含混合式抽蓄电站的梯级水电站效益问题研究

针对梯级水电站"汛期弃水保防洪、枯期少水发电少"、不能最大化开发利用水资源的问题,提出新增混合式抽水蓄能机组的梯级水电站中长期优化调度策略。建立在丰平枯分期电价下,以年发电效益最大为目标函数的模型,用自适应水位廊道法解耦梯级复杂联系的约束条件,逐步优化算法求解。通过仿真验证得到,新增抽水蓄能机组能提高梯级的整体发电收益,丰水年减少弃水,增加枯期电量,为最大化利用水资源改善梯级水量分配提供新思路。     

市场环境下光伏抽蓄联合电站的优化运行与收益分配策略

为解决目前光伏电站、抽水蓄能电站参与市场面临的竞标策略不清晰、合作方式不明确、收益分配不合理等问题,采用条件风险价值(CVaR)度量风险,建立光伏抽蓄联合电站参与市场的两阶段随机优化模型,使联合电站的收益最大化,之后基于各类电源主体特性,综合风险水平、贡献率、出力预测精度等因素,提出联盟收益最优分配模型.算例结果表明,...     

全功率变速抽水蓄能机组变速变功率协同控制策略研究

本文针对全功率变速抽水蓄能机组有功功率与转速之间的协调控制问题,提出了一种全功率变速抽水蓄能机组变速变功率协同控制策略,研制了全功率变速抽水蓄能机组协同控制器样机,并搭建了RTDS仿真试验平台,对全功率变速抽水蓄能机组变速变功率协同控制策略进行了仿真试验验证,试验结果表明：协同控制策略正确,能够满足工程应用需求。     

交流励磁抽水蓄能机组运行功率能力计算

具有交流励磁电机变速、功率解耦优点的抽水蓄能机组将在电力系统调峰、调频中发挥更好的作用,有必要研究考虑水头、流量和机组运行工况等约束条件下的可调速抽水蓄能机组运行功率能力的计算方法。首先,基于交流励磁电机电磁等效电路,考虑定、转子侧功率,推导发电和电动运行工况下的交流励磁电机接入电网侧的功率表达式;其次,考虑发电和抽水工况下水泵水轮机的工作特性,推导以水头和转速为变量的抽水蓄能机组的机械功率表达式,从而提出电动和发电工况下交流励磁抽水蓄能机组运行功率极限的计算方法和流程;最后,以某实际抽水蓄能机组参数为例,分析不同水头和转速下机组运行功率范围,并通过时域仿真结果验证所提计算方法的有效性。     

含风光水多源互补电力系统的分布式抽蓄选址定容与优化调度

风、光、水等新能源渗透率逐渐提升,源荷不确定性增加,急需储能系统参与源荷不平衡的调节。研究建立在已知预规划抽水蓄能电站的规划总容量和备用选址的前提下,对分布式抽水蓄能电站进行最优选址定容。在分析含风、光、水的多源互补电力系统弃风、弃光、弃水原因的基础上,考虑电网网架约束和抽水蓄能电站的运行特性,以网损最小、弃风光水量最小、向主网购电成本最小为优化目标,建立分布式抽水蓄能电站的选址定容优化模型;以抽水蓄能有功控制、分布式电源有功控制等方式,实现风、光、水多源互补电力系统的优化调度;利用二阶锥松弛将该模型转化为混合整数二阶锥规划模型并进行求解,得出分布式抽水蓄能电站的最优选址定容方案;在IEEE33节点系统中进行仿真验证,结果表明所提出的规划模型能够有效地模拟风、光、水与分布式抽水蓄能电站的协调优化并通过枚举法确定最优的抽水蓄能选址定容方案,使得含风、光、水多源互补电力系统总成本最低。     

提高抽蓄电站进/出水口过栅流速均匀性的数值模拟研究

为提高抽水蓄能电站进/出水口过栅流速均匀性,采用标准κ-ε紊流模型,对不同方案下的蛟河抽水蓄能电站进/出水口过栅水流流态进行了数值模拟。结果表明,在进/出水口其他尺寸符合常规的条件下,减少分流墩厚度(最小厚度取决于结构安全需求)可明显提高过栅流速均匀性。     

基于变分非线性调频模式分解的直驱式波浪发电系统控制

海浪的非平稳特性会影响直驱式波浪发电系统能量捕获,为此提出基于脊线检测与变分非线性调频模式分解的控制方案。采用短时傅里叶变换方法分析波浪激励力,结合脊线检测设定初始频率;应用变分非线性调频模式分解法分离波浪激励力,获得若干模式分量并提取其瞬时频率;通过计算各模式分量的能量含量确定主导分量,根据其瞬时频率动态调整动力输出装置阻尼,搭建直驱式波浪发电系统模型。仿真结果表明,所提方案能量吸收性能好、输出平均功率高,可有效改善直驱式波浪发电装置性能。     

