最新設(shè)計(jì)資源

電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目自適應(yīng)檢索方法研究[模擬設(shè)計(jì)][智能電網(wǎng)]

針對(duì)電力系統(tǒng)數(shù)據(jù)具有復(fù)雜性、多樣性特點(diǎn)，導(dǎo)致檢索難度過(guò)高的問(wèn)題，設(shè)計(jì)了電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目自適應(yīng)檢索方法。依據(jù)電力系統(tǒng)出力變化率，選取二分量一維混合高斯模型，構(gòu)建電力系統(tǒng)波動(dòng)概率分布模型。對(duì)比概率分布模型模擬的電力系統(tǒng)波動(dòng)數(shù)據(jù)與量測(cè)數(shù)據(jù)，依據(jù)判定閾值辨識(shí)電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目，構(gòu)建數(shù)據(jù)條目檢索庫(kù)。利用哈希函數(shù)獲取檢索庫(kù)內(nèi)較大波動(dòng)數(shù)據(jù)條目的哈希特征，生成二值碼。較大波動(dòng)數(shù)據(jù)條目檢索時(shí)，生成用戶檢索詞的二值編碼，計(jì)算檢索詞二值碼與檢索庫(kù)內(nèi)條目二值碼的漢明距離，并對(duì)其加權(quán)處理，利用加權(quán)漢明距離排序數(shù)據(jù)條目，獲取較大波動(dòng)數(shù)據(jù)條目的自適應(yīng)檢索結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法能夠依據(jù)用戶輸入的檢索詞，自適應(yīng)檢索電力系統(tǒng)較大波動(dòng)數(shù)據(jù)條目，檢索結(jié)果的歸一化折損累積增益均高于0.9，檢索時(shí)間低于500 ms。

發(fā)表于：6/18/2025

AirGAN：空調(diào)機(jī)理模型增強(qiáng)生成對(duì)抗模型[模擬設(shè)計(jì)][智能電網(wǎng)]

為引導(dǎo)資源龐大、調(diào)控靈活的空調(diào)負(fù)荷參與需求響應(yīng)實(shí)現(xiàn)“源荷互動(dòng)”，保障電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行，各大研究單位開(kāi)展了樓宇空調(diào)需求響應(yīng)實(shí)時(shí)控制仿真與實(shí)踐研究。然而，如何準(zhǔn)確地估算空調(diào)的負(fù)荷，并對(duì)空調(diào)負(fù)荷進(jìn)行預(yù)測(cè)是目前面臨的重要挑戰(zhàn)。當(dāng)前主流方法包括模型驅(qū)動(dòng)型、數(shù)據(jù)驅(qū)動(dòng)型兩種方法體系。其中模型驅(qū)動(dòng)型依賴對(duì)空調(diào)負(fù)荷的建模，難以實(shí)現(xiàn)對(duì)空調(diào)負(fù)荷復(fù)雜變化的模擬。數(shù)據(jù)驅(qū)動(dòng)則是依賴大量數(shù)據(jù)進(jìn)行模型訓(xùn)練，但難以覆蓋空調(diào)負(fù)荷的各類特點(diǎn)。為此，擬從模型驅(qū)動(dòng)及數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的角度進(jìn)行空調(diào)負(fù)荷的智能擬合，以提升空調(diào)負(fù)荷生成預(yù)測(cè)的準(zhǔn)確性和適應(yīng)性。提出了一種基于機(jī)制模型與生成對(duì)抗網(wǎng)絡(luò)（GAN）相結(jié)合的負(fù)荷生成方法和模型AirGAN。該方法通過(guò)GAN生成器生成的虛擬數(shù)據(jù)，持續(xù)調(diào)整物理模型的超參數(shù)，以使其更好地符合實(shí)際空調(diào)負(fù)荷特性。同時(shí)，采用GAN判別器對(duì)機(jī)制模型預(yù)測(cè)的負(fù)荷進(jìn)行判別，以此訓(xùn)練機(jī)制模型，從而提升其預(yù)測(cè)精度。

發(fā)表于：6/18/2025