基于改进的极限学习机光伏出力短期预测

针对传统极限学习机易陷入局部最优解的缺点以及环境变化导致光伏出力波动的特点，构建了一种基于自适应噪声完全集成经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）算法，结合黑猩猩优化算法优化极限学习机神经网络的光伏出力短期预测模型。首先利用CEEMDAN算法将影响光伏输出功率的关键环境因素序列进行分解，得到数据信号在不同时间尺度的局部特征，降低环境因素序列的非平稳性，然后将各分解子序列和光伏历史数据序列作为黑猩猩算法优化的极限学习机预测模型输入进行预测。最后，选用DKASC Solar Centre光伏电站数据集对不同预测模型进行验证对比。实例仿真结果表明，构建的改进光伏出力预测组合模型的各项指标预测效果更好，且适用不同环境的光伏发电预测。     

基于CEEMDAN-ISSA-BiLSTM的风电功率组合预测模型

针对风电功率存在间歇性、非线性和波动性而难以准确预测的问题，提出一种遵循“序列分解-网络预测-序列重构”的风电功率预测模型。针对风电场集群中的不同风电机组出力特性曲线，使用迭代自组织数据分析聚类算法(ISODATA)聚类得到典型出力曲线；利用自适应噪声完全集成经验模态分解(CEEMDAN)算法对聚类得到的原始风电序列数据进行模态分解，减少数据波动所带来的预测误差；建立各模态分量的双向长短期记忆网络(BiLSTM)预测模型，并使用改进麻雀搜索算法(ISSA)优化网络参数，再将各模态分量的预测结果叠加得到风电功率的最终预测结果。算例结果表明，所提预测模型的预测精度相比其他对比模型更高，且有着更好的泛化能力。     

基于VMD-Informer-BiLSTM模型的超短期光伏功率预测

由于光伏出力的波动性和随机性给电网的规划和运行带来了挑战,因此提高光伏功率预测的精度对提升新能源系统的稳定性具有重要意义。为此提出了一种结合模态分解、多维特征建模、Informer、双向长短期神经网络(bidirectional long short-term memory network,BiLSTM)的超短期光伏组合预测模型。首先通过变分模态分解将光伏功率序列分解成不同频率的本征模态函数(intrinsic mode function,IMF),降低光伏功率信号的非平稳性与复杂度;随后使用离散小波变换提取天气因素中的细节分量,实现不同分解算法的优势互补,并用随机森林算法为每个IMF筛选冗余特征,然后将特征矩阵送入Informer进行建模,提取不同时间步中关键时刻的信息,提高对长时间序列的预测效率;最后为进一步提高模型预测精度,分析误差序列特性,利用BiLSTM进行误差校正。采用实际光伏数据进行算例分析,结果表明所提方法提高了超短期光伏功率预测精度。     

基于优化核极限学习机的光伏出力短期预测

光伏出力的精确预测有利于确保电力系统的可靠运行,减小投资者的利益风险。考虑到光伏出力的不确定性和非平稳性,首先采用自适应白噪声的完整集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将原始光伏出力序列分解为一系列相关性较强、较平稳的子序列,再使用核极限学习机(Kernel Extreme Learning Machine,KELM)分别对每一子序列进行预测。由于KELM学习参数选取对其预测性能有较大影响,提出了基于改进蝙蝠算法(Improved Bat Algorithm,IBA)对KELM模型参数进行寻优。最后,将每一子序列预测结果通过求和相加获取最终的预测值。实际算例表明,该IBA算法收敛速度快,全局搜索能力强,所提的CEEMDAN-IBA-KELM组合方法能有效提高光伏出力的预测精度。     

基于SSA-VMD-SE-KELM结合蒙特卡洛法的风电功率区间预测

为降低风电功率序列波动性并提高风电功率预测精度,提出一种基于SSA-VMD-SE-KELM和蒙特卡洛法的组合风电功率区间预测模型。采用麻雀搜索算法（SSA）优化后的变分模态分解（VMD）算法将功率序列分解为理想数量子序列,通过计算样本熵（SE）对其重构,得到新子序列分别建立核极限学习机（KELM）点预测模型,叠加各点预测结果得到最终点预测结果及功率误差序列,使用蒙特卡洛法随机抽样得到对应置信度下的预测区间。以实际采集到的历史数据为例进行预测,实验结果表明:与传统模型相比,此模型所得功率预测区间紧密跟随风电功率变化趋势,其区间覆盖率更高、平均宽度更窄。     

