蓄能削峰填谷的静态作用、提供旋转备用的动态作用和环境保护作用的平衡。建立了节能减排下多目标多能源风火蓄机组组合模型,并利用多代理技术进行求解。对不同... 以风电、火电和抽水蓄能为研究对象,利用抽水蓄能的快速调节特性,形成抽水蓄能削峰填谷的静态作用、提供旋转备用的动态作用和环境保护作用的平衡。建立了节能减排下多目标多能源风火蓄机组组合模型,并利用多代理技术进行求解。对不同权重下多目标机组组合的各目标及其权重进行分析协调,能够在一次能源消耗成本、SO_2和CO_2排放目标上得到合理的权衡,使得系统的社会综合效益得到大幅提高。 展开更多
关键词 抽水蓄能 风电 火电 节能减排 多代理技术
下载PDF
基于多核模糊C均值聚类的配电网短期负荷预测 被引量:10
3
作者 孙景钌 胡长洪 +4 位作者 项烨鋆 赵碚 刘津源 陈梦翔 蔡昌春 《浙江电力》 2022年第3期65-71,共7页
精准、高效的短期负荷预测是电力系统运行与调度的基础,负荷-气象因素的强耦合关系使得负荷预测过程中必须考虑气象因素。首先从影响电力负荷波动的气象因素出发,分析负荷样本数据的气象因素相关性,通过构造多核模糊C均值聚类函数实现... 精准、高效的短期负荷预测是电力系统运行与调度的基础,负荷-气象因素的强耦合关系使得负荷预测过程中必须考虑气象因素。首先从影响电力负荷波动的气象因素出发,分析负荷样本数据的气象因素相关性,通过构造多核模糊C均值聚类函数实现负荷、气象数据的低维非线性至高维线性空间映射,完成基于负荷影响因素的聚类划分,获得强相关气象因素。接着,在传统LSTM(长短期记忆)神经网络中引入反馈环节,融合前向和反向计算机制消除LSTM训练过程的累计误差,构建基于深度学习的多层堆叠模式并应用于负荷预测中。然后,以历史负荷数据的聚类结果为训练样本,深度挖掘负荷-气象因素的耦合特征,从而提高负荷预测精度。最后,通过实际运行数据验证提出方法的合理性和准确性。 展开更多
关键词 短期负荷预测 多核模糊C均值 LSTM神经网络 气象因素
下载PDF
考虑柔性资源灵活支撑的电网有功/无功优化调度 被引量:2
4
作者 张海涛 李文娟 +4 位作者 李雪峰 谢长青 朱其虎 向春勇 蔡昌春 《电气自动化》 2024年第1期52-55,59,共5页
电气化交通是交通电力耦合的重要场景,大规模电动汽车接入对于电力系统的有功/无功调度具有重要影响。提出了一种考虑电动汽车有序充电无功支撑的配电网有功/无功优化方法。首先,基于电动汽车充电特性,建立电动汽车有序充电功率控制模型... 电气化交通是交通电力耦合的重要场景,大规模电动汽车接入对于电力系统的有功/无功调度具有重要影响。提出了一种考虑电动汽车有序充电无功支撑的配电网有功/无功优化方法。首先,基于电动汽车充电特性,建立电动汽车有序充电功率控制模型,实现电动汽车并网接入的有序充电控制;其次,构建结合用户侧和电网侧因素的电动汽车有序充电无功支撑双层优化模型,实现电动汽车与电网间的有功/无功功率交互;最后,通过仿真验证所提方法的合理性和可靠性。通过控制电动汽车有序充电的功率因素,能够大幅降低用户侧充电支出,同时还能有效改善电网负荷波动和降低网络损耗,为解决电动汽车大规模接入电网问题提供新思路。 展开更多
关键词 灵活资源 电动汽车 功率因素 有功/无功优化 调度策略
下载PDF
基于轨迹分段LDA主题模型的视频异常行为检测方法 被引量:9
5
作者 郑併斌 范新南 +1 位作者 李敏 张继 《计算机应用》 CSCD 北大核心 2015年第2期515-518,565,共5页
