高比例新能源电网多源最优协同调频策略

随着大规模可再生能源对电网渗透率的不断增加,大型风光电站也开始参与到电网的调频当中。首先,建立了功率响应总偏差、调频里程支出最小化的多目标互补控制模型,以解决不同调频资源的动态功率分配问题。为解决该非线性优化问题,采用多目标蝠鲼觅食优化算法(multi-objective manta ray foraging optimization, MMRFO)快速地获取高质量的Pareto前沿,以满足电网的实时在线调频需求,提高区域电网的动态响应能力。然后,基于熵权法,设计了灰靶决策法客观地选择不同功率扰动下兼顾运行经济性和电能质量的折中解。最后,基于扩展的两区域负荷频率控制(load frequency control,LFC)模型验证了所提方法的有效性。     

抽水蓄能电站转轮模型效率试验误差分析

以张河湾抽水蓄能发电有限责任公司转轮模型效率试验为例,介绍抽水蓄能电站转轮模型的主要参数和各测量用仪器仪表的率定及其结果,分析计算测试仪器设备的系统误差以及典型工况点的随机误差,在此基础土计算得到模型效率试验的综合误差,可为判定水泵水轮机的性能提供一组准确可信的数据。     

基于改进人工蜂群算法的SVG综合补偿容量优化研究

基于SVG的三相不平衡和无功补偿综合治理可以有效提高低压配电网电能质量。针对SVG补偿容量的动态分配问题,提出了基于改进人工蜂群算法的SVG补偿容量优化配置方法。首先提出基于补偿度的SVG容量动态分配优化模型;然后引入改进的Tent混沌映射序列提高传统人工蜂群算法的收敛性能,并通过改进的人工蜂群算法求解最优SVG容量分配方案,实时调整三相不平衡和无功的补偿度;最后通过Simulink仿真验证所提方法的合理性和有效性。结果表明所提出的基于改进人工蜂群算法的SVG容量动态分配控制方法可以有效综合治理配电网的三相不平衡和无功补偿问题。     

基于多层特征融合注意力网络的电能质量扰动识别方法

针对复杂电网环境下电能质量扰动特征冗余、分类精度低的问题,经过多层卷积神经网络逐层获取电能质量扰动信号低维到高维特征信息,引入特征注意力机制构建多特征融合层消除特征冗余,提升扰动信号关键特征关注度,并加强扰动信号的局部特征与全局特征的提取,提高模型泛化能力进而提高扰动分类精度,据此提出基于多特征融合注意力网络的电能质量扰动识别方法。仿真结果显示,所提方法不仅在单一扰动、复合扰动下能有效辨识电能质量扰动,而且能有效克服噪声干扰对模型的影响,相比主流扰动分类方法提取的特征辨识度更高、模型抗噪性更强。     

基于多项式逼近的负荷模型参数辨识方法

针对传统负荷模型参数辨识方法计算过程繁琐,计算时间长的难点,提出了一种基于多项式逼近的负荷模型参数辨识方法.通过多项式逼近的配点法构造能显式描述负荷计算功率与负荷模型参数间关系的多项式逼近函数,将复杂的负荷模型参数辨识问题转化为简单的显式参数最优化问题,并通过非线性规划算法求得使多项式逼近功率与实测功率最接近的负荷模型...     

基于实测数据跳变及稳态点的负荷模型参数快速辨识方法

传统总体测辨法存在暂态仿真计算量大、辨识所需时间长等问题,无法满足负荷特性记录装置在线实时辨识负荷模型参数的需求,为此,提出一种基于实测数据跳变及稳态点的负荷模型参数辨识方法。选取实测数据电压突变后1点、电压恢复前后2点以及最终稳态点作为计算点;根据感应电动机三阶微分方程,采用稳态计算法和大步长隐式梯形法计算4点的状态变量,进而得到4点的有功和无功功率;根据4点的实测功率,采用遗传粒子群混合优化算法对负荷模型重点参数进行寻优辨识。算例结果表明,所提方法辨识结果准确,所需计算量小,其计算时间不到传统总体测辨法的1/10。     

云南电网异步联网直流单极闭锁频率稳定分析

在云南电网与南方电网异步运行的情况下,云南电网的运行特性已发生重大变化,同时因直流故障引发的系统高频问题将成为一个主要的关注重点。通过对普侨直流故障再启动到单极闭锁过程的研究,考虑极间功率转移、直流频率限制控制及稳定控制措施,对故障情况下系统频率响应进行分析。在此基础上,利用离线数据仿真重现故障过程,并对比不同控制措施的有效性,确定在故障过程中各措施对频率稳定的影响。     

基于混沌博弈优化的固体氧化物燃料电池模型参数优化设计

固体氧化物燃料电池(solid oxide fuel cell, SOFC)因具有转换效率高、无污染物排放、运行噪声低等特点被视为前景广阔的绿色发电技术之一,其被广泛应用于电力系统和交通运输等领域。针对SOFC稳态模型的参数优化设计问题,提出了一种基于混沌博弈优化(chaos game optimization, CGO)方法的SOFCs参数提取框架。同时,利用芬兰燃料电池技术公司Elcogen生产的陶瓷阳极支撑型平板式低温单体燃料电池(ASC-400B)工作于两种不同温度(即600 ℃和700 ℃)下的实验数据以及美国蒙大拿州立大学开发的基于物理模型的5 kW级管式SOFC电池堆栈模型在两种不同温度(即850 ℃和950 ℃)下的仿真数据,分别对所提框架、蒲公英优化器(dandelion optimizer, DO)、平衡优化器(equilibrium optimizer, EO)、粒子群优化(particle swarm optimization, PSO)算法和白鲨优化器(white shark optimizer, WSO)的参数提取的性能进行了深入的研究和分析。测试结果表明：相比于DO、EO、PSO和WSO,CGO能够准确、稳定且快速地提取上述各种SOFCs的模型未知参数,为SOFCs的系统建模提供了一种高效的方法。