基于OS-ELM和Bootstrap方法的超短期风电功率预测

提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测。随后,采用计算机自助(Bootstrap)法构造伪样本,给出了预测功率的置信区间评估。实例和研究结果表明,该预测方法与反向传播(BP)网络、支持向量机(SVM)方法相比,在计算时间上更能满足在线应用需求,而且预测精度相当,有较好的应用前景。     

电力系统电压扰动分类方法研究

针对电力系统电压的监测、控制问题,提出了一种电压扰动的分类方法,该方法基于MATLAB模糊神经推理系统。针对瞬时跌落、中断、上升的同类型不同程度扰动以及不同类型扰动给出了分类依据。同时指出,由于只考虑每种波动的单值情况,实际应用时可能出现判断偏差。     

用于风电场并网中无功电压调节的UPFC仿真分析

以笼式异步电机为基础的风力发电机组并网运行时需要吸收大量无功功率,如果不能提供充分的无功补偿,会导致风电场电压跌落,部分风机脱离,系统无法正常运行。而统一潮流控制器（UPFC）具有控制线路潮流,提高电网稳定的作用,可以应用于风电并网之中。针对上述问题,在某一风场内的变风速条件下,用软件MATLAB/simu link建立基于恒速恒频异步发电机的风电机组并网模型并仿真,通过分析仿真结果,对比应用UPFC进行无功补偿前后风电场及电网的运行状态变化,证明UPFC可以调节带有风电场的系统无功功率和电压,维持电网稳定运行。