浅析风电并网对电力系统的影响

能源危机与环境污染日益严重,催促人类寻求新的能源.风能是目前使用比较广泛的新能源之一,风力发电有着广阔的发展前景,对于风电并网问题的研究也成为了一项意义重大的工作.然而,由于风能本身的随机性和间歇性,大型风电场在并入电网时对系统的电压、频率等性能指标会产生相当程度的影响,从不同角度对这些影响进行一个简要的分析.     

应用于风电并网的有源型VSC-HVDC系统控制策略

利用直流输电技术,以解决风电并网的波动问题.研究分析有源型电压源直流输电技术,通过控制并联储能单元的充放电功率,补偿风电的波动功率,从而稳定注入电网的风电场功率,通过储能控制系统达到控制母线电压的稳定.仿真结果验证了控制策略的可行性.     

基于电容补偿的风电并网电压暂态稳定性控制研究

为了提高风电并网电压暂态稳定性控制能力,提出基于电容补偿的风电并网电压暂态稳定性控制方法.构建电压暂态稳定性的约束参数模型,对风电并网电压暂态参数进行自适应性特征分析,构建风电并网电压暂态多功率调度模型,结合风电并网的直流多功率参数融合和自适应反馈调度结果,实现对风电并网电压暂态功率参数分析,采用电容补偿方法实现对风电...     

基于差分进化和规则约简的二型模糊方法在风电预测中的应用

当前,风力发电量占比不断增加,对风电预测的要求越来越高,但由于风能本身存在的间歇性和不确定性等问题,风电预测精度并不能达到理想的效果.为了降低预测模型复杂性,并提高风电预测精准度,本文提出了一种基于差分进化和规则约简的二型模糊方法.该模型给出了一种剪枝策略进行二型模糊规则的约简,在此基础上,采用差分进化算法进行二型模糊...     

电力系统稳定器对风电系统低频振荡抑制研究

提出在双馈感应发电机(DFIG)的变流器控制系统中加入电力系统稳定器(PSS)的方法抑制风电并网的低频振荡现象。针对工业生产中实际应用的风电并网系统,以DFIG作为风电机进行建模研究,建立了完整的风电并网系统模型,分析了风电并网低频振荡的产生过程。在DFIG的变流器控制系统中采用电力系统稳定器抑制系统低频振荡,通过时域数值分析法和特征值分析法验证了在并网系统中加入电力系统稳定器对低频振荡的抑制效果。仿真实验结果表明:使用电力系统稳定器能有效地抑制风电并网的低频振荡现象,提高并网系统稳定性。     

大规模风电并网引起的电力系统运行与稳定问题探究

随着我国经济发展,我们的工业水平也不断提升着,这在改善了我们的生活水平的同时也给我们带来了一系类的考验,我们对于电力的需求逐渐增大,而电力的主要产出方式是火力发电,这不仅让我们的能源变得紧缺,同时也造成了环境的污染,破坏了生态的平衡。大规模风电并网可以很好的改善这些问题,既为电力需求者提供了充足的电能,又保护了生态环境。本文主要分析了大规模风电并网的重要性以及风电并网可能会给电力系统运行的稳定性造成的影响,并且提出了解决电力系统运行与稳定的问题。     

改进差分进化法在裂解深度建模中的应用

针对基本差分进化法搜索精度不高,容易陷入局部最优的缺点,提出基于Alopex改进的差分进化法和自适应学习速率的BP神经网络相结合的学习法,首先运用改进的差分进化法来寻找满意的神经网络参数;然后调用自适应学习速率的LM法精调网络参数.某大型裂解炉裂解深度模型的仿真结果表明,所建模型的精度高,有实用价值.     

求解非线性方程组系统的改进差分进化算法

针对基于邻域拥挤的差分进化算法求解非线性方程组系统时存在丢根、陷入局部最优等不足,提出一种改进的差分进化算法.首先,提出一种个体预判机制,判断当前群体的个体属于哪一类,并分别采取不同的操作;其次,设计一种新的混合差分变异算子,以增强算法跳出局部最优的能力;然后,改进外部存档策略,延长了父代优秀个体在种群的保存时间,有利...     

大规模风电并网后电力系统有功功率调度模型

为了保证大规模风电并网后电力系统能够稳定运行,解决现有有功功率调度模型存在的调度效果不佳、调度成本高的问题,对电力系统有功功率调度模型进行了优化设计。选取大规模风电功率场景作为有功功率的调度范围,在该场景内模拟风电并网过程,分析并网后对电力系统产生的影响。根据功率时序特征的提取结果和电力系统潮流计算结果,预测电力系统的有功功率值。通过功率分配、调度量计算、约束条件设置等步骤,完成大规模风电并网后电力系统的有功功率调度。通过实例应用分析实验得出结论：与传统调度模型相比,应用设计调度模型得到的有功功率输出结果更接近期望值,且调度成本降低了2.7万元。     

差分进化算法在双指数拟合中的应用

利用差分进化算法较好地解决了一元四参数双指数和两元三参数双指数拟合问题。与传统优化算法相比,不受初值的影响,并具有全局收敛性,与PSO算法相比,收敛速度快,是一种求解非线性约束优化问题的有效方法。     

分段变步长MPPT算法在风力发电系统中的应用

针对传统定步长爬山搜索(HCS)法在风力发电系统最大功率跟踪(MPPT)控制过程中的快速性和准确性矛盾,提出了一种基于爬山搜索法和模糊控制的分段变步长MPPT算法.该算法根据发电机P-ω特性曲线对最大功率点(MPP)跟踪过程进行分段,使系统能够根据工作点所在的区域选择合适的跟踪算法和步长完成最大功率跟踪.在Matlab/Simulink中分别对提出的模糊分段变步长算法和传统爬山搜索法进行了仿真.仿真结果表明:所提算法明显地改善了系统跟踪MPP的速度和稳态精度,在MPPT方面明显优于传统的爬山搜索法.     

