白癜风的诱发因素 http://pf.39.net/bdfyy/bdfzg/161014/4992915.html

团队介绍

杨博，英国利物浦大学博士(国家留学基金委公派全额资助)，昆明理工大学副教授、硕士生导师，致力于新能源发电系统智能优化与控制，以及人工智能在智能电网中的应用等研究。

现担任中国电工技术学会第八届理事会青年工作委员会委员、《电力系统保护与控制》第二届青年专家学术委员会委员、云南省电力行业协会高级咨询专家、核心期刊《电力建设》专刊合作主编、ESCI期刊《ProtectionandControlofModernPowerSystems》专刊合作主编。

目前共主持含国家自然科学基金，省部级、厅局级研究计划和企事业在内的纵横向科技项目6项。入选年云南省首届万人计划-青年拔尖人才(省部级)。获年中国电力企业联合会技术类一等奖、年中国产学研合作创新成果奖二等奖、年第二届IEEE亚洲能源与电气工程研讨会(IEEEAEEES)最佳青年科学家奖。

以第一作者著英文论著1章，申请国家实用新型3项，发表学术论文篇，其中在AppliedEnergy、EnergyConversionandManagement等能源领域顶尖期刊发表SCI索引论文87篇，以第一作者发表SCI论文33篇(包括ESI论文6篇，一篇为热点论文，中科院一区13篇)，以通讯作者发表SCI论文19篇。另外，在《电工技术学报》、《电力系统自动化》等杂志发表EI索引期刊论文12篇。

张孝顺，博士，副教授，硕士生导师，汕头大学卓越人才计划“优秀人才”，中国电工技术学会第八届理事会青年工作委员会委员，中国电工技术学会人工智能与电气应用专业委员会委员，广东省青年科学家协会会员，专注于电力系统优化运行与控制的智能化技术，重点研究高效的机器学习等人工智能算法。

围绕着这个研究方向，已发表国家级专著1本，已授权发明专利5项，已发表(含录用)SCI/EI期刊论文91篇，其中：SCI期刊论文54篇(34篇Top,4篇ESI高被引)；EI期刊论文37篇。近5年参与多项纵向与横向科研项目，主持国家自然科学基金青年基金项目1项、广东省自然科学基金面上项目1项。

荣获“年度电力创新奖技术类一等奖”、“年度江苏省科学技术奖三等奖”、“年度中国电工技术学会科学技术奖二等奖”、汕头市青年岗位能手、汕头市第一届五四青年奖章。本人担任《ProtectionandControlofModernPowerSystems》、《电力建设》等权威电力期刊专栏副主编，还担任《IEEETransactionsonPowerSystems》、《IEEETransactionsonSmartGrid》等20余个SCI/EI期刊的审稿专家，并被多次授予“优秀审稿专家”荣誉称号。

导语

本文提出了一种基于贪婪搜索的神经网络算法，以实现非均匀温差分布下集中式温差发电系统的最大功率跟踪。

该算法采用Levenberg-Marquardt法训练前馈神经网络，得到系统的输入-输出拟合曲线，以准确区分局部最大功率点和全局最大功率点。同时，基于拟合的曲线，设计压缩范围的贪婪策略快速逼近全局最大功率点。

三种算例下的仿真结果验证了所提算法的有效性。此外，基于dSpace的硬件在环实验验证了所提算法的硬件可行性。

项目研究背景

温差发电（TEG）的原理是利用热电材料的Seebeck效应将热能转换为电能，其不仅能有效利用自然界中的地热能、海洋热能和太阳能等清洁能源，还可回收工业及生活中产生的大量余热废热，提高能源利用率。

在能源危机和环境污染的时代背景下，TEG被视为一种具有广阔前景的绿色发电技术。通常，TEG系统工作在非均匀温差分布条件下，其特性曲线呈多峰特性。因此，本文设计了一种基于贪婪搜索的神经网络算法（GSNN），以在各种复杂工况下实现有效的最大功率跟踪（MPPT），从而最大限度地获得系统输出功率。

论文方法及创新点

GSNN实现MPPT的控制框架包括训练神经网络和贪婪搜索两部分，如图1所示。

首先，将前馈神经网络的输入和输出分别设置为DC-DC升压变换器的占空比和对应的TEG系统输出功率，进行神经网络训练。然后，基于神经网络训练拟合的输入-输出（I/O）曲线，执行贪婪搜索，得到新的训练样本，并重新训练神经网络。上述过程将反复执行，直至满足算法迭代终止条件。

图1GSNN整体控制框架

为验证所设计GSNN的有效性，本文以扰动观测法（PO）、粒子群算法（PSO）和群灰狼算法（GWO）为参照对象，在恒定温度、阶跃温度和灵敏度分析三种算例下进行仿真比较。其中，恒定温度下不同算法MPPT的电压、功率波形如图2所示。

图2恒定温度下不同算法的MPPT结果表1两种算例下各算法的统计结果

此外，本文基于dSpace进行了硬件在环实验以验证GSNN的硬件可行性。其中，恒定温度下硬件在环实验与仿真结果对比如图3所示。

图3恒温下仿真和硬件实验结果对比

结论

本文设计了一种新型GSNN算法以实现非均匀温差分布下集中式TEG系统的MPPT，其主要贡献和创新点可总结如下：

（1）GSNN利用神经网络拟合出非均匀温差分布下集中式TEG系统的控制输入-功率输出多极值曲线，将MPPT等效为一个黑箱问题，无需精确系统模型，就可实现快速稳定的全局MPPT，符合MPPT实时控制的要求。

（2）与传统启发式算法相比，GSNN通过拟合的I/O曲线引导贪婪搜索，可有效避免盲目的随机搜索，从而提高收敛速度及稳定性。

（3）三种算例的仿真结果表明，GSNN能在非均匀温差分布下快速稳定地产生最大能量。特别地，在阶跃温度下，GSNN产生的能量分别为PO、PSO和GWO的.23%、.40%、.26%。此外，基于dSpace的硬件在环实验验证了所提算法的硬件可行性。

引用本文

杨博，王俊婷，钟林恩，束洪春，余涛，张孝顺，谭恬.基于贪婪神经网络的集中式温差发电系统最大功率跟踪[J].电工技术学报，,35(11):-.YangBo,WangJunting,ZhongLinen,ShuHongchun,YuTao,ZhangXiaoshun,TanTian.MaximumPowerPointTrackingofCentralizedThermoelectricGenerationSystemusingGreedyNeuralNetwork.TransactionsofChinaElectrotechnicalSociety,,35(11):-.

转载请注明:http://www.aideyishus.com/lkzp/2146.html