基于BART模型的风电技术文献摘要生成算法

针对风电技术文献专业性强、摘要自动生成困难的问题,提出一种基于BART模型与观察者机制的中文风电文献摘要生成算法（SummarizationGenerationBasedontheObserverMechanism of BART and Baidu DNN,SG-BART-DNN）.首先,根据风电文献的特征,利用Jieba分词算法,整理、搭建数据集,完成数据集的预处理工作;然后,引入BART模型,建立风电词汇向量空间,利用自建数据集,训练得到针对风电文献的生成者模型;最后,引入观察者DNN机制,设计基于联合损失函数的学习准则与训练方法,对生成者模型进行优化.实验结果表明：与同类算法进行对比,SG-BART-DNN模型对原文的理解更充分,生成的语句更准确,ROUGE-L得分更高,可以解决中文风电文献摘要生成的难题.     

含风电微电网负荷预测建模及其仿真

风具有随机间歇性特性,在并网条件下参与电网负荷预测,其风速和风向的间歇性会对电网产生很大冲击,严重影响电力系统的稳定性.结合微电网的特点和风电运行特性,搭建微电网的基本负荷模型和风电模型,并采用MATLAB/Simulink建立负荷预测仿真模型.仿真结果表明,含风电微电网不仅能够抵御消化风电并网的影响,还能够有效降低电网的负荷曲线的峰谷差.含风电微电网参与电网的负荷预测能够有效地提高电力系统的供电可靠性.     

35kV熔断器防雷接地事故原因及防雷改造

对某35 kV变电站雷电导致熔断器炸裂事故进行了分析,提出了增设避雷针、更换接地体、接地体与主接地网并接,以及并联安装保护间隙等防雷措施.采用电磁暂态仿真软件ATP-EMTP对接地电阻和保护间隙前后的防雷效果进行了仿真验证,实验结果表明,避雷器接地体与主接地网连接、熔断器并联安装保护间隙等措施能够有效地降低雷电过电压幅值.     

基于IVMD-CS-LSTM的超短期风电功率预测算法设计

功率预测对提高风电电能质量、减少风电并网时对电网的冲击起着重要作用.针对风电功率数据特征，提出一种基于改进变分模态分解（Improved Variational Mode Decomposition,IVMD）的长短期记忆神经网络（Long-Short Term Memory Network,LSTM）的风电功率预测算法，并利用布谷鸟（Cuckoo Search,CS）算法对LSTM进行超参数寻优.首先，通过相关性分析，对风电场10类数据进行特征筛选，确定与功率相关性最大的两类数据作为模型的输入数据.接着，利用IVMD计算最大包络线峰度，确定变分模态分解的最佳分解参数，将原始风速序列进行分解，得到时间尺度各异的本征模态分量（Intrinsic Mode Functions,IMF）.最后，针对LSTM神经网络模型的超参数优化困难、难以得到最优解等问题，提出采用CS算法对关键超参数进行寻优，建立了IVMD-CS-LSTM预测模型，得到了风电功率短期预测结果.采用实际风电场数据对算法进行测试，与常用预测算法比较，预测结果有更高的精度.