基于 GA－SVＲ 数据融合的风机噪声预测述

研究风电机组振动噪声特性对机组工况判别及故障诊断的意义,以永磁同步风电机组为例,建立基于遗传算法的支 持向量回归( GA － SVＲ) 的多源数据融合振动噪声预测模型。采集机组空载、负载及变化风速不同运行工况下的振动、噪声 数据,基于信息熵理论处理后建立样本数据,并选择发电机主轴纵横两个方位、齿轮箱高速轴和低速轴纵横两个方位的振动 数据为模型输入变量,机组的噪声数据为模型输出变量,建立 GA － SVＲ 特征级融合预测模型,以实测数据验证预测模型。 结果表明,该预测模型在机组噪声预测应用中,能得到较精确的噪声波动趋势及预测值,具有实际应用可行性。     

考虑风电并网友好性的日前分层调度计划模型

为了最大程度消纳风电及激励风电场改善并网特性,提出了一种考虑风电并网友好性的日前分层调度计划模型。上层调度模型中,通过风电和常规机组的协调调度,实现系统综合成本最小的目标。下层调度模型中,建立风电友好性评估模型对风电场并网友好性予以评估。以风电功率预测信息及上层调度模型的风电出力计划等作为约束,制定各风电场的日前调度出力计划。最后通过在IEEE 30节点系统进行算例仿真,验证了该方法的有效性。     

基于云层分布规律与太阳光跟踪的光伏电站MPPT策略

针对现有光伏系统最大功率点跟踪(MPPT)较少考虑诸如光照等外界因素或即使考虑也多做定性分析的问题,提出一种基于云层分布规律与太阳光跟踪的大规模光伏电站MPPT策略。首先,分析云层对太阳光的散射、折射与遮挡效应,结合区域云层分布规律,构建太阳光跟踪装置(以下简称检测球)有效指导半径模型以及在光伏电站中优化布点模型;其次,依据光伏板输出功率差异,提出太阳光辐照强度边界自寻优划分方法,并基于光伏板与检测球间相对位置,建立检测球指导光伏板姿态调整数学模型。最后,采用粒子群优化算法获取单个光伏板最大功率点,进而实现光伏电站MPPT。以西北某光伏电站为背景,仿真验证了所提策略的正确性。     

单相断路器跳闸对逆变器换相的影响

若直流受端单回交流线路单相高阻接地时逆变器未发生换相失败,此时单相断路器跳闸可能导致换相失败。首先利用对称分量法推导建立了单相断路器跳闸后的换流母线电压表达式,基于表达式分析了影响换流母线电压的主要因素,发现其与系统等效参数相关。随后研究了换流母线电压偏移角对关断角的影响机理,发现单相断路器跳闸后换流母线电压过零点前移是导致关断角减小的主要因素,严重时会诱发换相失败。最后在PSCAD/EMTDC电磁暂态仿真软件平台搭建交直流仿真模型,仿真验证了受端单回线单相断路器跳闸对逆变器换相过程的影响,仿真结果与理论分析相吻合。     

考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略EI北大核心CSCD

在低碳经济背景下,针对大规模电动汽车并网后灵活调度困难和配电网内多主体利益冲突问题,提出了考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略。首先,根据电动汽车出行习惯的不确定性,基于蒙特卡洛抽样法,利用闵可夫斯基和建立电动汽车集群的荷储可调度能力模型。然后,考虑配电网运营商与电动汽车聚合商的利益冲突以及电动汽车的灵活性,结合荷储可调度能力,构建碳交易机制下配电网运营商与电动汽车聚合商两主体利益最大化的日前主从博弈模型和实时分配、调整偏差模型。最后,将日前双层模型转化为单层规划问题,并在改进IEEE 33节点系统进行验证。结果表明,电动汽车集群荷储可调度能力模型能够提高调度的灵活性,解决模型变量维度;所提策略降低了系统碳排放,实现了配电网内多主体利益共赢。     

