基于深度门控循环单元神经网络的短期风功率预测模型

随着新能源的不断发展,大量大容量风电机组并入电网运行,给电网的安全可靠运行以及风力发电的可持续发展都提出了新的挑战。提出一种风功率预测模型,该模型以风电场风功率历史数据以及风速、风向等数值天气预报数据作为输入对风功率进行预测。考虑到风功率预测中输入数据的波动性和不确定性,在传统门控循环单元(GRU)神经网络的基础上融合卷积神经网络(CNN),以提高模型对原始数据的特征提取和降维能力,并引入dropout技术减少模型中的过拟合现象。工程实例分析表明,所提模型在预测准确度和运算速度方面均优于长短记忆神经网络模型。     

40.5kV真空断路器分闸并联电抗器重燃过电压及抑制方法

40.5 kV真空断路器分闸并联电抗器时,极易出现截流和电弧复燃,由此产生的重燃过电压会危害系统设备绝缘,危及电网安全稳定运行。为分析重燃过电压的特性及危害,文中考虑分闸过程中真空断路器触头之间的燃弧特性,利用电磁暂态仿真软件PSCAD/EMTDC构建了准确的真空断路器的三相分闸重燃模型及开断并联电抗器的220 kV变电站系统仿真模型,分析了真空断路器分闸初相角和介质绝缘恢复速度对重燃过电压的影响。文中提出了避雷器和阻容吸收器、以及避雷器和铁氧体磁环两种过电压协同防护方案,与避雷器、阻容吸收器和铁氧体磁环单独使用时对重燃过电压的抑制效果进行了对比,并分析了不同安装位置下的抑制效果,验证了文中所提出的避雷器和阻容吸收器以及避雷器和铁氧体磁环两种协同防护重燃过电压方案的有效性。文中的研究成果为并联电抗器的投切和抑制方面的实际应用提供了理论支撑。