基于净功率频率分解的微电网混合储能优化配置研究

微电网利用储能系统、微型燃气轮机等能够快速响应负荷和间歇式能源功率变化的可调节资源,平抑风光出力的波动性,提高电源出力和负荷的匹配性,形成能够基本实现内部功率平衡的供电网络,降低间歇式电源并网对电网安全运行造成的影响。蓄电池等能量型储能的能量密度高,但频繁充放电会快速降低电池使用寿命;超级电容等功率型储能的能量密度低,但功率密度高,并且可充放电次数多。研究了微电网中采用蓄电池和超级电容组合的混合储能系统优化配置方法,利用快速傅里叶变换对一个控制周期内的微电网净功率进行频谱分析,确定混合储能系统的输出功率,建立了以混合储能配置成本最小化为目标的优化模型,并采用粒子群算法进行求解,最后通过算例验证该方法的有效性。     

基于遗传算法的分布式电源选址与定容

分布式电源的选址与定容是一个重要的研究课题。本文以配电网的网络损耗费用和分布式电源的运行费用最小为优化目标建立了分布式电源的优化选址定容模型,应用遗传算法进行求解。通过实际算例表明,本文采用的优化模型有助于得到合理的分布式电源接入位置和容量方案。     

智能变电站二次系统优化配置方案设计研究

为促进220 kV智能变电站的可持续发展,在运行年限、负载损耗、设备成本以及设备使用率等方面实现对电气主设备的优化,开展智能变电站二次系统优化配置方案设计研究。通过设备使用环境、短路电流计算与导体选择、基于灰度模型的电力负荷预测,实现基于预测结果的设备选型。通过结果确定选型配套技术与决策变量、非线性规划参数设置、电气主设备配置函数建立,实现优化配置。试验表明,新的配置方案在可靠性和安全性方面均具有实际应用价值。     

考虑用户舒适度的楼宇微电网优化运行方法

以提高系统经济性与用户舒适度为双重优化目标,建立楼宇微电网系统的优化运行模型:以楼宇微电网运行的经济性指标和用户舒适度指标最优为目标函数,计及系统功率平衡约束、微电源运行约束等必要约束条件.通过仿真算例验证所提出方法的可行性和有效性.     

高层商务型公寓楼树状电气结构设计方法

传统的电气结构在多功能住宅小区以及高层商务型公寓楼中存在一定的缺陷,用电负荷与电源损耗情况较严重,针对这一问题,本文提出高层商务型公寓楼树状电气结构设计方法。分级处理与计算电气结构的用电负荷,根据电气的负载变化,进行相应的计算;基于电气设备的运行系数、功率与用电负荷,设计变压器的结构与参数;根据高层商务型公寓楼的实际情况与用电需求,设置供电电源与变配电室。通过实验可知,此种树状电气结构设计方法应用后,高层商务型公寓楼有功功率与电能指标结果均符合相关的要求与规范,提高了电气装置的安全性,降低了供电电源的损耗。     

输电线路在线监测装置风光互补电源能量管理策略

提出一种输电线路在线监测装置风光互补电源供电方式及能量管理策略。对光伏出力、风电出力、负荷功率和蓄电池组储能状态等参数进行实时监测。根据光伏、风电出力与负荷功率的大小关系、蓄电池组储能状态情况,设计能量管理系统的四种基本工作模式。在MATLAB/Simulink环境下搭建风光互补电源模型,并对提出的能量管理策略和运行模式进行验证。结果表明,该能量管理策略能够实现对风光互补电源的高效管理,为输电线路在线监测装置提供稳定的电能。     

分布式电源接入对配电网电压的影响及对策

近年来,我国分布式发电技术快速发展。分布式电源与配电网相结合,有利于节约投资成本、降低损耗,而且能够提高配电网系统的灵活性和可靠性,使其逐步成为未来电力能源产业发展的新趋势,但是分布式电源接入配电网时,将会对配电网的运行情况带来一定的影响。为此,本文从分布式电源的模型入手,对分布式电源接入对配电网电压的影响及对策进行了简单的探讨。     

储能电站接入对配电网保护的影响分析

储能系统接入配电网会对配电网运行及保护带来很大影响。储能系统既可以作为电源向电网输送功率,也可以作为负荷从电网中吸收功率,其运行具有很大的随机性,储能系统与配电网之间传输功率的大小也是不确定的。基于配电网传统保护基本原理,分别在储能系统作为负荷和作为电源两种状态下,分析了储能系统接入对配电网运行及保护的影响。针对储能系统作为电源状态接入配电网,分别分析了储能电站接入对接入点下游线路和上游线路两个方向的影响。最后,针对影响情况提出相应的保护改进方案。     

含混合储能的微网孤网运行能量管理策略

提出孤网条件下针对风光储微电网的能量管理策略。在分析微电网能量管理结构功能基础上,结合发电管理和需求侧管理,重点介绍锂电池和超级电容器协调运行模式,即锂电池根据新能源发电预测和负荷预测结果平滑系统输出;超级电容器负责短期调整,兼顾实时功率平衡和频率控制。仿真结果表明:该策略能够优化电池寿命,平衡系统功率,稳定微电网运行的目的。     

基于FCM优化神经网络的办公楼空调负荷预测

空调负荷预测对于优化空调系统运行具有重要指导价值,本文针对传统神经网络在预测空调负荷时精度较低、泛化能力弱和物理意义不明晰的缺点,建立了模糊C均值算法(Fuzzy C-means)优化的BP神经网络复合模型。模型先采用FCM算法对输入参数进行聚类,针对不同类建立BP神经网络预测模型,将待测样本分类后进行预测,最后使用决策树算法筛选预测结果中聚类不佳的部分进行加权优化。以珠海某办公楼空调系统实际运行数据为例验证了模型,结果显示随机负荷样本预测的精度指标即标准差率(Coefficient of Variance)为0.191相较于不聚类神经网络提高了51.4%;典型工作日、休息日日均负荷样本预测标准差率为0.08和0.14相对于不聚类神经网络则分别提高了73.0%和39.7%。