排序方式: 共有301条查询结果,搜索用时 15 毫秒
11.
“双碳”背景下,大规模新能源接入电力系统,频率响应空间分布差异扩大,此时各节点频率响应中的非全局分量可能主导频率稳定问题,而对于此类问题的研究目前尚不充分。为此,基于频率响应模态分解思路,提出新能源电力系统节点频率响应量化分析方法。首先,用惯量-阻尼-调频系统统一结构近似各类型设备频率-有功传递函数。然后,基于二次特征值分析方法将各节点频率响应进行分解,获得共模频率与若干差模频率的表达式。进一步地,解析了各频率分量的最大偏移量、变化率等关键特征量,并类比总惯量与全局频率变化率间的对应关系,针对各节点各模态频率分量定义了节点模态惯量指标。所提频率分解方法与指标直观地展示了电力系统中各差模频率的节点分布差异。最后,仿真验证了所提频率分解方法和指标的有效性。 相似文献
12.
13.
电能质量扰动信号的识别与分类是电能质量分析、评估和治理的基础和关键。针对电能质量扰动信号种类复杂、识别速度慢且准确率低等问题,提出一种基于ITD分解和孪生支持向量机的电能质量扰动识别方法。首先,对电能质量扰动信号做ITD分解,得到一系列固有旋转分量(PRC),并通过云模型的熵和超熵筛选出有效的PRC分量,减少特征冗余;其次,计算有效的PRC分量的模糊熵和能量熵,并根据模糊熵和能量熵求得混合特征矩阵;最后,基于混合特征采用麻雀优化的孪生支持向量机对扰动信号进行分类。仿真分析结果表明,该方法能识别多种电能质量扰动信号,且提高了对单一电能质量的识别准确率,进而为电能质量的分析、评估和治理提供辅助决策,以进一步提高供电质量。 相似文献
14.
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。 相似文献
15.
17.
19.
20.