首页期刊导航|计算机仿真
期刊信息/Journal information
计算机仿真
计算机仿真

吴连伟

月刊

1006-9348

kwcoltd@public.bta.net.cn jsjfz@compusimu.com

010-68767186

100037

北京海淀阜成路14号

计算机仿真/Journal Computer SimulationCSCD北大核心CSTPCD
查看更多>>本刊旨在促进我国仿真技术交流和发展，既总结过去、探索基础理论，又跟踪发展前沿，重点报导仿真应用成果。现已是中国科技论文核心期刊。于2003年被《中国科学文献计量评价研究中心》评为优秀期刊。同时被选入中国学术期刊（光盘版）文献检索系统、中国科学引文数据库、中国核心期刊数据库。现已成为仿真技术领域中优秀期刊。
正式出版
收录年代

    机场光伏系统对塔台的眩光效应研究

    岳云涛王炳铮李若凡马霄鹏...
    59-64,479页
    查看更多>>摘要：针对机场光伏阵列引起的眩光导致塔台交通管制员的视觉冲击问题，提出了一种光线追踪与图像处理结合的眩光测试评估模型。依据各光伏子模块布置角度复杂、难以准确界定眩光源及发生时间的特点，优化观测点视域仿真方法获得塔台管制员视觉图像，利用参数化平台Grasshopper计算眩光概率值及眩光指数值，对比分析光线追踪筛选后的潜在眩光点位及视觉任务区亮度值，以相关规范的阈值要求为依据，结合具体工程案例的测试结果，验证了仿真测试结果的有效性与实用性。

    不舒适眩光太阳能光伏亮度眩光概率眩光指数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    考虑电感饱和的逆变器变开关频率控制仿真

    杭阿芳王秀梅
    65-68,474页
    查看更多>>摘要：不当操作会导致电感饱和状态下逆变器功率损耗严重，为了提升频率控制的稳定性，提出考虑电感饱和的逆变器变开关频率控制方法。根据逆变器的构成获取相关参数的矢量关系，利用基尔霍夫电压定律生成电感饱和状态的逆变器数学模型，通过旋转构建逆变器在dp坐标系下的数学模型，用于预测推导逆变器的电压值。设计开关控制的三大核心成分，分别为功率鉴定器、频率鉴定器和频率滞环比较器，利用电压定向矢量控制方法分别从三个核心成分中得出逆变器的损耗、功率控制结果以及频率状态量误差，完成逆变器变开关频率控制。实验结果表明，所提方法的电压控制效果较好，频率控制稳定性较高。

    电感饱和逆变器开关频率控制频率环基尔霍夫电压定律

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ELM和误差校正的风力发电区间预测方法

    胡子延温蜜魏敏捷
    69-74,101页
    查看更多>>摘要：风力发电过程中具有不稳定性和随机性，传统的点预测获得的结果准确性欠佳且无法获得预测值的区间波动范围。提出了一种基于极限学习机(ELM)和误差校正的风力发电区间预测方法。首先，使用皮尔逊相关系数挖掘出数据集中重要特征;然后，建立ELM网络生成预测值，将生成的预测值与原始的风力发电功率值作对比得到风力发电功率的误差;再将误差和原始的数据结合成新的数据集输入到已经训练好的ELM网络模型中，得到校正过后的误差;最后，通过所提出的区间构造方法得到风电功率预测区间。仿真结果表明，校正过后的误差比原始误差小，构造出的区间具有较高的可靠性和较窄的区间带宽，能更准确地描述风力发电出力范围。

    风力发电特征挖掘预测区间极限学习机误差校正

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于MIC-ResNet-LSTM-BP的短期电力负荷预测

    简定辉李萍黄宇航梁志洋...
    75-79,499页
    查看更多>>摘要：电力能源的合理调度是关系民生的重要问题，而合理的电能调度离不开精准的负荷预测。为有效提高负荷预测精度，提出一种基于MIC-ResNet-LSTM-BP的短期电力负荷预测方法来预测未来1 天和3 天的负荷。首先，采集6 维负荷特征数据，利用最大信息系数(MIC)分析各影响因素与负荷的关联程度从而进行特征选择;其次，采用残差网络(ResNet)对数据进行特征提取;然后，将重构数据输入到长短时记忆网络(LSTM)挖掘数据时序特征;最后，采用Dropout层增加模型泛化能力，通过改进BP神经网络学(BPNN)习数据特征并利用Adam优化器训练模型。将以上模型与BPNN、KNN、LSTM、LSTM-BPNN作对比实验，有力验证了上述模型在负荷预测领域的精准性。

    最大信息系数负荷预测残差网络长短时记忆网络神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    高压电力电缆终端局部放电在线监测方法仿真

    李瑞周自强刘珊王婷...
    80-84页
    查看更多>>摘要：随着电力传输技术的快速发展，高压电力电缆的应用日益普遍，对高压电力电缆终端的局部放电行为进行在线监测的需求也逐步增长。为了解决当前监测算法实效性差、准确率低等问题，提出了一种基于条件生成网络的灰度判别在线监测算法。算法首先通过红外相机对电力电缆终端进行特征采集，采集的灰度照片再使用均值化的方法进行背景去噪;然后再基于k-Means算法进行局部放电部位定位，确定电缆终端是否有放电现象;最后使用条件生成网络对放电判断步骤进行优化，并采用温差判别法判断放电程度，从而提升放电监测的准确率。实验结果表明，所提算法在局部放电监测方面准确率提升了 5%，提高了监测的精确度，减小了由于局部放电对电力传输的危害。

