针对超声速流场智能重构方法存在的复杂波系结构特征丢失、无法有效捕捉非定常流场的时间演化特性,以及共同导致的无法准确辨识激波串前缘位置(shock train leading edge,STLE)等问题,提出基于组合式细节特征增强的神经网络模型。基于...针对超声速流场智能重构方法存在的复杂波系结构特征丢失、无法有效捕捉非定常流场的时间演化特性,以及共同导致的无法准确辨识激波串前缘位置(shock train leading edge,STLE)等问题,提出基于组合式细节特征增强的神经网络模型。基于稀疏压力数据实现密度梯度场的高精度预测,模型通过多层卷积网络串联建立流场的主要波系结构特征,利用残差网络通过跳跃连接将不同尺度感受野的特征进行融合,增强重构流场的细节特征表达能力。基于冲压发动机数值模拟计算构建的数据集进行验证,结果显示,与多层卷积神经网络相比,该方法在整个测试集上的平均峰值信噪比提升了9.5%。重构流场的STLE与数值计算结果高度吻合,进一步证明了所提方法的有效性。展开更多
随着分布式新能源和电动汽车等虚拟储能的广泛接入,电力系统的不确定性和低惯量特性变得更加显著,系统的频率运行风险增加,并且主动配电网内部的供需关系呈现出更加灵活多样的特征,导致其与输电网之间的功率交互关系也更加复杂。为此,...随着分布式新能源和电动汽车等虚拟储能的广泛接入,电力系统的不确定性和低惯量特性变得更加显著,系统的频率运行风险增加,并且主动配电网内部的供需关系呈现出更加灵活多样的特征,导致其与输电网之间的功率交互关系也更加复杂。为此,构建了一种基于主动配电网灵活性支撑机制的电-碳-绿证分布式协同优化方法,以充分挖掘输配系统中分布式资源的支撑能力及其碳减排效益。首先,建立了与输配协同系统匹配的动态频率安全约束和基于双向调节模型的主动配电网灵活性支撑机制,提出了输配系统间的电-碳-绿证协同交互框架。为应对新能源出力的不确定性,将两侧子系统中涉及不确定变量的约束建模为联合机会约束。采用交替方向乘子法(alternating direction of multipliers algorithm,ADMM)进行输配系统的分布式协同。仿真结果表明,所提模型能够有效挖掘配电网中分布式资源的支撑潜力,灵活体现主动配电网的向外支撑能力或被支撑需求。与传统方法相比,系统动态频率安全性和输配协同调节灵活性显著提升,总运行成本较输电网单独调度模型降低13.42%,新能源减载量较忽略多市场耦合模型减少16.76%,系统运行经济性和低碳性明显改善。此外,所提出的求解方法比基于传统的样本平均近似方法减少约98%的计算时间,能够实现输配系统的快速分布式协同优化。展开更多
文摘针对超声速流场智能重构方法存在的复杂波系结构特征丢失、无法有效捕捉非定常流场的时间演化特性,以及共同导致的无法准确辨识激波串前缘位置(shock train leading edge,STLE)等问题,提出基于组合式细节特征增强的神经网络模型。基于稀疏压力数据实现密度梯度场的高精度预测,模型通过多层卷积网络串联建立流场的主要波系结构特征,利用残差网络通过跳跃连接将不同尺度感受野的特征进行融合,增强重构流场的细节特征表达能力。基于冲压发动机数值模拟计算构建的数据集进行验证,结果显示,与多层卷积神经网络相比,该方法在整个测试集上的平均峰值信噪比提升了9.5%。重构流场的STLE与数值计算结果高度吻合,进一步证明了所提方法的有效性。
文摘随着分布式新能源和电动汽车等虚拟储能的广泛接入,电力系统的不确定性和低惯量特性变得更加显著,系统的频率运行风险增加,并且主动配电网内部的供需关系呈现出更加灵活多样的特征,导致其与输电网之间的功率交互关系也更加复杂。为此,构建了一种基于主动配电网灵活性支撑机制的电-碳-绿证分布式协同优化方法,以充分挖掘输配系统中分布式资源的支撑能力及其碳减排效益。首先,建立了与输配协同系统匹配的动态频率安全约束和基于双向调节模型的主动配电网灵活性支撑机制,提出了输配系统间的电-碳-绿证协同交互框架。为应对新能源出力的不确定性,将两侧子系统中涉及不确定变量的约束建模为联合机会约束。采用交替方向乘子法(alternating direction of multipliers algorithm,ADMM)进行输配系统的分布式协同。仿真结果表明,所提模型能够有效挖掘配电网中分布式资源的支撑潜力,灵活体现主动配电网的向外支撑能力或被支撑需求。与传统方法相比,系统动态频率安全性和输配协同调节灵活性显著提升,总运行成本较输电网单独调度模型降低13.42%,新能源减载量较忽略多市场耦合模型减少16.76%,系统运行经济性和低碳性明显改善。此外,所提出的求解方法比基于传统的样本平均近似方法减少约98%的计算时间,能够实现输配系统的快速分布式协同优化。
