排序方式: 共有116条查询结果,搜索用时 15 毫秒
81.
随着电力系统中风电渗透率的不断提高,电力系统潮流分布的复杂性和不确定性随之增加。为解析含风电互联电力系统的稳定运行特性,提升接纳间歇性可再生能源发电的能力,文章提出利用概率灵敏度指标优化配置风电落点。首先,针对互联系统多种运行方式,研究系统状态矩阵与留数之间关系,构建系统概率灵敏度指标,辨别引起系统低频振荡的相关因素和强相关电机组。之后,采用特征根和动态时域仿真,对比分析“增加”和“替换”风电两种配置方案对系统振荡特性的影响,并确定风电入网的最优配置落点。最后,采用算例对所提方法的可行性与有效性进行仿真验证。 相似文献
82.
针对直流母线采样电机控制系统电压空间矢量脉冲宽度调制问题,分析传统空间矢量脉冲宽度调制(SVPWM)方法的电流采样机理,揭示其在直流母线采样系统中不可观测区域的存在机理,通过定义最小采样时间的概念精确划分出直流母线电流采样不可观测区域,进而通过插入测量矢量和补偿矢量提出直流母线采样电压空间矢量脉冲宽度调制(SSVPWM)方法及其电流重构策略.通过实验验证了所提方法的电流采样误差低于2%、相电流高次谐波含量低于3%、三相电流畸变率低于1.6%,为高性能矢量控制提供了精确的电流测量. 相似文献
83.
三相四开关变换器作为三相六开关变换器的容错结构,在离网模式下,直流侧电流经电容流入故障相,导致直流侧中点电压不均衡,进而降低了负载侧电能质量,影响电容器寿命。针对此问题,设计一种考虑中点电压平衡的模型预测电压控制策略。首先,对离网模式下的电压矢量进行分析,建立αβ两相静止坐标系下的电压预测模型。在此基础上设计中点电压平衡控制,通过低通滤波器提取直流侧电容中点电压偏差值中的直流分量,经预测模型计算得到电流补偿值。将其代入价值函数求解最优电压矢量,进行模型预测电压控制,实现三相四开关变换器离网模式操作。该控制策略无需锁相环和PWM调制,易于实现。通过仿真及实验,验证了所提出控制策略的有效性。 相似文献
84.
随着可再生能源在电力系统中所占的比例日益提高,电力系统的电源结构发生了巨大变化,可再生能源的高渗透性、出力的随机性和不确定性,使得电源侧、负荷侧对电力系统调峰资源需求问题逐渐凸显。首先,总结可再生能源时序发电特性和空间分布特性,对高比例可再生能源电力系统的调峰问题进行了说明。然后,对多种调峰储能类型的配备、特点、发展趋势等研究成果进行总结与归纳,对需求侧参与电力系统调峰方式进行归纳总结,包括需求响应建设、发展电力市场和辅助调峰服务市场以及增强电力传输能力。最后,对未来高比例可再生能源电力系统调峰问题研究前景进行了讨论与展望。 相似文献
85.
虚拟同步发电机因能为电网提供电力电子装置渗透率提高所降低的惯性和阻尼而得到广泛关注。虚拟同步发电机采用PWM控制输送电网电流,但需要PWM波调制和PI控制。基于此,提出了虚拟同步发电机电流模型预测控制策略,以无需PWM波调制和PI控制的模型预测控制来弥补PI调制参数复杂、调制困难的缺陷,同时提高灵活度,增强鲁棒性。采样变换器的输出电流经虚拟同步发电机和电流预测模型分别生成参考电流、预测电流,根据代价函数,选取8种开关矢量中误差最小的一组作用于变换器,形成电流闭环控制。所提控制策略结构简单,灵活易操作,能在为电网提供惯性和阻尼的同时,还提供有功和无功功率支撑。仿真和实验验证了所提策略的有效性。 相似文献
86.
针对传统鲸鱼优化算法全局探索能力不足、收敛精度低、速度慢等问题,提出一种基于围攻机制的改进鲸鱼优化算法.首先,使用Tent混沌映射和非线性参数,使种群的分布更均匀,并且协调了鲸鱼优化算法的探索与开发能力;其次,考虑算法适应度在寻优中的重要作用,提出限制适应度控制和高斯检测机制;最后,结合哈里斯鹰优化算法的围攻机制,提升鲸鱼优化算法的全局探索和局部寻优的能力.将改进的算法与多种算法在13个可变维基准函数上进行仿真测试,结果表明,基于围攻机制的改进鲸鱼优化算法,在拥有较好鲁棒性和稳定性的同时,能够保证收敛精度与速度. 相似文献
87.
88.
近年来,模型预测控制被广泛应用于两电平电压源逆变器以实现并网控制。然而,常规有限控制集模型预测控制(FCS-MPC)存在参数失配时预测精度下降的问题。为此,提出一种适用于LC滤波型逆变器并网电压鲁棒预测控制的无参数FCS-MPC方法。首先分析了参数变化对常规LC滤波型逆变器并网电压预测控制的影响。然后基于超局部建模理论建立了LC滤波型并网逆变器的二阶超局部模型,并研究了2个集总扰动的计算方法。该计算方法省去了网侧电流传感器,节约了成本,并实现了无参数预测控制。实验结果表明,与常规FCS-MPC方法相比,在参数不匹配的情况下,所提无参数FCS-MPC方法仍能达到较好的模型预测控制性能,验证了所提方法的有效性。 相似文献
89.
90.
高效准确的短期负荷预测是电力系统安全稳定与经济运行的重要保障。针对峰荷与谷荷预测误差较大的问题,提出一种基于栅格法提取负荷曲线特征的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network, CNN-LSTM)混合预测模型。首先,采用K-Medoids算法对日负荷曲线聚类,将各聚类中心作为典型代表日负荷曲线。采用栅格法将典型代表日负荷曲线划分为若干个区间并依次编号,提取负荷曲线的特征。然后,将各典型代表日负荷曲线特征与对应负荷类型历史数据重构成新的特征集输入到CNN-LSTM混合神经网络中。利用CNN挖掘数据间的特征形成新的特征向量,再将该特征向量输入到LSTM中进行预测。最后,以美国新英格兰地区2012至2013年电力负荷数据集为例进行仿真验证。结果表明,所提方法在不同日期下的负荷预测精度均有所提升,并且在提升日负荷平均预测精度的同时,有效提升了峰荷、谷荷的预测精度。 相似文献