基于指数平滑法的平抑风电功率波动储能控制策略

随着风电并网渗透率不断提高,风电并网的功率波动对电网产生的不利影响逐渐显现.本文将储能系统（ESS）用于抑制风电发电系统的功率波动性.同时考虑ESS荷电状态（SOC）和风电功率波动率的情况下设计了一种基于指数平滑法（ES）的平抑风电功率波动的储能控制策略方法.算例结果验证了该控制策略的正确性和有效性.     

压缩空气与超级电容混合储能系统能量控制策略

结合压缩空气储能和超级电容储能两种储能方式的特点,提出了一种混合储能技术方案.压缩空气储能作为主要能量存储环节,实现大容量存储和持续的能量转化;超级电容储能作为辅助储能环节,实现功率快速响应和间断的能量补充.本文研究了混合储能系统的能量管理控制策略,提出了采用自适应功率调节和规则基础法控制来实现能量分配管理的策略,设计了15 kW混合储能系统的参数.仿真和试验验证了控制方案的可行性.     

参数优化VMD对变压器声音信号的故障诊断

变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.     

城市轨道交通车载混合储能系统的研究

针对城轨列车在起动、制动过程中对牵引网电压造成冲击从而引起网压不稳定的问题,提出一种由超级电容与钛酸锂电池组成的混合储能系统,该混合储能系统满足城轨列车对高能量和高功率的需求。以混合储能系统的整体结构为研究对象,着重介绍了预充电回路的设计与仿真验证,它能明显提升混合储能装置的性能以及延长使用寿命。针对该混合储能结构,提出采用综合控制策略,该策略通过控制主电路中两个双向DC/DC变换器的工作模态来实现储能单元工作在恒流充放电状态。最后仿真对比综合控制策略与传统电压电流双闭环控制策略,仿真波形对比分析表明:对于牵引机车等大容量负荷突增与突减造成的网压波动,综合控制策略能更有效、快速调节混合储能系统的充放电状态,确保牵引网压波动幅度较小,提高城轨列车的运行可靠性与稳定性。     

基于改进CMOPSO的前端调速式风电机组优化控制

针对前端调速式风电机组多工况运行、强耦合、结构时变等控制问题,提出一种基于改进CMOPSO算法的变桨变矩优化控制方法.以液力变矩调速装置输出转速波动最小和前端调速式风电机组输出功率波动最小为控制目标建立目标函数,并对机组桨距角和导叶开度进行优化,采用模糊综合评价从非劣解中求取最佳解;以2 MW前端调速式风电机组为对象的仿真验证表明,提出的优化控制策略可实现风电机组的功率控制,可以平滑输出功率,降低功率波动.     

起重机混合动力系统控制策略的研究

起重机混合动力系统由于具有多机构联合工作的特点而采用串联式结构混合动力方式,且系统的工作状态变换频繁.文中针对基于超级电容的轮胎式起重机混合动力系统采用恒温器+功率跟随的控制策略.对系统的工作状态划分、工作状态的判断进行了分析,并提出了不同状态下超级电容能量控制方法,以避免超级电容的频繁充放电,延长使用寿命.发动机的启动过程中采用纯储能器供能方式以提高系统的快速响应.实验结果表明所提出的控制策略是可行的.     

有轨电车燃料电池混合动力多目标匹配优化

有轨电车燃料电池混合动力系统配置对整车动力性能、系统效率及经济效益具有重要影响，但是目前缺乏有效的优化匹配方法. 基于有轨电车沿线动态工况下的牵引功率计算，提出了面向服役周期成本最低的燃料电池有轨电车混合动力系统匹配优化方法. 以混合动力系统整车服役周期成本最低、体积/重量最小为目标函数，以动力性能、直流母线电压、电源输出功率、功率/能量实时平衡、储能系统充放电倍率及其充放电深度和SOC （state of charge） 为约束条件，建立了多目标多约束配置优化模型. 采用多目标优化方法获取Pareto前沿，同时给出了体积/重量可接受、经济性最优的推荐方案确定方法. 仿真结果表明，多目标匹配优化方法配置的有轨电车燃料电池混合动力系统满足了所有设计指标，混合动力系统全寿命周期成本从7 000万元降为1 500万元.      