    高压电力电缆局部放电生成对抗网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进布谷鸟搜索算法的光伏MPPT控制

    李艳波王笑寒陈俊硕高江琦...
    85-91页
    查看更多>>摘要：复杂阴影情况下，光伏阵列的P-V特性曲线会出现多个峰值，传统的MPPT算法因不能准确识别局部峰值和全局峰值，而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search，CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题，提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化，提高算法的搜索能力;将步长因子自适应化，提高算法的收敛速度;引入高斯扰动和精英反向学习策略，增加种群多样性，避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试，并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明，EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

    局部阴影最大功率点跟踪布谷鸟搜索算法高斯扰动精英反向学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    不平衡电压下光伏逆变器直接功率控制仿真

    刘国旗卢倩楠
    92-96页
    查看更多>>摘要：为了有效避免不平衡电压下光伏逆变器产生的波动，提出不平衡电压下光伏逆变器直接功率控制方法。分析光伏逆变器的特点，通过三相逆变器拓扑结构，设计直流侧与交流侧的滤波器参数，结合不平衡电压情况，构建逆变器并网模式下的数学模型，得出不平衡电压对光伏逆变器产生的影响。引入调节参数实时调整自然振荡频率，准确提取正负序分量以及相位信息。通过多目标协调控制方法组建多目标函数，运用粒子群算法对多目标函数寻优处理，输出最优协调系数，使光伏逆变器工作在最优状态，实现光伏逆变器直接功率控制。仿真结果表明，所提方法能够准确提取谐波分量，在功率控制中能够保持一定的稳定性。

    不平衡电压下光伏逆变器直接功率控制调节参数粒子群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于AdaBoost算法的新能源汽车电机异常故障检测

    倪龙飞白倩张治斌
    97-101页
    查看更多>>摘要：新能源汽车的电机系统包含许多复杂的部件和子系统，部件之间的相互作用使得异常故障的检测变得复杂，而电机异常故障检测主要采用人工检测方式，即通过耳朵听声音，用眼睛观察，用手触摸找出故障位置，导致故障检测精度较低。因此，提出AdaBoost算法下新能源汽车电机异常故障检测方法。通过传感器采集电机信号，采用距离相似度、模糊隶属度函数提取信号特征，借助遗传算法的编码操作、交叉操作及其变异操作获取关键信号特征，运用自适应增强(Adaptive Boosting，AdaBoost)算法将信号特征分成正常信号和异常故障，以此实现对新能源汽车电机异常故障检测。实验结果表明，所提算法电机异常故障检测精度高，且耗时短。

    弱分类器强分类器遗传算法新能源汽车电机异常故障检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于PSO-CNN-LSTM的短期热负荷预测模型

    谢文举薛贵军白宇
    102-107,278页
    查看更多>>摘要：为提高短期供热负荷预测精度，减少供热不均与供需失调所造成的能源浪费，提出一种基于粒子群(Particle swarm op-timization，PSO)、经验模态分解(Empirical Mode Decomposition，EMD)、卷积神经网络(Convolutional Neural Network，CNN)和长短时记忆神经网络(Long Short Term Memory Network，LSTM)的混合预测模型。首先，针对供热负荷呈现非线性、复杂性等特点，采用EMD对供热负荷分解，从而实现弱化供热负荷复杂程度;其次，分别运用CNN与LSTM提取供热负荷空间特征与时域特征;最后，结合PSO算法对LSTM网络的超参数进行调整，寻找出最优参数。实验表明，结合EMD分解的PSO-CNN-LSTM网络相比LSTM、CNN-LSTM、EMD-CNN-LSTM平均误差分别降低了 44%、34%、24%、21%，拥有更高的预测精度和拟合效果。所提模型为集中供热负荷预测提供了一种新的思路，对于制定集中供热能源分配提供了参考意义。

    碳中和经验模态分解粒子群优化长短时记忆网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于概率权重灰色马尔可夫模型的腐蚀预测

    郑宇佳董增寿张晓红石慧...
    108-113页
    查看更多>>摘要：精准地预测管道的腐蚀发展趋势是降低油气事故损失，保证其安全运输的主要途径之一。针对常用的基于聚类中心灰色马尔可夫预测模型中等转移概率会导致较大预测误差的问题，提出了一种基于概率权重的灰色马尔可夫模型用于油气管道腐蚀预测。首先用灰色模型对管道腐蚀状态进行初步预测，后采用模糊C均值聚类对预测误差数据聚类，并提出基于概率权重的马尔可夫模型对预测值进行修正，以提高出现等转移概率时模型的预测精度。最后通过两个实例验证了上述模型的有效性和正确性，并与基于聚类中心灰色马尔可夫模型进行比较。

    管道腐蚀灰色马尔可夫聚类概率权重

      原文链接:
    • NETL
    • NSTL
    • 万方数据