基于Hopfield神经网络的供电网黑启动分区方案计算方法

来源 :智慧电力 | 被引量 : 0次 | 上传用户:bianyuantuifei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对电网大面积停电后黑启动分区划分问题,提出一种以分区联络线之和最少及总体操作最优为目标的数学模型.通过定义最小拓扑关系矩阵、节点关系矩阵和分区状态矩阵实现了对数学模型的解析描述,将对数学模型的求解转化为0-1优化问题.针对0-1优化问题多为NP-hard问题的现状,提出利用Hopfield神经网络进行求解.构造了计及各项约束条件的神经网络能量函数,给出了对应的求解方法.利用IEEE-39节点系统对所提模型及方法进行了验证,通过对分区评价指标的定量分析表明所提的模型正确,求解方法可行、有效.
其他文献
“1+X”证书制度是我国职业教育的一项重要制度创新和改革,而“课证融通”是促进“1+X”证书制度落地实施的重要举措.智能网联汽车技术是我国占领未来汽车产业制高点的重要载体,而高职汽车智能技术专业人才的培养是实施这一战略的重要手段,研究智能网联汽车相关的“1+X”标准与汽车智能技术专业的课证融通,对促进汽车智能技术专业“1+X”制度落地实施、推动汽车智能技术专业课程评价方式改革、提升汽车智能技术专业人才培养质量具有非常重要的意义.文中以人才培养方案和课程体系的优化、课程内容和课程评价模式的改革为切入点,阐述
近年来,农村污水处理站点建设得到了大力推进,数量也在不断增加,为运营管理带来了极大挑战.文中针对“分布控制、集中管理”的农村污水处理管理新模式,开发了一套农村污水处理管控一体化系统,通过将分散的多个农村污水处理站点连接至管理系统,提升了农村污水处理的管理效率,实现了整个区域农村污水处理的设备管理、事件处理、数据分析等的统一管理,具有较大的推广价值.
“通信原理”是大学电子信息类专业一门重要的专业课,也是相关专业研究生入学考试经常作为笔试科目的一门课程,具有重要的地位.受疫情影响,教育部要求“停课不停教、不停学”,为了响应这一号召,文中探索了一种“通信原理”课程在线教学模式:理论课通过小规模限制性在线课程(SPOC)开展线上学习(通过中国大学MOOC平台实现);实践课采用虚拟仿真实验的方式(通过SystemView软件实现)开展,教师进行线上答疑和作业讲解.实践表明,这是一种切实可行的远程“通信原理”课程教学模式.
为提高传统实验课的教学效果和质量,将以学生学习成果为导向的OBE教育理念融入到电工电子实验课堂中,采用线上线下混合式教学,教学过程以学生为主体,施行差异化的教学目标,通过多元化教学方法与多维度的考核方式,引导学生自主思考,自主学习.实践结果表明,改进后的教学方法激发了学生的学习兴趣,在提高课堂效率的同时,还培养了学生的自主学习能力、动手实践能力及综合能力.
新工科是我国高等教育为了主动应对新一轮科技革命与产业变革的兴起而提出的.面向国家战略发展需求,在新工科建设背景下创新创业教育必须融入到高校人才培养的全过程.文中以高职计算机专业为研究对象,从人才培养目标、课程体系、教学内容、教师队伍等方面进行专业教育与创新创业教育有机融合的探索与实践,并以“物联网技术”课程中学生的创新设计为例阐述专创融合实践效果.
为了提高异步电机矢量控制的鲁棒性和闭环控制性能,采用输出电流控制异步电机,研究按定子和气隙磁链定向的矢量控制,通过推导解耦控制方程,附加去耦项,实现系统的彻底解耦控制.研究表明,按定子和气隙磁链定向时磁链和转矩计算公式不含转子参数,避开了易于变化的转子参数对调速系统性能的影响.仿真结果验证了新方法可以有效提高磁场定向的准确性和解耦能力,改善闭环控制的动态性能,提高了系统的鲁棒性.
科学合理地评价学生认知能力对开展个性化教学具有重要的意义.针对学生认知能力易受非智力因素影响,不易量化的问题,提出使用直觉模糊层次分析法评价学生认知能力.该方法以布卢姆认知理论为框架,从知识和认知历程两个维度构建学生认知能力评价指标体系,采用直觉模糊法确定各指标权重,使用三角形隶属度函数模糊化测验成绩,以模糊综合评价确定学生认知能力的强弱.最后通过案例分析,该方法不仅可以评价学生的认知能力,还能为学生后期学习提供参考建议,说明该方法的有效性和可操作性.
微电网之间的能源贸易可以减少对公用大电网的依赖.研究了基于区块链的微电网对等能源交易,微电网中的消费者和生产者不需要第三方就可以交易能源,在提出的模型中引入了滞期费机制,构建动态定价模型,使微电网优化能源消耗并最大程度地减少电费,并为微电网提供了足够的能量.仿真结果验证了所提模型的有效性.
针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题,提出一种基于快速傅里叶变换(FFT)、密度层次聚类算法(DC-HC)与长短时记忆(LSTM)神经网络相结合的短期负荷预测方法.首先,采用FFT计算出所有原始电力负荷序列对应的期望频率,并以之作为负荷聚类的特征量.然后采用DC-HC算法对负荷进行聚类,将原始数据分拆成具有特征属性的数据分量组;运用LSTM模型对各分量组进行负荷预测,再将各分量组预测结果进行叠加,得到最终负荷预测值;最后,采用爱尔兰实际电力负荷数据进行算例分析,结果表明所提方法
针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析(FDA)模型的居民空调用电行为分类分析方法.该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为.根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短