基于直流电流有限时域预测算法的换相失败预防策略

针对故障暂态期间直流电流精确预测困难的问题,建立了含平波电抗器的直流线路暂态数学模型。计及暂态期间换相角变化的影响,提出一种直流电流变化量的预测方法,可准确预测暂态期间的直流电流变化。构建了基于换相期间直流电流变化量的换相失败预测判据,以实现首次换相失败的预测判别,并提出一种可有效预防首次换相失败的控制策略。基于PSCAD/EMTDC仿真平台搭建了CIGRE直流标准测试模型,不同故障情况下的仿真结果验证了所提方法及控制策略的有效性。     

基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法

针对目标域负荷数据样本不足导致模型训练不充分从而预测精度不高的问题,提出一种改进的分层级迁移学习策略结合多尺度CNN-BiLSTM-Attention模型的短期电力负荷预测方法。设计串并行相叠加的多尺度CNN作为特征提取器,把提取到的特征作为输入传递到两层BiLSTM结构进行进一步的学习,引入注意力机制调节捕获的信息向量权重。按照基础模型的结构划分层级,将源域数据按照拟合优度值的高低输入至模型进行分层级的迁移学习训练,保留每一层最优的训练权重,之后使用目标域数据对模型进行微调得到最终的预测模型。经实验证明,所提出的多尺度CNN-BiLSTM-Attention模型能有效提高负荷预测精度,在负荷数据样本不足时,改进的分层迁移学习策略相比于直接迁移学习能有效降低预测误差。以目标域6个月数据为例,MAPE指标降低13.31%,MAE指标降低15.16%,RMSE指标降低14.37%。     

基于GA-SVR数据融合的风机噪声预测述

研究风电机组振动噪声特性对机组工况判别及故障诊断的意义,以永磁同步风电机组为例,建立基于遗传算法的支持向量回归(GA-SVR)的多源数据融合振动噪声预测模型。采集机组空载、负载及变化风速不同运行工况下的振动、噪声数据,基于信息熵理论处理后建立样本数据,并选择发电机主轴纵横两个方位、齿轮箱高速轴和低速轴纵横两个方位的振动数据为模型输入变量,机组的噪声数据为模型输出变量,建立GA-SVR特征级融合预测模型,以实测数据验证预测模型。结果表明,该预测模型在机组噪声预测应用中,能得到较精确的噪声波动趋势及预测值,具有实际应用可行性。     

分布式直流电源远程监控系统及关键技术设计

为了提高分布式直流电源远程监控能力,构建了分布式直流电源远程监控系统架构,能够使其中的各种数据模块实时在线获取直流电源的实时数据信息,并将该数据信息传递到控制中心,从而实现动态调节智能化控制。在实现数据监控时,主控制器采用MSP430系列单片机,通过测量交流压降的方法采集电源的电压,温度检测电路采用DS18B20芯片。开关量监控模块采用AVR单片机Mega64L-8AU作为控制单元,并在通信接口处加装600W的防雷防浪涌保护装置,带有3000V的光电隔离。并设计出故障诊断电路,结合电阻平衡法、不平衡桥法和直流差流法对母线和支路接地故障进行诊断。试验结果表明,本研究方法能够大大提高分布式直流电源远程监控能力。     

基于系统频率响应特征的电网广义旋转备用优化配置

现有的旋转备用配置方法多将旋转备用的来源限定于常规发电机组,较少虑及储能装置与柔性负荷等新兴电力设施对旋转备用优化配置的积极影响。为此,文中提出了电网广义旋转备用的概念;借助序列化建模思路与可描述随机变量取值相依结构的Copula函数,建立电网等效负荷(电网原始负荷与对应时刻点新能源发电出力的差值)波动量与预测偏差模型;综合考虑系统频率响应特征,以电网广义旋转备用购置成本、停电损失成本与弃新能源发电成本最低为目标,提出一种基于系统频率响应的新能源高渗透电网广义旋转备用优化配置方法。以新疆某新能源高渗透区域电网实际运行数据为依据,仿真验证了所提方法的可行性。