基于分时长短期记忆神经网络的光伏发电超短期功率预测

准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。     

大规模直购电下基于让渡价格的日前发电计划研究

近年来,我国大用户直购电规模和清洁能源装机增长迅速。在电网发电计划编制过程中,保证清洁能源消纳和火电厂直购电量完成之间的矛盾开始显现,给调度运行带来严峻挑战。针对这一问题,结合当前日前发电计划编制的业务流程,引入让渡价格,设计了日前发电计划中清洁能源与传统电源发电权交易的新机制。围绕该机制,提出了直购电量优先完成的发电计划预编制方法。最后基于IEEE-39节点系统构造算例论证了所提出方法的有效性。     

一种考虑季节特性的光伏电站多模型功率预测方法

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。     

基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测

准确预测光伏发电功率对电网调度具有十分重要的意义.该文提出一种基于灰色关联分析和GeoMAN模型的光伏发电功率短期预测方法.首先,利用灰色关联分析对某地区多光伏电站进行空间相关性分析,选取与待预测光伏电站高度相关的周边电站;然后,基于GeoMAN模型动态提取待预测光伏电站的时空特征和外部气象因素,GeoMAN模型采用编解码结构,利用编码器动态提取待预测光伏电站的站内特征和与周边相关电站的站间空间特征,利用解码器提取输入变量的时间特性,并融合晴空指数和数值天气预报动态输出光伏发电预测功率;最后,采用实际光伏电站进行案例分析,结果表明该文所提出的预测方法与传统LSTM模型相比,实现了更高精度的光伏发电功率短期预测.     

预防调度员误操作引发事故的分析与措施

分析了调度运行工作中可能存在的误操作,提出了调度员防止误操作的具体措施和建议,为防止由于调度人员误下令、误调整等引发的误操作事故提供了有益参考。     

光伏电站防孤岛保护装置功能分析及整定原则

从防孤岛保护装置工作原理入手,对其功能进行分析,说明光伏电站防孤岛保护装置由于保护原理和输入电气量的限制存在局限性。在功能分析基础上,给出了装置整定范围,避免了防孤岛功能与光伏电站低电压穿越、电网适应性要求相冲突。最后,提出了防孤岛保护与线路保护和逆变器保护相配合使用的原则。     

分布式光伏灵活并网集群调控技术综述

分布式光伏发电单体可控性差且波动性强,其大规模汇集极大地影响了电网的安全稳定运行.文中从分布式光伏发电系统的集群划分和运行控制两个方面介绍了国内外对光伏发电研究的新趋势,重点评述了集群划分标准的异同和划分算法的优劣,并从三个方面论述了集群控制的概念和方法.     

基于热带风暴“三巴”的台风浪数值模拟研究

利用第三代海浪模式WAVEWATCHⅢ构建二重嵌套台风浪模型,采用NCEP分析风场为驱动场,以热带风暴"三巴"为例将模式运用到中国近海台风浪模拟中,采用美国国家海洋和大气管理局(NOAA)再分析数据(有效波高)作为对比对象.验证结果表明,该模式能较好地反映中国近海海域台风浪过程,同时说明NCEP分析风场适用于该海域波浪数值研究.     

基于改进粒子群算法的分布式光伏集群划分与无功优化策略

分布式光伏系统在电网中的应用越来越广泛,光伏波动性强,稳定性差,其大规模接入不仅增加了配电网结构的复杂性,而且使电力系统的调节更加困难,给电网运行带来不利的影响.本文主要研究了含大规模分布式电源配电网的集群划分和无功优化问题.首先应用PSO改进的K-means聚类算法,找出较好的初始聚类中心,然后根据节点间的电气距离,对配电网进行集群划分.以节点的电压偏移总量和线路的有功损耗最小作为目标,采用动态调整粒子群算法对电力系统进行无功优化.最后在Matlab平台上仿真验证了所提集群划分和无功优化方法的有效性.     

基于滑动标准差计算的光伏阵列异常数据清洗办法

光伏阵列运行数据中存在大量异常数据,这些异常数据会对光伏阵列性能分析、建模、故障诊断的实现带来困难。为了有效剔除光伏阵列运行数据中的异常数据,提出了一种基于滑动标准差的光伏阵列异常数据清洗方法。分析了阵列异常数据的来源及分布特性,给出了光伏阵列滑动标准差的计算方法。该方法以滑动标准差的曲线上翘作为异常数据的判断依据。最后通过实例分析以及其他方法对比,说明该算法可以有效降低由于异常数据集中分布带来的异常数据清洗困难。