排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
新能源发电不具备惯量能力和一次调频能力,随着电网中新能源渗透率的不断增加,会严重影响系统的频率稳定性。在MATLAB/Simulink中建立考虑新能源发电接入的电力系统频率响应模型,在此基础上理论分析了频率响应过程中各参数的解析表达式,并利用频率响应综合评估模型对不同新能源渗透率下的电网频率响应进行仿真,从新能源渗透率角度分析了电力系统频率特性指标受影响程度,为从新能源渗透率角度分析电力系统频率特性指标提供了参考。 相似文献
2.
传统PD虚拟惯量控制虽然能有效避免无惯量情况下频率的二次跌落问题,但应对风速变化时,传统控制方法中固定的惯性系数可能导致惯量响应中惯量的过余或不足,风机输出有功功率延时变化,影响系统频率的变化,惯量响应效果不理想。为此,在搭建PD虚拟惯量控制模型的基础上,综合考虑转子动能与风速变化对虚拟惯量调节的影响,通过当前风速与下一时刻预测风速对应的旋转动能超前算出满足系统的变微分系数,优化传统控制方法中的风机辅助功率,匹配系统适时的惯量效应,在系统频率调整方面具有更高的灵活性,同时避免了传统控制方法机械、固定的全惯量支撑,减小机组的调频压力。最后通过仿真验证了所提策略的有效性。 相似文献
3.
风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每个模态序列建立了各自的预测模型。鉴于双向长短时记忆神经网络良好的泛化能力,建立了基于BiLSTM的各模态预测模型。进一步采用粒子群算法优化了BiLSTM参数,解决了模型非线性、高维、多模态等问题,获得了各模态分量的最优模型,并通过汇总各模态分量的结果得到了风电功率预测值。最后,以湖南省某风电场的实际运行数据为例,验证了EMD-PSO-BiLSTM模型可以有效提高风电功率短期预测精度。 相似文献
1