基于波形复杂特性的励磁涌流快速识别算法研究

针对电力变压器空载合闸于CT饱和、轻微匝间故障等扰动因素下励磁涌流快速识别困难的应用需求,提出一种基于电流波形复杂特性的励磁涌流快速识别算法;通过研究空载合闸、CT饱和、匝间故障等扰动因素下的励磁涌流波形复杂特性,提出采用改进变分模态分解算法,以实现固有模态分量的快速准确分解,同时,研究励磁涌流波形复杂特性的数值表征,提出波形复杂特性的数值表征策略,并选定样本熵和值作为励磁涌流快速识别的判据;模拟建立多场景扰动下的励磁涌流特性仿真模型,验证了所提出算法在空载合闸、合闸于CT饱和、合闸于匝间故障、变压器运行时发生内部及区内故障等工程场景下应用的快速性和可靠性。其中,该算法能够实现首个周波电流采集下的快速模态分解,并具有抗40 dB噪声干扰的抗噪性能,易于复杂扰动下励磁涌流信号快速、可靠辨识的工程应用。     

抽水蓄能电站成组控制模式下负荷调控策略的优化与研究

本文介绍了目前华东电网区域内抽水蓄能电站机组在成组控制模式下的主要启停策略及负荷分配方式,重点提出了如何在现有控制模式的基础上,优化电站侧控制策略,挖掘抽水蓄能电站潜能,更好地满足电网的调度需要。同时,进一步阐述了在优化控制策略过程中可能会遇到的问题及其解决方法。     

基于TPA机制改进的VMD-GRU抽水蓄能机组振动预测

针对抽水蓄能机组振动趋势预测中振动信号时间序列非线性、非平稳性极强导致常规预测方法难以进行精确预测的问题,提出变分模态分解（Variational Mode Decomposition,VMD）结合时序模式注意力（Temporal Pattern Attention,TPA）机制改进的门控循环单元（Gated Recurrent Units,GRU）神经网络的抽水蓄能机组振动预测方法。利用VMD算法首先将振动信号序列分解为若干个本征模态分量（IMF）,降低时间序列的非平稳性,结合其他特征参数,构建预测输入矩阵。将输入矩阵放入TPA改进的GRU神经网络中训练,利用神经网络强大的非线性特征提取能力,达到精准的预测效果。最后将本方法与GRU-TPA、结合常规注意力机制（AM）的VMD-GRU预测方法进行对比发现,基于TPA改进的VMD-GRU预测方法效果更好,能够更加准确地预测振动信号的时间变化趋势。     

风光互补发电系统的调度策略研究

采用抽水蓄能技术,基于能量守恒和水量递推原理构建了风光互补发电系统的数学模型,提出了4种并网调度策略,设计了相应的调度算法并进行了实例仿真分析,在仿真试验基础上优化了上水库与水泵站的容量配置.结果表明,该风光互补发电系统具有较高性价比.     

面向风电制氢的超短期组合功率预测

为解决因风电随机性带来的“弃风”问题,实现宽功率波动下的高效制氢,提出基于最小二乘支持向量机（LSSVM）的超短期组合预测模型,提高风电功率预测鲁棒性。通过变分模态分解（VMD）预处理将风电功率分解为不同带宽的子模态,以降低随机噪声及模态混叠的影响;引入蜻蜓算法（DA）优化LSSVM,建立超短期组合预测模型,以满足电解槽控制的时间分辨率及精度要求。以河北省某风电制氢示范项目为例,验证该算法对于高波动性数据具备更高的预测精度,为风电制氢系统的优化控制提供依据。     

基于CNN-VMD-PCA特征融合的光伏发电功率预测研究

为了较为准确地预测光伏发电功率,提出一种特征融合的功率预测模型。模型首先使用一维卷积神经网络(1-dimensional convolutional neural network, 1D-CNN)提取光伏光电数据深度特征,然后用变分模态分解方法(Variational mode decomposition, VMD)分解数据原特征,再把分解后的特征和深度特征融合,用主成分分析法(Principal component analysis, PCA)提取融合后特征的主成分,最后用Xgboost(Extreme gradient boost, Xgboost)模型进行功率预测。根据对所提模型的实测评估,并与其他预测模型对比,得出基于CNN-VMD-PCA特征融合的预测模型具有较高预测精度,其拟合优度达0.932,能够得到更可靠的功率预测结果。     

