基于PCC-RBF网络的风电功率短期预测方法

风电功率预测对风电场安全平稳运行、电网调度具有重要意义。针对风电功率短期预测指标选择不合理、预测精确度偏低的问题,提出一种基于皮尔逊相关系数(PCC)和径向基函数(RBF)神经网络的风电功率短期预测方法。该方法利用PCC筛选出与风电功率密切相关的3个指标,即电流、温度、风速,然后以这3个指标作为预测模型的输入对风电功率进行RBF样本训练与短期预测。试验结果表明,所提的预测模型预测误差更小,预测精度更高,能够满足风电功率短期预测的要求,具有广泛的应用前景。     

基于电荷补偿的三电平NPC逆变器中性点平衡策略

三电平NPC逆变器的开关器件由于耐压水平低、电网侧并网电压谐波含量少等优点,广泛应用于大功率整流场合。中性点电压平衡问题一直是该拓扑的研究关键。通过对每一个开关阶段直流侧两电容充放电的电荷波动数值检测,再通过公式变换,对传统空间矢量脉宽调制(SVPWM)的正负小矢量分次运行时间进行调整,使平衡点上下两电容充放电时间能够保持一致,达到中性点平衡控制的目的。仿真验证表明,该方法能够抑制中性点电压的波动。