基于数字孪生技术的光伏发电功率预测方法研究

随着新能源技术的不断发展,光伏发电因具有绿色清洁、持续长久等优点得到了广泛应用,但同时其输出功率存在间歇性、随机性和突变性等特点,会对电网的稳定性带来负面影响,准确的功率预测对电网的稳定运行至关重要。近几年大数据及人工智能发展迅速,将数字孪生技术与功率预测相结合,可以得到高精度的预测结果。本文提出一种基于数字孪生的功率预测机制,建立数字孪生体实现光伏发电功率预测。该预测方法的推广应用为电网的稳定运行提供了可靠保证,有效提高了功率预测精度,具有很好的应用前景和现实的应用价值。     

风电场升压站启动试运行要点分析

结合风电场升压站的启动试运行经验,对升压站启动试运行中的要点进行分析,为新(扩)建风电场启动试运行工作提供参考。     

基于深度学习的光伏发电功率预测方法研究

近几年新能源技术不断发展,光伏发电因具有绿色清洁、持续长久等优点得到了广泛应用,但同时其输出功率存在间歇性、随机性和突变性等特点,会对电网的稳定性带来负面影响,因此准确的功率预测对电网的稳定运行至关重要。随着人工智能的兴起,将深度学习网络技术与功率预测相结合,可得到高精度的预测结果。为此提出一种基于长短期记忆网络的深度学习方法,建立分时长短期记忆网络模型,从而实现了光伏发电功率的预测。该预测方法的推广应用为电网的稳定运行提供了可靠保证,有效提高了功率预测精度,具有很好的应用前景和现实的应用价值。     

风电机组一次调频自适应控制策略研究

随着新能源技术的飞速发展,风电机组在新能源发电中的比例越来越高,风电渗透率也随之提高,进而导致了电网频率不稳定性的加剧,而采用常规机组进行调频备用的方式已经无法满足调频要求,因此本文提出了一种基于风电机组参与电网一次调频的自适应控制策略。首先,对风电机组一次调频备用的降载运行方式进行深入研究;其次对风电机组一次调频自适应控制策略进行研究,通过虚拟惯性参数和下垂参数可以根据风电机组的运行状态及电网频率进行自适应控制,通过算例分析验证了该控制策略的有效性,该控制策略实现了电网稳定性的进一步提升,具备进行大规模推广应用的价值。