一种基于差分演化的K-medoids聚类算法

针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点,提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术,有很强的鲁棒性。将差分演化的全局优化能力用于K-medoids聚类算法,有效地克服了K-medoids聚类算法的缺点,缩短了收敛时间,改善了聚类质量。通过仿真验证了此算法的稳定性和鲁棒性。     

协同智能的蝙蝠差分混合算法

为解决差分进化算法后期收敛易陷入局部最优和早熟收敛的问题,提出一种群体智能优化算法,即协同智能的蝙蝠差分混合算法。利用蝙蝠个体脉冲回声定位的特点,与差分种群相互协作,在当前最优解gbest附近进行一次详细搜索,有效增加种群的多样性,跳出局部最优。通过蝙蝠种群和差分种群两个种群的相互协作,较好平衡全局搜索和局部开发之间的能力。为验证算法有效性,选用9个常用的基准测试函数和5个0-1背包问题,与标准粒子群算法、带高斯扰动的粒子群算法、蝙蝠算法、差分算法、烟花算法相对比,仿真实验表明,所提算法总体性能优于其它5种算法。     

一种改进的多目标混合差分进化算法

将差分进化算法（DE）用于多目标优化问题,提出了一种精英保留和进化进程中非支配解集迁移操作的差分进化算法,以保证所求得多目标优化问题Pareto最优解的多样性。采用双群体约束处理技术,构建进化群体的Pareto非支配解外部存档集,并进行基于非支配解集的迁移操作,以增加非支配解的数目和质量。用多个经典测试函数测试的结果表明,与标准DE相比,该方法收敛到问题的Pareto前沿效果良好,能有效保持Pareto最优解多样性与收敛之间的平衡。     

差分进化粒子群算法求解发电资源调度问题

为了有效地解决水火电力系统资源短期优化调度问题,提出了一种基于差分进化粒子群的调度算法。设计了水火电力系统资源调度问题的数学模型,给出了差分进化粒子群优化算法的框架,通过PSO种群和DE种群之间的信息交流机制以寻求全局最优位置,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,该算法能有效解决水火发电资源调度问题,具有较好的应用价值。     

基于复形法和云模型的差分进化混合算法

为了改善差分进化算法的收敛速度和优化精度, 提出一种基于复形法和云模型的差分进化混合算法（HDECC）。该算法使用差分进化算法搜索局部最优域, 引入复形法和云模型来加快算法的收敛速度和提高算法优化精度, 使算法的初期搜索速度和之后的优化精度得到相互平衡。最后, 使用七个标准约束优化问题和两个典型工程应用实例进行实验仿真, 实验结果表明, 与同类算法比较, HDECC算法全局搜索能力强、优化精度高、收敛速度快, 且算法更稳定。     

Evolving ant direction differential evolution for OPF with non-smooth cost functions

In this paper, an effective and reliable algorithm, termed as evolving ant direction differential evolution (EADDE) algorithm, for solving the optimal power flow problem with non-smooth and non-convex generator fuel cost characteristics is presented. In this method, suitable mutation operator for differential evolution (DE) is found by ant colony search. The genetic algorithm evolves the ant colony parameters and the Newton-Raphson method solves the power flow problem. The proposed algorithm has been examined on the standard IEEE 30-bus and IEEE 57-bus systems with three different objective functions. Different cases were considered to investigate the robustness of the proposed method in finding the global solution. The EADDE provides better results compared to classical DE and other methods recently reported in the literature as demonstrated by simulation results.     

基于改进遗传算法的电力系统无功优化的研究

电力系统无功优化问题是一个多变量、多约束的混合非线性规划问题,其操作变量既有连续变量又有离散变量,其优化过程比较复杂。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化搜索算法,可用于解决含有离散变量的复杂优化问题。本文选用遗传算法求解电力系统无功优化问题,并对基本遗传算法的编码、初始种群、适应度函数和交叉、变异策略等进行改进,使用本文提出的改进算法对IEEE1 4节点进行无功优化计算,结果证明本文模型和算法的实用性、可靠性和优越性。     

基于DE和PSO的混合智能算法及其在模糊EOQ模型中的应用*

设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最大的最优订货量,算例证实了此求解算法的有效性。     

时序数据库在风电监控系统中的应用

分析了风电监控系统对海量数据的存储和访问需求,提出了引入时序数据库技术来解决传统数据库在处理海量数据时碰到的存储容量和访问效率方面的问题.所采用的时序数据库和关系数据库相结合的解决方案,在满足海量数据存储和访问需求的同时,很好地解决了数据模型的描述和存储问题.介绍了基于时序数据库开发的一些风电高级应用.