基于VMD与GRU的抽水蓄能机组振动趋势预测

鉴于有效预测振动信号可为抽水蓄能机组的性能劣化及故障等预警提供重要依据的问题,提出一种基于变分模态分解(VMD)与门控循环单元神经网络(GRU)的抽水蓄能机组振动信号预测方法。首先,对原始的振动信号进行VMD分解,得到一组相对平稳且频率不同的本征模态函数(IMF),以减少不同频率信息间的相互影响;然后,针对各子序列分别构建GRU时序预测模型,并采用自适应矩估计算法(Adam)对各分量GRU预测模型进行优化;最后叠加各子序列预测结果得到抽蓄机组振动信号的预测值,并构建ANN、GRU、VMD-SVM、VMD-ANN 4种预测模型进行对比。试验结果表明,与所构建的4种预测模型相比,VMD-GRU预测模型在有效性及预测精度等方面效果显著,在实际工程中非常具有应用意义。     

基于自适应VMD的混合储能容量优化配置研究

针对用户用电需求和可再生能源发电情况,提出一种由重力势能储能、蓄电池和超级电容组成的混合储能系统,建立其数学模型.针对其不同的特性,提出基于自适应变分模态分解的混合储能系统容量优化配置策略,对混合储能容量优化配置模型求解.以某风光互补电站典型日功率数据为例,对最佳储能系统的分解尺度K和高中、中低频分界点及其对应的储能配...     

基于自适应变分模态分解的滚动轴承故障特征提取方法研究

针对滚动轴承微弱故障特征易被噪声和强故障成分淹没导致漏诊或误诊问题,基于互信息与信息熵构建多目标适应度函数,形成面向故障诊断的自适应变分模态分解算法(Diagnosis Oriented Adaptive Variational Mode Decomposition, DOA-VMD),有效提取信息以传达故障特征且不产生异常模态干扰;并采用NSGA-II算法对多目标适应度函数搜寻最优Pareto解集;然后考虑峭度是反应冲突的有效指标,以最大峭度值为目标,筛选解集中最优结果实现DOA-VMD参数的确定和特征提取;基于齿轮箱轴承内圈损伤数据验证提出方法的可靠性。结果表明：DOA-VMD可剔除含噪分量并保留具有最显著冲击信号的特征,且该特征较传统VMD方法更能凸显故障特征频率。     

服务新型电力系统的抽水蓄能研究

2021年5月,《国家发展改革委关于进一步完善抽水蓄能价格形成机制的意见》发布,提出坚持并优化抽水蓄能两部制电价政策.9月,《抽水蓄能中长期发展规划(2021—2035年)》发布,提出着力推进抽水蓄能快速发展,适应新型电力系统建设和大规模高比例新能源发展需要.10月,《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》发布,提出加快推进抽水蓄能和新型储能规模化应用.随着中长期发展规划和价格政策进一步落地,抽水蓄能迎来加快发展的重要窗口期.     

基于改进VMD-BPNN的光伏功率预测

针对光伏发电预测模型准确率低的问题,构建了基于变分模态分解-反向传播神经网络(VMD-BPNN)的光伏功率预测模型。对光伏发电数据进行变分模态分解得到不同特征数据,解决了数据的随机性和波动性问题。再采用K-means聚类方法对不同特征数据进行聚类,提高模型的泛化能力。通过集成学习bagging的方法对BPNN进行增强,以达到提高光伏功率预测模型整体稳定性的目的。根据RMSE和NRMSE误差标准进行测试,测试结果表明,基于VMD-BPNN预测模型的NRMSE平均值2.77%,RMSE平均值为2.22%。     

基于改进VMD和SNS-Attention-GRU的短期光伏发电功率预测

针对光伏发电系统预测精度不高等问题,建立以门控循环单元（GRU）为基础的预测模型。使用社交网络搜索算法（social network search）和注意力机制（attention）相结合对构建的门控循环单元进行参数优化,采用K-均值对天气类型进行划分,提出材料生成算法（material generation）对变分模态分解中的模态分解数量和惩罚因子进行寻优来确定最佳组合,实现对初始数据的分解操作。利用社交网络搜索算法超参数优化后的门控循环单元对时序特征进行提取,引入注意力机制对时序输入中重要信息的关注进行加强。选用新疆某光伏电站2021年运行数据进行分析,仿真结果表明：所提出的MGA-VMD-SNSAttention-GRU预测模型能有效提升光伏输出功率预测精度。与SVR、Elman模型相比,平均MAPE分别降低8.14%和8.59%。     

基于多任务学习的风速实时预测方法

准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息.目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱.文章以时间分辨率为5s的风速序列为研究对象,提出了基于多任务学习的风速实时预测方法.该方法结合了变分模态分解方法和长短期记忆神经网络.首先,通过变分...