基于EMD-LSTM的光伏发电预测模型

随着能源消费结构的改变,可再生能源发电的消纳比例逐渐上升。文中以光伏发电功率为研究对象,分析了不同天气状态下的发电功率曲线特性及不同气象因素与光伏发电出力的相关性,进而提出了一种经验模态分解-长短期记忆神经网络(EMD-LSTM)方法融合的光伏发电功率预测模型。首先对预处理后的光伏发电功率历史序列进行重构,并对重构后的出力序列进行EMD分解,针对分解得到的各子序列分别建立长短期记忆神经网络模型,最后将各子序列预测模型得到的结果叠加得到光伏发电功率预测值。采用国内某地区光伏发电的实际出力数据对模型进行了检验,与滑动平均自回归模型(ARIMA)、支持向量机模型(SVM)、LSTM等预测模型相比,文中所提出的模型预测误差小,能有效提高光伏发电功率的预测精度。     

基于LCD-SE-IWOA-KELM的短期风电功率区间预测

针对风电功率的不确定性、随机性以及已有的风电功率点预测无法反应其不确定性信息的问题,提出了基于局部特征尺度分解(LCD)-样本熵(SE)和改进鲸鱼优化算法(IWOA)优化核极限学习机(KELM)的短期风电功率区间预测模型。采用LCD分解来降低原始风电功率序列的非平稳性,通过测量各ISC分量的样本熵来重构新的序列以降低过多的分量对预测精度带来的影响,然后分别建立各新序列的区间预测模型,最后将各新序列的预测结果进行叠加获得最终预测结果。采用改进的WOA算法优化核极限学习机的参数。实验仿真表明,文中所提模型能够获得良好的区间预测结果,具有一定的实际意义和应用价值。     

基于EEMD-Kmeans-ALO-LSTM的短期光伏功率预测

光伏功率预测对电网调度具有重要意义。针对光伏功率数据具有较强波动性和不稳定性的特点,提出了一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)、K均值聚类算法(Kmeans clustering algorithm, Kmeans)和蚁狮优化(ant lion optimization, ALO)算法优化的长短期记忆神经网络(long short-term memory network, LSTM)的光伏功率组合预测模型。对光伏功率数据进行EEMD分解,得到相应的本征模态分量(intrinsic mode function,IMF)和残差项;引入Kmeans聚类对分解后的序列重构,降低序列复杂度和分量数量;将重构后的子序列输入经ALO优化的LSTM模型进行预测,并将各序列预测结果简单加和作为最终预测值。与目前应用较广泛的EEMD-LSTM模型对比,表明EEMD-Kmeans-LSTM和EEMD-Kmeans-ALO-LSTM模型的预测精度均得到一定程度的提高。     

基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测

现有的风速预测方法大多是确定性的点预测,无法描述风速的随机性。针对该问题,建立基于变分模态分解(VMD)和蝙蝠算法-相关向量机(BA-RVM)的短期风速区间预测模型。对原始风速序列进行变分模态分解获得多个子序列;采用样本熵(SE)算法对子序列进行重组得到3类具有典型特性的分量;对各分量采用相关向量机算法分别建立预测模型。为进一步提高预测精度、缩小区间范围,引入蝙蝠算法(BA)对预测模型进行参数优化。将各分量的预测结果进行叠加求和得到一定置信水平下总体的区间预测结果。实际算例结果表明,与现有方法相比,所提区间预测方法的预测精度和区间覆盖率更高,区间宽度更窄。     

基于EEMD和BP神经网络的短期光伏功率预测模型

为了实现对并网型光伏电站调度,提出了一种基于集合经验模态能分解(EEMD)与BP神经网络的短期光伏出力的组合预测模型。利用集合经验模态分解将光伏出力序列分解,得到本征模函数分量IMF和剩余分量Res,降低序列的非平稳性。采用游程检验法优化因IMF分量数量多造成的建模过程复杂的问题,针对优化后的分量分别建立相应的BP神经网络预测模型。利用该方法对额定容量为40 k W的光伏系统进行预测,并与EMD-BP神经网络和传统的BP神经网络模型进行比较分析。结果表明,所提出的方法有效地提高了预测精度。     

电力系统应急通信电源装置的研制

为提高通信设备应急保电工作的效率,保障各变电站及各县、市供电局通信设备后备电源供电可靠性,针对通信保电工作模式存在的问题,研制了电力系统应急通信电源装置。并对装置进行了性能测试。应用结果表明：该装置有效地解决了应急通信设备保电工作中设备接线速度慢,可靠性、稳定性差的问题,简化了应急保电工作步骤,便于应急保电工作人员操作。     

