结合序列分布概率的储能系统典型功率曲线提取方法

在平滑光伏电站功率波动的应用场景下,提出一种储能系统典型功率曲线挖掘方法。基于储能系统功率在纵向时序的区间分布特性,利用基于Bloch球面的量子遗传算法寻找所有分布概率大于阈值的分布区间及相应特征功率值;根据特征功率值得到该时刻典型功率值,从而获得典型功率曲线。通过对挖掘得到的4种天气类型下储能系统典型功率曲线进行综合分析,验证了所提方法的有效性。     

一种控制系统的实时仿真装置

给出一种用单片机实现的控制系统实时仿真装置。它可充当数字模型已知的对象和控制器的实物，组成复杂的实时控制系统。该装置具有可仿真非线性环节、方便的改变系统参数和结构等特点。     

无静差的多变量时滞MAC约束控制器的设计

提出一种无静差的多变量时滞MAC约束控制器。此控制器融合单值预测和解耦思想,大大降低多变量预测控制律的复杂性,保证算法实时性;且通过采用具有偏差补偿器的内模结构,解决普通位置型MAC控制器在输入约束情形下固有的静差问题。详细阐述了多变量控制律的推导,偏差补偿器设计和稳态误差的验证。高参数火电机组的再热汽温时滞多变量对象控制的仿真,证实了此控制器的有效性。     

基于时间序列模型的风电场风速预测研究

基于时间序列的方法,对风速的长期预测进行了研究,并在工程应用的基础上提出了新的预测思路:首先将风速信号分解成趋势信号和去趋势项随机信号,然后分别用滑动滤波和小波分析这2种方法对分解出的去趋势项随机信号进行数据处理并比较,再用时间序列的方法对趋势项信号和处理后的信号分别进行预测并叠加,得到最后的预测风速信号.结果表明:五项滑动滤波处理数据的方法与Daubechies小波分解法均能实现精度较高的风速长期预测;与小波分解法相比,滑动滤波方法算法的复杂性低,在工程应用上可行性更高.     

组合权重相似日选取方法及光伏输出功率预测

提出一种光伏功率预测方法,该方法利用相似变量的基值点误差,采用组合权重法求取相似误差,确定相似日,然后将相似日的输出功率按不同权重系数加权得到预测功率。根据最小鉴别信息原理,将主观权重和客观熵权有效融合获得相似日选取的组合权重系数,功率权重系数按相似性指标生成。某光伏电站实测数据算例仿真表明,所提方法可选出相似度高的相似日,提高了光伏输出功率的预测精度。     

基于滑动分块百分位数Bootstrap法的风电功率概率区间预测

提出一种基于非参数滑动分块百分位数Bootstrap法(MBPB)的风电功率概率区间预测方法。由于风功率数据存在显著的时间相依结构,该方法首先对预测功率进行等间隔划分,再以某区间内的预测误差序列为样本,借助滑动分块Bootstrap法(MBB)抽样产生多个伪样本,然后对伪样本数据通过滑动分块百分位Bootstrap法和四分位法相结合的统计推断生成一定置信水平下的误差上下限,进而得到该预测功率段内的概率预测区间。同时建立包含区间覆盖率和区间平均带宽的评价指标,通过将其与百分位法、百分位数Bootstrap(PB)法的预测结果对比,表明基于MBPB的概率性预测区间的覆盖率更高,平均带宽更窄,精度更好且效果也更优。