-
题名电动汽车聚合下的微能源互联网优化调度策略
被引量：13
- 1
-
-
作者
安佳坤
杨书强
王涛
贺春光
张菁
袁超
窦春霞
-
机构
国网河北省电力有限公司经济技术研究院
南京邮电大学自动化学院人工智能学院
-
出处
《中国电力》
CSCD
北大核心
2023年第5期80-88,共9页
-
基金
国家自然科学基金资助项目(61933005)。
-
文摘
随着可再生能源规模化接入电网,需配备更多的储能设备以减少峰谷差,这使得投入成本大大提高。电动汽车聚合的负荷特性类似储能,其主动参与能源互联网能量优化调度,将减少储能设备的成本,进而提高微能源互联网的经济效益。提出了电动汽车聚合下的微能源互联网优化调度策略。首先,基于AP(affinity propagation)数据挖掘技术的电动汽车负荷聚类分析,提出了基于极限学习机预测模型的电动汽车短期预测方法。其次,提出电动汽车聚合下的微能源互联网优化调度策略,利用电价激励电动汽车有序充电以减小负荷峰谷差进而降低系统发电成本。最后,仿真验证该优化调度策略的有效性。
-
关键词
微能源互联网
电动汽车聚合
能量优化调度
AP数据挖掘技术
极限学习机预测模型
-
Keywords
micro energy Internet
electric vehicles aggregation
energy optimal scheduling
AP data mining technology
extreme learning machine prediction model
-
分类号
TM73
[电气工程—电力系统及自动化]
U491
[交通运输工程—交通运输规划与管理]
-
-
题名基于VPMELM的滚动轴承劣化状态辨识方法
被引量：8
- 2
-
-
作者
郑近德
潘海洋
童宝宏
张良安
-
机构
安徽工业大学机械工程学院
马鞍山市安工大工业技术研究院工业机器人研究所
-
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第7期57-61,共5页
-
基金
国家自然科学基金(51505002)
安徽高校自然科学研究项目资助(2015A080)
-
文摘
针对变量预测模型模式识别方法(VPMCD)仅仅包含几种简单数学模型的问题,所建立的预测模型不足以反映特征值之间的复杂关系;极限学习机(ELM)回归模型是一种复杂且被广泛应用的模型,其模型可以反映特征之间的相互关系。结合极限学习机回归模型和VPMCD方法的优点,提出了一种基于极限学习机的变量预测模型(VPMELM)模式识别方法,并将该方法应用于滚动轴承劣化状态实验中。实验表明,基于VPMELM的辨识方法可以有效地对滚动轴承的劣化状态进行识别。
-
关键词
极限学习机
变量预测模式识别方法
基于极限学习机的变量预测模型
滚动轴承
-
Keywords
extreme learning machine
variable predictive mode based class discriminate （ V P M C D ）
variable predictive mode-based extreme learning machine（ V P M E L M ）
rolling bearing
-
分类号
TH113
[机械工程—机械设计及理论]
-