基于EMD与SVM的风电功率短期预测

由于风电存在着不确定性,风电功率预测对于接入大量风电的电力系统意义重大.为了提高风电功率的预测精度,本文建立了基于经验模式分解法（EMD）与支持向量机（SVM）的复合预测模型.考虑到风力机组的输出有很强的非线性,该模型首先将训练数据按风速大小分成高、中、低3组,然后对各组的风电功率样本序列进行经验模式分解,并建立各个频带分量的支持向量机预测模型,各模型的预测结果等权求和即得到最终的功率预测值.使用风电场现场采集数据的预测结果,验证了该方法的可行性和有效性.     

基于动态混合度的储能式有轨电车能量管理策略

为了提高混合储能式有轨电车的系统效率和运行经济性，基于动态混合度和系统效率之间的关系，提出了基于动态混合度在线凸规划的混合储能式有轨电车能量管理策略. 首先基于混合储能式有轨电车各系统参数，对各部件进行建模；其次采用在线凸规划法求解，得到了系统每一时刻的最优动态混合度；最后以有轨电车的典型工况为例，在RT-LAB实时仿真平台研究动态混合度对系统效率的影响. 研究结果表明动态混合度同系统效率之间存在凸函数关系:在相同参数条件下，基于动态混合度的在线凸规划能量管理策略较传统的功率跟随式能量管理策略系统瞬时效率最高提升9.6%；当完成整条线路运行，可节省电量2 886.2 kJ，运行经济性提升3.29%.      

AR模型功率谱改进的频域模态自动识别方法

针对频域分解法在模态自动识别上的不足,提出了一种基于AR模型功率谱改进的频域模态自动识别方法——AR-AFDD法。首先,通过AR模型功率谱估计确定所有可能是物理模态的频率点,并对相应功率谱矩阵进行奇异值分解,然后,利用时间振型相关性对所选取的峰值进行判别,实现物理模态与噪声模态的自动区分,最后,以自功率谱的最优拟合完成阻尼比估计;采用试验模型和实际桥梁对AR-AFDD法进行验证。研究表明：AR-AFDD法能够快速有效地实现结构模态参数的自动识别,识别结果能够区分物理模态与噪声模态,在实际结构的健康监测数据分析中具有良好的可靠性。     

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。      

超级电容储能系统抑制直流牵引网压波动的研究

超级电容储能装置通过双向DC/DC变换器为列车提供牵引或者吸收再生制动能量,本文就车载超级电容储能系统的结构及充放电控制策略进行了研究,给出超级电容储能系统充放电控制策略,通过对其控制策略的仿真分析,验证了超级电容储能系统可以有效地防止城市轨道交通供电系统中电力负荷波动和再生失效等问题.     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

含光伏和混合储能的同相牵引供电系统日前优化调度

既有牵引供电系统中以负序为主的电能质量问题以及电分相环节严重制约了其安全、高效运行，目前理想的解决方案是基于对称补偿理论的同相供电技术. 通过同相补偿装置中的直流母线接入光伏发电系统以及混合储能装置，进一步实现再生回馈能量利用和牵引负荷削峰填谷，提高光伏渗透率. 因此，建立了一种同相牵引供电系统优化运行模型，该模型以同相牵引变电所日运行成本最低为目标，以混合储能装置充放电策略、光伏出力以及潮流控制器功率为决策变量，尤其考虑了电网侧三相电压不平衡度约束；进一步将原始优化模型中非线性约束进行线性化处理，得到混合整数线性规划模型，并利用商业规划求解器CPLEX进行求解. 算例分析结果表明:接入光伏与混合储能装置后日运行成本可节省36.45%，且三相电压不平衡度满足国标上限2%的要求.      