基于目标轨迹的异常行为检测算法忽略了轨迹内部信息,容易导致异常检测虚警率偏高。为解决该问题,提出一种基于轨迹分段主题模型的视频异常行为检测方法。首先将目标原始轨迹根据轨迹转角分段,然后采用分段量化的方式提取轨迹片段中包... 基于目标轨迹的异常行为检测算法忽略了轨迹内部信息,容易导致异常检测虚警率偏高。为解决该问题,提出一种基于轨迹分段主题模型的视频异常行为检测方法。首先将目标原始轨迹根据轨迹转角分段,然后采用分段量化的方式提取轨迹片段中包含的行为特征信息,接着通过潜在狄利克雷分配(LDA)主题模型建模发掘目标轨迹之间的时空关系,最后通过学习所构建的模型并结合贝叶斯理论进行行为模式分析和异常行为检测。分别对两个视频场景进行了目标行为模式分析和异常行为检测的仿真实验,检测出了场景内多种异常行为模式。实验结果表明,通过结合轨迹分段与LDA主题模型,该算法能够充分挖掘目标轨迹内部的行为特征信息,识别多种异常行为模式,并且能提高对异常行为检测的准确率。 展开更多
关键词 视频分析 行为模式分析 异常检测 潜在狄利克雷分配 主题模型 轨迹分段
下载PDF
计及分布式发电的动态无功优化 被引量:10
6
作者 蔡昌春 张建勇 《电测与仪表》 北大核心 2014年第6期39-44,69,共7页
控制设备动作的时空耦合,分布式发电的集中接入,使得电力系统动态无功优化问题的求解显得复杂和困难。本文提出了一种考虑分布式发电动态无功优化模型及方法,以系统日负荷曲线分段为基础,结合分布式发电日功率输出曲线,通过各时段的无... 控制设备动作的时空耦合,分布式发电的集中接入,使得电力系统动态无功优化问题的求解显得复杂和困难。本文提出了一种考虑分布式发电动态无功优化模型及方法,以系统日负荷曲线分段为基础,结合分布式发电日功率输出曲线,通过各时段的无功优化计算获得离散控制设备的动作值,根据控制设备动作值的变化确定控制设备动作权限时刻,并通过动作设备的重新调整解决离散控制设备一天内动作次数强约束问题,实现一天内控制设备动作的时空协调和无功潮流的最优分布,从而提高系统安全稳定运行。 展开更多
关键词 动态无功优化 分布式发电 日功率曲线 动作解耦 电力系统
下载PDF
基于改进极限学习机的交直流微电网并网等效建模
7
作者 息梦蕊 蔡昌春 王斌 《湖南电力》 2022年第6期83-89,共7页
微电网接入配电网的数量不断增多,对配电网的稳定运行带来挑战,微电网等效建模是分析微电网接入影响及配电网动态仿真的基础。基于非机理建模的理论,以电压、电流的实部和虚部为输入,功率为输出,建立极限学习机的交直流微电网并网等效... 微电网接入配电网的数量不断增多,对配电网的稳定运行带来挑战,微电网等效建模是分析微电网接入影响及配电网动态仿真的基础。基于非机理建模的理论,以电压、电流的实部和虚部为输入,功率为输出,建立极限学习机的交直流微电网并网等效模型。利用麻雀搜索算法优化极限学习机的输入权重和阈值,减少极限学习机模型由于输入权重和阈值缺乏统一性带来的模型精确问题。最后,在DIgSILENT平台搭建交直流混合微电网模型进行验证,仿真结果证明了所提等效模型的有效性和准确性。 展开更多
关键词 微电网 麻雀搜索算法 改进极限学习机 交直流微电网 等效建模
下载PDF
TDOA/FDOA联合测量下基于区间分析的速度估计算法
8
作者 庞敏 周彪 《中文科技期刊数据库(文摘版)工程技术》 2023年第5期19-22,共4页
为了解决无源定位中的速度估计问题,提出了一种基于区间分析和到达时频差(TDOA/FDOA)的速度估计算法。通过区间分析法将传统定位算法中的数值计算变换为区间计算,在利用TDOA对目标位置区间估计之后,重点讨论如何利用所估计的目标位置区... 为了解决无源定位中的速度估计问题,提出了一种基于区间分析和到达时频差(TDOA/FDOA)的速度估计算法。通过区间分析法将传统定位算法中的数值计算变换为区间计算,在利用TDOA对目标位置区间估计之后,重点讨论如何利用所估计的目标位置区间,对初始目标速度区间通过二分法进行收缩。再经过多次迭代运算,最终得到一个收敛的速度估计区间结果。仿真结果表明,所提出的算法可以得到一个极小的速度估计区间,并且可以保证该区间包含目标速度真值。 展开更多
关键词 无源定位 速度估计 到达时频差 区间分析 迭代收缩
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部