一种新型高功率因数软开关电源

提出了一种新型高功率因数软开关小功率电源的设计方法,讨论了基于ML4803芯片控制的功率因数校正电路及无源无损的软开关DC/DC变换器。DC/DC变换部分采用了新颖的双管正激软开关技术,在不使用辅助开关管的情况下实现了开关管的零电压开通和关断,并成功研制了48V/10A的实用小功率电源模块,使其具有动态响应快、高功率因数、高效率及体积小等优点。     

电网中无功功率补偿

阐述了电网中的无功损耗、并联电容器补偿的作用原理、无功补偿方式及补偿容量的计算。只有做到合理补偿无功功率,才能有效地维持和稳定系统电压水平,从而降低有功损耗,提高系统供电效率。     

power games [power Olympics]

From the moment that International Olympic Committee president Jacques Rogge announced in July 2005 that the UK, or, more accurately, London, was to host the 2012 Olympics, the race was on to ensure that the electrical infrastructure in east London could support the requirements of the proposed high-tech 2.5sq km Olympic Park.     

Developing static reactive power compensators in a power systemsimulator for power education

This paper describes a newly installed laboratory module microcomputer-based static reactive power compensator (SVC) in detail to teach students how an SVC affects system voltage, load balancing, power factor, and transmission line losses. The SVC is merged into an old power system simulator for extensive power engineering education. The structure of the SVC is thyristor controlled reactors with fixed capacitors (TCR-FC). Two control algorithms, feedback control and feedforward control, are developed and compared. For the purpose of program flexibility and portability, a VME-Bus based microcomputer is used to synthesize the controller of the SVC. Several suggested experiments are given to show the effects of the SVC on distribution system compensation. The SVC greatly promotes the performance of the power system simulator     

含线间潮流控制器的电力系统联合潮流计算

线间潮流控制器(IPFC)能实现线路间的潮流转移和分配,可用于解决电力系统中潮流不均引起的一系列问题,具有较大的应用潜力和价值。为评估IPFC工程应用价值,需实现含IPFC的大系统潮流计算,但目前我国多用于电网规划设计的大型电力系统分析软件中没有开发IPFC模型。为解决上述问题,提出了一种基于Matlab与PSD-BPA的含IPFC电力系统的联合潮流计算方法。首先推导了IPFC功率注入模型的数学表达式,并设计了Matlab与BPA联合潮流计算的计算框架,由Matlab进行IPFC求解计算,BPA进行大电网潮流计算,通过数据交换接口完成两种仿真软件的交互与交替求解。进一步对IPFC功率注入模型进行改进,提出了一种基于PI控制器的变步长潮流迭代策略提高了计算方法的收敛性。以南通西北片电网为例,对提出方法进行了仿真验证,计算结果表明了提出方法的正确性和有效性。     

混合电源及功率预测系统在风电并网中的应用

随着风电场装机容量的不断增加,解决大规模风电场并网对电网稳定性的影响问题就显得尤为重要。考虑到风能的特点及我国能源的地理分布情况,首先介绍了风电-火电"打捆运行"为电力系统供电的联合运行方式,通过调节火电厂的输送功率对风电进行调度,以实现电网的稳定及对风能接纳能力的最大化。其次,提出了多尺度选择的风电功率预测及误差校正方法,根据不同尺度的风电功率变化规律,可实现对风机组、电力系统的控制,以便于风电调度。最后,配以合适的储能装置、无功补偿设备可进一步增强电网的稳定性。通过假设的算例进行了验证和分析,具有一定的适应性和实用性。     

考虑风电不确定性的配电网区间潮流计算

高渗透率风电的接入使得配电网三相潮流计算需要考虑更多不确定因素,传统的潮流计算方法面临严峻挑战.文中基于区间分析理论,采用区间数对风力发电系统出力的不确定性进行描述与分析,并建立了考虑风电注入功率不确定性的配电网三相区间潮流计算模型.为高效求解所建立的配电网三相区间潮流计算模型,基于对传统非线性区间方程求解方法的分析与...     

风电场电能质量的评估

阐述了风电场对电网电能质量的影响,根据电能质量的相关规定,通过实例对风电场电能质量进行了评估,并提出了需要采取相应的措施,以保证公用电网电能质量达到国家标准要求.