由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一...由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一问题,提出了一种基于一致性算法及自适应下垂控制的储能单元SOC均衡控制策略。首先,通过定义电流比例系数,建立了各储能单元下垂系数与SOC之间的函数关系式,实现了储能单元自适应SOC均衡,并通过劳斯判据证明了系统的稳定性。其次,将所提控制策略与其他文献控制方法进行对比,并且考虑了4种不同工况对SOC均衡的影响。最后,通过Matlab/Simulink进行了仿真分析,验证了所提控制策略的有效性。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
文摘由于可再生能源的间歇性特点,储能单元广泛应用于孤岛直流微电网中。为保护储能单元,防止过度充放,需要对储能单元的荷电状态(state of charge,SOC)实行均衡控制,然而各储能单元线路阻抗及容量存在的差异将对SOC均衡造成影响。针对这一问题,提出了一种基于一致性算法及自适应下垂控制的储能单元SOC均衡控制策略。首先,通过定义电流比例系数,建立了各储能单元下垂系数与SOC之间的函数关系式,实现了储能单元自适应SOC均衡,并通过劳斯判据证明了系统的稳定性。其次,将所提控制策略与其他文献控制方法进行对比,并且考虑了4种不同工况对SOC均衡的影响。最后,通过Matlab/Simulink进行了仿真分析,验证了所提控制策略的有效性。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
