排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。 相似文献
2.
在新能源在电网的渗透率增高以及柔性负荷作为调节手段出现的背景下,选取合适的调度模式,使得海量分布式的负荷资源参与电网调控,能够帮助实现削峰填谷、平滑负荷曲线等目标。基于负荷聚合商模式的协同控制结构,对包括电动汽车、空调负荷与储能设备的负荷资源进行聚合,建立了日前经济调度模型;在负荷聚合商的集群内部控制中,考虑设备的调度潜能,提出一种基于裕度指标的状态队列优先算法,实现部分负荷优先响应。最后,仿真算例得出了负荷聚合商参与电力系统的日前协同调度运行计划,验证了优化方法以及调控策略的可行性。 相似文献
3.
4.
5.
电力系统具有天然闭环特性,在激励信号注入位置与辨识用信号量测位置不同时,负荷模型参数辨识可能具有较为明显的闭环特征。文章以台区模型辨识场景为例,研究了闭环条件下负荷机理模型参数辨识问题。通过对比分析常见的闭环辨识方法,总结了实现机理模型闭环辨识需满足的基本条件,并依据该条件选择了无需反馈通道模型先验知识且可直接辨识原系统模型的两阶段辨识法。对台区负荷动态机理模型进行线性化处理和模型转换,并将其嵌入两阶段辨识的第二阶段,可以实现机理模型参数的在线闭环辨识。通过仿真分析,验证了负荷辨识的闭环特性以及所提两阶段辨识方法的有效性。 相似文献
6.
不断提高风电爬坡事件特征量的预测精度对电力系统安全稳定运行意义重大.因此,提出一种爬坡事件特征量与数值天气预报(NWP)气象数据相结合的风电爬坡滚动修正模型.首先,基于PRAA算法获得历史数据库与预测数据库中的所有爬坡事件特征量,建立爬坡特征量预测误差向量矩阵.然后,分析误差向量矩阵与NWP中各气象数据的线性和非线性相关关系,识别影响爬坡特征量预测误差的有效气象指标.最后,基于动态时间规整实现未来与历史数据库中具有相似特征的有效气象指标匹配,得到未来爬坡事件预测误差修正的参考集,并进行滚动修正.算例表明,该修正模型能有效降低爬坡幅值误差,提高爬坡事件预测的精度. 相似文献
7.
双馈风电机组附加阻尼控制器与同步发电机PSS协调设计 总被引:2,自引:0,他引:2
针对大规模双馈风电机组接入电力系统后的区间低频振荡问题,提出了一种协调双馈风电机组附加阻尼控制器和同步发电机电力系统稳定器(PSS)的设计策略。首先,考虑风电机组的机械部分、电气部分和控制结构,建立了双馈风电机组的机电暂态模型和附加阻尼控制器模型。在闭环电力系统线性化模型的基础上,提出利用动态指标值的优化模型来协调整定双馈风电机组附加阻尼控制器和同步发电机PSS的控制参数,并使用粒子群算法求解优化模型的全局最优解。最后,通过2个标准仿真系统算例,对比传统的阻尼控制器设计策略,验证了所设计策略的有效性和实用性。 相似文献
8.
风能和太阳能等可再生能源的规模持续扩大,对电力系统的安全稳定运行造成了严重的威胁。负荷侧调控潜力的深入挖掘为电力系统的调频、调峰以及紧急控制提供了新的调控手段。围绕负荷控制中多物理量耦合、强时变性以及弱可观性的关键难题,面向集中式的蓄热型工业负荷、分布式配电网馈线负荷2类负荷,综述了新型电力系统下直控式负荷多层级协同调控关键技术,包括连续自适应的有功调节技术、安全精细化的分级切除技术、多时间尺度互动控制技术等。针对上述内容,结合文献调研结果对关键技术难点进行了展望,并介绍了部分技术在示范工程的应用情况。 相似文献
9.
随着“碳达峰、碳中和”目标的提出及碳市场体系逐步完备,工业企业面临低碳转型和可持续发展的巨大压力,新能源大力发展及氢能在运输工具和工业生产中的应用为此提供了较好的机遇。基于此,利用新能源和氢能产业链重塑工业能源体系是促进工业发展的关键手段。以低碳、绿色、环保、节能为主要考量,构建“绿电-氢能-工业”耦合复杂系统,从能源流和碳流2个角度对比分析耦合系统具有的优势;通过构建环保、节能和经济性评价模型,定量说明耦合系统建设的可行性;通过分析中国钢铁工业发展现状,按不同发展速度测算钢铁工业绿色发展潜力。结果表明,钢铁工业绿色发展将极大地促进绿色氢气的发展与应用,氢能产业链的逐步成熟也将加快钢铁工业绿色转型速度,二者相辅相成。 相似文献
10.
从统计学角度分析条件概率分布的差异性对于随机决策问题的重要性,并提出一种分布函数差异化导向的风电功率预测误差气象条件概率建模方法。以预测误差概率分布总体差异程度最大化为目标,利用改进的K-means算法进行气象数据聚类,并基于聚类结果对风电功率预测误差数据进行分箱;采用通用分布拟合不同气象模式的误差概率密度,得到解析化的风电功率预测误差气象条件概率分布。利用支持向量机实现气象模式识别,从而基于数值天气预报为调度计算提供相应气象模式下的误差条件概率模型。以中国华北地区某风电场历史数据为例,验证了所提方法的有效性,且相较于不考虑气象的简单统计频次模型,所提模型可使系统的风电消纳水平得到有效提升。 相似文献