电-氢孤岛直流微电网的分层能量管理

为了实现电-氢混合储能微电网的控制与运行，提出一种该类孤岛直流微电网的全天候能量管理方法，在满足负载需求功率、控制母线电压的基础上，将微网多余电能向化学能及氢能转化，且将储存的能量通过燃料电池及蓄电池适时运用于微网功率缺额的情况；通过对各电源、负载设备DC/DC变换器控制以及管理层的协调控制，实现了该系统的能量管理；基于MATLAB/Simulink软件平台，验证了该文能量管理方法的有效性. 研究结果表明:电-氢微电网在运行过程中母线电压波动幅度小于0.33%，远小于5.00%的运行要求；锂电池等效荷电状态及储氢罐等效荷电状态初末值变化幅度分别为4.0%和0.2%，储能系统运行稳定；该能量管理方法能够在保持电-氢系统稳定运行的前提下，无需外界提供额外能量即可确保该系统的全天候正常运行.      

基于RT-LAB和MotoTron的HESS系统仿真与硬件在环验证

为应对交通领域面临的环境污染及资源挑战,中国政府积极推进新能源汽车发展进程。同时为了使车辆的储能系统具有高能量密度和高功率密度,近年来由动力电池和超级电容组成的混合储能系统(HESS,hybrid energy storage system)受到广泛重视。由于HESS系统存在一定程度能量/功率耦合,实现HESS系统高效运行的前提是对超级电容和动力电池双动力源进行合理的功率分配。本文将在RT-LAB中建立HESS的完整模型,在MotoTron中快速开发平台,通过RT-LAB和MotoTron的信息交互,证明HESS系统中动力电池和超级电容双能量源间功率分配的有效性,即完成了硬件在环试验验证。     

基于EMD-BPN方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步:首先,使用经验模态分解方法将客流时间序列分解;其次,将IMFs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

电-氢多能互补型微电网的VSG平衡电流控制方法

多能互补型微电网将具有互补性的多种能源集中于同一并网系统,可有效提高微电网的能源利用效率及供电可靠性. 虚拟同步发电机（virtual synchronous generator,VSG）技术,实现分布式电源的友好并网. 然而,在非理想运行情况下,当电网电压出现不平衡时,传统的VSG控制不具备抑制负序电流的能力,将导致微电网三相并网电流不平衡,因此提出一种基于电-氢多能互补型微电网的VSG平衡电流控制方法. 本文搭建了包含光伏及储能系统的电能系统模型,和包含电解槽-氢储能-燃料电池系统的氢能系统模型;分析了VSG的基本原理,通过VSG并网小信号模型的分析,对控制参数进行了设计,提高了系统的稳定裕度;定量分析了不平衡电流的产生原因,通过改进dq坐标系下电流指令计算方法,抑制了负序电流,保证电-氢多能互补型微电网的电能质量. 最后仿真验证了多能互补微电网能量管理策略的有效性,仿真结果证明VSG平衡电流控制方法能在电压不平衡情况下实现并网电流三相平衡,最终将冲击电流由52 A抑制至27 A,并显著减小了功率波动.      

变微分模态分解罚参量选择方法与时变系统识别

针对变微分模态分解（variational mode decomposition，VMD）罚参量会对分解结果产生影响的问题，提出一种基于数据驱动的VMD罚参量选择方法.该方法首先通过傅里叶变换的主频峰值确定罚参量；然后调整层数参量，获得有限个固有模式分量，通过对比不同层数参量时所得固有模式分量的固有频率与阻尼比变化，剔除伪分量；最后对真实固有模式分量进行希尔伯特变换，用于识别时变系统的瞬时频率. 为证明所提方法对时变系统识别的有效性和准确性，分别对具有时变刚度的结构系统和柴油发动机的时变做功过程进行研究，将所提方法结果与经验模态分解方法结果进行比较. 比较结果表明，当罚参数取值是信号最大幅值的1.5～16.0倍时VMD分解结果最优，所提方法可以更准确地识别瞬时频率，在工程应用中的能够更有效地对系统瞬时频率进行识别.