考虑用户缴费满意度与用电舒适度的用电优化策略

随着智能家电的广泛应用以及负荷监测技术的发展,家庭可控负荷的优化调度已经成为虚拟电厂技术的重要研究内容。考虑家庭用户用电经济性和舒适度,提出一种综合考虑家庭用户电力负荷关联度和用电舒适度与缴纳电费满意度的多目标用电模型。根据用户的负荷特性,建立刚性负荷和柔性负荷的数学模型及其约束条件。引入负荷使用关联矩阵调整负荷运行时段参数,建立考虑用户用电舒适度与电费支出满意度的多目标用电模型,采用遗传算法对模型进行求解。算例分析结果表明所建立的优化策略能有效满足用户用电舒适度,实现用电经济性,为虚拟电厂中可控负荷的优化调度提供帮助。     

基于万有引力搜索算法的微电网风光储容量优化配置

针对规模化风光储发电单元运行可靠性差、经济效益低等问题,通过采用多目标万有引力搜索算法,实现对风光储发电单元的优化配置。建立发电单元的输出功率模型,包括风力发电机输出功率模型、光伏电池输出功率模型和储能电池输出功率模型;采用某地区2015年1月至12月的风光数据,得出风机、光伏电池一年的输出功率。以风机、光伏电池及蓄电池的容量为决策变量,以成本、能源浪费率及缺电率最小为优化目标,得到最优风光储容量配置组合。     

大型抽水蓄能机组励磁系统设计

抽水蓄能电站承担调峰填谷、调频调相、事故备用和蓄洪补枯等多重任务,具有运行灵活、反应快速的特点,在智能电网的建设中发挥着重要作用.文中介绍了大型抽水蓄能机组励磁系统控制功能和各主要组成装置的设计原则,为大型抽水蓄能机组励磁系统的设计提供参考.     

基于改进粒子群算法的附加励磁阻尼控制器设计

汽轮发电机组附加励磁阻尼控制器（SEDC）是为固定串补输电系统次同步谐振（SSR）提供有效阻尼的一种措施。文中采用的SEDC模型，在实现分离模态控制的同时，可使移相补偿和比例放大2个环节相互独立、互不影响。采用并行处理能力强、具有学习机制的粒子群优化（PSO）算法对SEDC参数进行寻优。同时，为防止算法陷入局部最优，引入变异机制以提高全局搜索能力。通过对一个有实际背景的研究算例的特征值分析和时域仿真分析，验证了文中基于改进PSO算法设计的SEDC鲁棒性强，能够为多模态SSR提供有效的阻尼。     

励磁系统中的最小励磁电流限制器

在研究励磁系统限制器的基础上,分析了最小励磁限制器的工作原理,以及最小励磁电流限制器的作用,阐述了励磁系统设置最小励磁电流限制器的必要性,最后给出了最小励磁电流限制器的整定原则。     

葵花-8卫星辐射数据的精度评估及其在光伏电站的应用研究北大核心CSCD

为验证葵花-8卫星辐射数据的质量,文章利用9个中国气象局标准气象站的辐射计观测数据,分别对葵花-8卫星的逐时太阳辐照度、日总太阳辐射量及典型月的日累积太阳辐射量进行了比较。首先,基于晴空因子参数,将卫星和气象站观测数据按照天气类型,分为晴天、多云和阴雨天3类数据,对不同的天气分组数据,分别计算卫星和气象站观测数据的相关系数和平均偏差的分布特性。对比结果表明,9个站点的卫星和气象站的日总辐射数据的平均相关系数为0.98,平均偏差为29.3 W/m^(2)。葵花-8卫星数据和气象站观测数据的相关性较高,平均偏差较低,因此卫星辐射数据可以近似代替地面辐射计,应用于光伏电站的发电量分析、智能运维等场景。通过对4个光伏电站的辐射计数据和卫星辐射数据进行对比,发现个别电站的辐射计数据和卫星辐射数据存在很大的系统偏差,说明电站的辐射计数据可能存在问题。卫星辐射数据可以辅助光伏电站进行辐射计故障的主动筛查,为光伏电站的智能运维提供了数据依据。     

基于神经网络逆系统方法的发电机励磁与汽门最优控制

采用神经网络逆系统方法,实现了发电机励磁与汽门系统的精确线性化,避免了对系统精确参数的依赖,然后对线性化后的系统基于最优控制原理设计了控制器.对一个典型系统一两区域四机电力系统进行了数字仿真,结果表明应用该方法可以显著提高电力系统的暂态稳定性.     

励磁调节器三冗余、双冗余和无冗余工作方式的比较

通过对三冗余、双冗余和无冗余励磁调节器工作方式故障概率的计算,比较这3种工作方式在正常调节、部分拒调和完全拒调情况下的正确调节概率,得出三冗余励磁调节器的优缺点,提出了改进方案,可供选型设计参考.     

低压微电网运行脆弱性评估

基于微电网拓扑结构和运行状态,提出了微电网运行脆弱性评估方法。首先定义了孤岛运行状态下的微电网脆弱性;其次对微电网进行脆弱性实时评估,分析微电网脆弱性实时评估的各种影响因素,建立微电网脆弱性实时评估概率模型,并基于风险理论建立风险后果度量函数。最后,通过算例验证评估方法的有效性及合理性。可以及时找出微电网脆弱性环节,为实现自愈提供理论基础。     

基于相空间重构ARIMA和SVR的母线净负荷预测

为实现对含分布式电源母线净负荷的实时跟踪和预测,以分布式光伏并入电网的母线负荷情况为基础,根据净负荷本身固有的线性和非线性属性,提出了基于相空间重构自回归滑动平均(autoregressive moving arerage,ARIMA)和支持向量机(support vector machine,SVR)的母线净负荷预测方法。首先基于历史净负荷数据使用ARIMA建立拟合模型,对净负荷线性成分预测分析,之后用CC法对非线性成分进行相空间重构,利用SVR模型对非线性部分进行预测。数据建模的结果表明,提出的ARIMA-CC_SVR预测模型对含有分布式光伏成分的母线净负荷适用性较强。