- 张彬桥;邹霖;万刚;
为提高锂离子电池SOH(健康状态)估计精度,提出一种基于SAO-BiLSTM-KAN(雪消融优化-双向长短期记忆神经网络-柯尔莫哥洛夫-阿诺德网络)的电池SOH估计方法。首先从电池充电过程中提取数据,并通过容量增量分析提取健康特征;然后将特征输入BiLSTM网络以捕捉时间序列中的长期依赖关系,进一步将BiLSTM输出传入KAN网络,以挖掘特征间的复杂非线性关系,从而提升估计性能。为达到更好的效果,引入SAO对模型超参数进行寻优。实验结果表明,所提模型在各类对比实验中均表现出优异性能,SOH估计的RMSE(均方根误差)与MAE(平均绝对误差)均低于0.919%,验证了该方法在预测精度和泛化能力方面的优势。
2026年01期 v.45;No.357 57-65页 [查看摘要][在线阅读][下载 2254K] [下载次数:269 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:38 ] - 黄学勤;杨鹏举;赵耀;高少炜;
现有基于预测误差的风电功率区间预测通常只考虑风速的影响,在建模过程中忽略了时间影响的问题。对此,提出一种结合N-HiTS(神经分层插值时间序列预测)点预测模型与GAM(广义可加模型)-DVQR(D-vine分位数回归)理论的风电功率区间预测模型。首先,采用N-HiTS对风电功率进行点预测并得到预测误差;然后,构建预测误差的DVQR模型,通过P样条GAM引入时间变量,对Copula参数对应的相关系数进行建模,得到预测误差的条件分位数;最后,根据误差的条件中位数对点预测值进行修正,并叠加误差条件分位数,得到风电的区间预测结果。以中国山西省某风电场实际数据集为例,验证了所提方法的有效性与优越性。
2026年01期 v.45;No.357 66-77页 [查看摘要][在线阅读][下载 3179K] [下载次数:59 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:42 ] - 张浩雅;邵文权;吴成锋;杨鹏;
电网功率扰动引发转动惯量与阻尼系数动态耦合失调,导致传统光储VSG(虚拟同步发电机)存在有功超调及频率波动大的问题。提出一种基于EWOA(增强鲸鱼优化算法)与RBFNN(径向基函数神经网络)的光储VSG惯量与阻尼自适应控制策略。结合VSG数学模型与小信号模型,分析惯量及阻尼参数的调节方法及其取值范围。通过引入动态参数调整及精英个体指导机制,基于EWOA实现对RBF(径向基函数)权值的全局优化,提升网络对非线性系统的逼近精度与泛化能力。优化后的RBFNN可实时调节VSG惯量与阻尼参数,实现系统动态特性的自适应控制。仿真验证表明,该策略能够有效抑制有功超调及频率偏差,尽管频率波动略有增加,但频率超调量控制在0.5%以内,满足系统运行要求;同时有效缩短系统稳定时间,提升暂态响应性能和系统动态稳定性。
2026年01期 v.45;No.357 78-89页 [查看摘要][在线阅读][下载 2224K] [下载次数:52 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:56 ] - 王欣怡;李晓露;柳劲松;林顺富;
在含GFL(跟网)与GFM(构网)变流器的混合型风电场中,GFM与GFL的不同容量配比显著影响风电场整体稳定性。为此,提出混合直驱风电场中GFL与GFM变流器的优化配比方法。首先,构建含GFL与GFM变流器的阻抗模型,用以分析GFM和GFL配置比例与风电场整体稳定性的关系,并基于PCC(并网点)阻抗和分岔理论分析混合风电场的稳定性。其次,根据风电场PCC电网侧等值阻抗的变化,以最小GFM单元占比为优化目标,在保证风电场整体稳定性约束下,确定GFL和GFM机组的容量配比,以提升风电场的安全稳定运行能力。最后,在MATLAB/Simulink平台中进行仿真验证,结果表明,在不同强度的电网下,应对功率指令下降和上升时,所提优化配比方案相比于平均分配方案,具有更短的响应时间和更好的稳定性。
2026年01期 v.45;No.357 90-101页 [查看摘要][在线阅读][下载 2955K] [下载次数:88 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:49 ] - 朱耿;蒋元元;王波;贺旭;王晴;
光伏场站量测数据的匮乏以及传感器故障、通信中断等造成的数据缺失,将影响功率预测的准确性与鲁棒性。因此,以构建统一多源域筛选机制与数据增强框架为目标,提出一种基于Voronoi图与改进TT-GAN(变换器生成对抗网络)的光伏时序数据增强方法。基于Voronoi图与数据强度指标实现多场景下迁移学习源站点集的动态选取,构建迁移学习赋能的Transformer-GAN模型,改进模型优化处理结构与微调方法,基于自注意力机制与有监督训练增强其处理数据噪声与特征学习的能力,使其适应数据生成和数据修补的不同目标。实验结果表明,所提模型在现有光伏时序数据集基础上实现了数据质量提升,能够提高功率预测的准确性。
2026年01期 v.45;No.357 102-115页 [查看摘要][在线阅读][下载 3171K] [下载次数:47 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:42 ]