加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

基于梯度法的微粒群优化算法在船舶电力系统的应用

随着电力技术的不断发展,舰船电力设备的数量和质量不断提高,不仅提高了舰船航行的安全性,还促进了舰船作业的效率,提高了船舶工业的生产水平。船舶综合电力系统包括发电机、变电站、输电线路、终端负载等,具有拓扑结构复杂、工作条件恶劣等特点。因此,提高舰船电力系统的安全性、可靠性,改善电力系统的使用质量具有重要的意义。本文充分结合基于梯度法的微粒群优化算法,对舰船电力系统的稳定性理论、故障恢复等问题进行优化和改善。     

基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

船舶电力系统过流保护算法优化

现有船舶电力系统采用的传统过流保护算法存在电流反馈量识别准确率不高,电流控制参数的控制精度低的问题,本文提出船舶电力系统过流保护算法优化。通过对传统算法进行误差产生的分析计算,得到误差产生的原因与误差参量;对电流误差参量进行反时限模型计算,获得电流误差参量与时间之间的关系;根据获得的关系参量,结合引入的电流峰值算法对传统的过流保护算法进行数据的更新,从而完成对船舶电力系统过流保护算法的优化。最后,采用设计仿真实验的方式对提出的设计进行测试,通过测试得到的数据证明提出设计具有电流反馈识别准确率高、保护电流控制精度高、计算运行稳定的特点。     

海军工程大学电气与信息工程学院

<正>重点学科"电力系统及其自动化"国家重点学科;"电力系统及其自动化"湖北高校优势学科;"导航、制导与控制"湖北重点学科;"电气工程"一级学科博士点;"导航、制导与控制学科"学科博士点;"电气工程"博士后科研流动站;"导航、制导与控制"博士后科研流动站;"电机与电器"硕士点;"电力系统及其自动化"硕士点;"电力电子与电力传动"硕士点;"电工理论与新技术"硕士点;"导航、制导与控制"硕士点;"检测技术与自动化装置"硕士点;"控制理论与控制工程"硕士点