计及误差补偿的两阶段短期电力负荷组合预测方法

    公开(公告)号:CN116526450A

    公开(公告)日:2023-08-01

    申请号:CN202310413356.7

    申请日:2023-04-14

    申请人: 三峡大学

    摘要: 计及误差补偿的两阶段短期电力负荷组合预测方法,采用VMD将原始负荷数据序列进行分解;基于萤火虫扰动优化的麻雀搜索算法FASSA优化BiLSTM模型中的参数设置,确定最优超参数;将求得的最优超参数代入到BiLSTM模型,重新进行训练测试,得到初始负荷预测模型;将初始负荷预测模型输出的初始负荷预测值与真实值作差,得到误差序列,考虑误差序列以及外界影响因素,建立基于BiLSTM网络的误差补偿模型,得到误差补偿值;将获取的初始负荷预测值和获取的误差补偿值相加,即为最终的负荷预测结果。该方法有效避免了因外界影响因素诸如一天中时刻、温湿度、日类型以及预测模型预测过程中的固有误差对居民用户短期负荷预测性能造成的影响,进一步提高短期负荷预测的精度。

    基于深度学习的超分辨率3D-GPR图像的频率-波数分析方法

    公开(公告)号:CN116224324A

    公开(公告)日:2023-06-06

    申请号:CN202310313391.1

    申请日:2023-03-28

    申请人: 三峡大学

    IPC分类号: G01S13/86 G01S7/41

    摘要: 基于深度学习的超分辨率3D‑GPR图像的频率‑波数分析方法,包括以下步骤:步骤一:获取管道模型反射的探地雷达GPR数据;步骤二:建立基于深度学习的SR‑GPR图像深度剩余信道增强网络;步骤三:将t‑s域中的SR‑C层扫描数据,通过3D傅立叶变换到f‑k域;步骤四:在f域中应用低通滤波器,考虑激发频率来确定滤波频率带宽,设计k域过滤器;步骤五:对GPR信号进行频率‑波数分析。本发明提出了深度学习网络的f‑k分析技术,所述f‑k分析技术与深度学习网络生成的SR‑GPR图像相结合方法,可以显着减少任意地下介质的不均匀性和不需要的测量噪声。此外,该方法可以分解探地雷达感应的电磁波场,以对从特定地下物体反射的波传播进行方向性分析。

    基于分段补偿控制策略的光伏功率波动平抑方法

    公开(公告)号:CN115473268B

    公开(公告)日:2024-09-10

    申请号:CN202211128130.4

    申请日:2022-09-16

    申请人: 三峡大学

    摘要: 基于分段补偿控制策略的光伏功率波动平抑方法,包括以下步骤:分析分布式光伏系统运行状态和功率波动大小,所述运行状态包括正常状态、故障状态,所述功率波动大小包括短时间功率波动、长时间功率波动;将锂电池组和超级电容组构成混合储能装置,将所述混合储能装置的电池荷电状态SOC分为正常工作区域、过冲警戒工作区域、过放警戒工作区域;根据分布式光伏系统不同运行状态和功率波动大小,采用不同控制方式。本发明通过锂电池组和超级电容组分段补偿功率波动大小,避免电池过度充放电,延长了电池使用寿命,降低了后期维护更换成本。

    计及网络节点与线路重要度的配电网实时健康状态评估方法

    公开(公告)号:CN115310780A

    公开(公告)日:2022-11-08

    申请号:CN202210858219.X

    申请日:2022-07-20

    申请人: 三峡大学

    摘要: 计及网络节点与线路重要度的配电网实时健康状态评估方法,具体包括:将配电网中每个节点看成是配电变压器节点,以各个节点上配电变压器的实时健康指数作为该节点的健康指数;将导线看成配电设备,以节点间导线的健康指数作为节点间配电线路的健康指数;根据改进的电气LeaderRank算法对配电网中节点重要度进行评估;根据改进的线路负荷矩算法对配电网中各线路的重要度进行评估;根据配电网中各节点的健康度和重要度以及各线路的健康度和重要度计算配电网的健康指数。该方法有效避免了评价指标的选取与量化,并且利用少量的量测数据和简单的算法有效解决了复杂多变的配电网实时健康状态评估问题。

    基于随机森林特征优选和改进支持向量机的变压器故障诊断方法

    公开(公告)号:CN116595445A

    公开(公告)日:2023-08-15

    申请号:CN202310415308.1

    申请日:2023-04-17

    申请人: 三峡大学

    摘要: 基于随机森林RF特征优选和改进支持向量机SVM的变压器故障诊断方法,选取多种油中溶解气体,生成多维DGA待选特征集;对所有已获得的DGA待选特征集归一化预处理;对随机森林RF参数进行设置,并训练随机森林RF模型,输出多维DGA待选特征量的平均值基尼指标下降MDG值并排序;结合MDG值,SVM对待选特征量优选;设置BAS参数;通过训练集来对SVM中的惩罚因子及核函数进行寻优改进,建立BAS‑SVM变压器DGA故障诊断模型;引入测试集到建立的BAS‑SVM变压器DGA故障诊断模型中,输出对应的故障类型。本发明方法通过随机森林RF对待选特征量进行优选,去除冗余信息,BAS算法对SVM的惩罚因子和核函数进行寻优,加强SVM的全局搜索能力,提高了对变压器故障诊断的准确性。

    基于改进海鸥算法的控制器优化方法

    公开(公告)号:CN115469532A

    公开(公告)日:2022-12-13

    申请号:CN202211128115.X

    申请日:2022-09-16

    申请人: 三峡大学

    IPC分类号: G05B11/42

    摘要: 基于改进海鸥算法的控制器优化方法,包括以下步骤:确定海鸥优化算法中海鸥的迁徙行为和捕食行为;其次,采用对立搜索算子策略初始化种群,记录当前最优个体和群体;最后,采用非线性变化收敛因子计算控制因子和变异操作,淘汰种群内适应度较差的海鸥个体并不断更新寻优,以此来不断修正、整定PI控制器参数。本发明通过对立搜索算子策略、非线性变化收敛因子以及变异操作策略对传统海鸥优化算法进行改进,弥补传统海鸥算法早收敛、陷入局部最优的缺点;同时利用改进海鸥算法对控制器进行优化,提高了响应速度与实时在线整定能力。