排序方式: 共有54条查询结果,搜索用时 15 毫秒
1.
2.
导体温度作为运行电缆的关键状态参数,是影响电缆载流能力、绝缘性能的重要因素。针对传统方法难以克服电缆本身物性参数和外部环境变化影响的局限,构建了以电缆运行电流和电缆实时外表面温度为输入,以导体温度为输出的Elman神经网络模型,并引入粒子群算法优化网络的初始权值和阈值。最后,提出了具体的电缆导体温度动态计算方法,通过设计不同工况下电缆温升实验,进而验证了所提出方法的有效性。实验结果表明,所提方法的计算准确度可以不受电缆物性参数、负荷变化方式及外部环境变化的影响,有助于实现电缆导体温度的实时监测。 相似文献
3.
4.
电动汽车虚拟电厂的多时间尺度响应能力评估模型 总被引:1,自引:0,他引:1
从电动汽车集群运营商的角度,对电动汽车虚拟电厂(EVPP)参与电力系统优化调度时的多时间尺度响应能力进行评估。首先,考虑包含荷电状态与充放电状态在内的电动汽车时序状态,建立了单一和连续时间断面单体电动汽车响应能力模型。在此基础上,提出了包含日前和日内修正的EVPP多时间尺度响应能力评估模型:在日前利用电动汽车状态预测数据对EVPP日前响应能力进行评估;在日内根据一种综合考虑响应时间裕度和荷电状态裕度指标的EVPP调控策略确定具体调控结果,进而对日前响应能力评估结果进行修正,在有效跟踪系统调控目标的同时实现EVPP响应能力动态更新。最后,以包含3种不同交通用途类型的电动汽车集群为例,验证了EVPP多时间尺度响应能力评估模型及调控策略的有效性。 相似文献
5.
考虑条件风险价值的虚拟电厂多电源容量优化配置模型 总被引:1,自引:0,他引:1
虚拟电厂中风、光等可再生能源出力及市场电价的不确定性会导致其收益具有一定的风险性。合理配置虚拟电厂中风电、光伏、储能以及常规机组的容量,能够降低系统成本,使投资者的利益最大化。以投资和运行成本最小为优化目标,采用条件风险价值作为风险量度的指标,建立了一种基于投资组合理论中计及风险量度的虚拟电厂容量优化配置模型。在此基础上,探讨风险偏好对规划虚拟电厂多电源容量配置的影响,以及环境成本、自然资源及负荷之间的相关性对配置结果的影响。以美国德克萨斯州某地区附近的风、光资源,电价及负荷数据为实例,采用场景技术模拟不确定性。算例结果表明了该模型的正确性,可为不同风险偏好的投资商在规划建设虚拟电厂时面对多电源容量配置问题提供定量依据。 相似文献
6.
区块链作为一种新兴的基础架构与分布式计算范式,具有去中心化、公开透明、不可篡改、可追溯等特点,与能源互联网的开放、对等、互联和共享特征相符合,有望推动能源互联网的进一步发展。首先详细归纳了能源区块链的研究现状,具体在分布式能源交易、阻塞管理与辅助服务、需求响应服务、碳排放权认证与绿色证书交易、数据管理与信息安全以及能源数字代币的发布与投资6类典型应用场景展开。其次,总结评述了每种应用场景对应的典型能源区块链项目。最后,对能源区块链在我国的发展前景进行了展望,并提出了相关的发展建议。 相似文献
7.
针对光伏电站低电压穿越过程中存在的直流电压波动和系统频率特性恶化的问题,提出了一种基于二阶线性自抗扰的光储协同低电压穿越控制策略,该方法通过在光伏电站交/直流侧并联储能装置实现低电压穿越。直流侧储能装置在电压跌落时吸收直流母线冗余的能量,维持直流电压的平衡,并且储能装置采用二阶线性自抗扰控制,保证直流电压在故障瞬间的稳定;交流侧储能装置采用功率补偿控制和一次调频控制,实现频率支撑。所提出的方法能够保持直流电压恒定,维持系统频率平衡,减少了系统能量损失,有效增强了高渗透率分布式光伏发电系统在低电压穿越期间的主动调节能力。 相似文献
8.
通过能源综合化建设来实现终端能源的高效化,成为当前支撑碳中和碳达峰的重要途径之一。针对园区能源系统能效提升、规划配置等问题,提出了园区综合能源系统经济-能效多目标优化规划模型。分析园区综合能源系统的基本结构,以年总成本、综合能效为优化目标,并考虑能源规划投资和能源运行安全的各类约束,建立了园区综合能源系统多目标优化规划模型;然后,基于NSGA-II算法和融合模拟退火算法的特点,融合模拟退火算法的搜索机制改进NSGA-II的求解性能;最后,以我国某园区为例验证模型和算法的有效性。 相似文献
9.
10.
由于风力发电的随机性和间歇性,风功率预测不仅需要准确的点预测,而且需要可靠的区间预测和概率预测来量化风功率的不确定性。提出了一种基于变分模态分解(variational mode decomposition,VMD)和分位数卷积-循环神经网络的风功率概率预测模型。首先,使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量,再通过卷积神经网络(convolutional neural network,CNN)提取反映各模态分量动态变化的高阶特征。然后,基于提取的高阶特征进行分位数回归建模,采用长短期记忆(long short-term memory,LSTM)循环神经网络预测未来任意时刻不同分位数条件下的风功率值。最后,利用核密度估计(kernel density estimation,KDE)得到风功率概率密度曲线。以中国某风电场数据作为算例测试,证明了所提出模型的有效性。 相似文献