SIS在热电冷联供联合循环电厂的应用

介绍厂级监控信息系统(SIS)在北京太阳宫燃气热电冷联供联合循环系统中的应用情况.重点阐述针对联合循环电厂开发的SIS各应用软件模块,如性能计算软件实现了机组性能实时监测、部件损耗计算,指导优化运行;负荷与燃气预测软件对机组实时最大出力进行预测,并进行天然气用量实时监视、用气量超限报警提示,防止超提、欠提情况发生;燃气轮机寿命管理软件实现对机组部件状态实时监测.提示维护人员进行设备检修和更换.变计划检修为状态检修.降低了维护费用.实际应用表明.采用SIS能有效实现节能降耗.降低发电成本.提高企业效益.     

电力系统电压稳定性及其无功功率控制策略研究

阐述了电压稳定性的定义、本质、研究方向和相关理论,以及无功功率控制策略在电压稳定性方面的研究现状;介绍了近年来国内外电压稳定性机理、研究方法及无功功率控制策略方面的成果;分析在各种不正常运行状态中影响电压稳定性的因素,包括电压稳定负荷裕度、电力系统中可能引发电压失稳的薄弱节点或薄弱区域,研究用于防止系统电压失稳的控制策略及电力系统优化理论。     

喷钙与蒸汽回料脱硫在220t/h CFB锅炉中的应用

<正>1技术原理炉内喷钙脱硫属于石灰石干法脱硫,该项技术是将粉末状的钙剂吸收剂(主要是石灰石、白云石等)通过喷射装置喷入炉膛,利用钙基吸收剂在高温下快速煅烧生成的多孔CaO,在悬浮状态下与SO2反应生成CaSO4,随炉渣排出,达到脱硫的目的。C     

考虑暂态稳定约束的极限传输容量分布式并行体系结构设计

针对预想故障集下,考虑暂态稳定约束的极限传输容量(total transfer capability,TTC)评估问题,以快速、高效地得到大规模互联电网的稳定极限,实现在线应用为目的,设计了一种分布式并行计算框架。研究了暂稳约束TTC评估的基本计算流程以及系统的整体体系结构。提出了一种优化的工作站群分布式并行计算模式。研究了系统设计中的一些关键子模块。所设计的分布式并行计算平台不仅能够方便地集成到现有的动态安全评估(dynamic security assessment,DSA)系统,同时还可作为离线仿真培训工具,对电力系统的特定情况进行更为详尽地分析。     

考虑可中断负荷合同的电力市场古诺均衡分析

作为电力需求响应的重要措施之一,可中断负荷管理在电力市场中已得到广泛应用。为了研究可中断负荷管理对电力市场均衡结果的影响问题,首先,给出了一个计入可中断负荷合同的电力市场需求模型。然后,建立了考虑可中断负荷合同的电力批发市场古诺均衡模型,并针对计入可中断负荷合同后均衡模型的非光滑性,提出了一种求解方法。最后,给出的算例分析来验证了模型方法的合理性,其中考虑了需求不确定性。研究表明,可中断负荷合同可以有效降低均衡市场价格及其波动性,特别是当需求不确定性相对较大或市场需求弹性相对较小时,这种效果更明显。而且可中断负荷合同中的中断阈值价格需要合理选取,以达到降低市场价格及其波动性的目标。     

基于可加性模糊系统的负荷时间序列预测

本文依据可加性模糊系统理论，提出了一种新的预测方法，利用聚类方法与有监督学习相结合的训练方法，提高了系统的函数逼近能力。仿真结果表明，系统学习速度快、预测精度高，在电力负荷时间序列预测中获得相当满意的结果。     

基于负荷分类的短期负荷预测方法分析及应用

针对目前短期负荷预测准确率不高的情况,以秦皇岛电网为例,介绍典型日负荷曲线特点和分类,分析各类负荷曲线的特点及其适合的预测方法,提出基于负荷分类的短期负荷预测方法,并结合实例,验证了该方法的实用性.     

计及风电场的发输电可靠性评估

为了评估风电并网对发输电系统可靠性的影响,建立了基于序贯蒙特卡罗方法的风电场发输电可靠性模型.该模型充分考虑了机组、线路、变压器以及风力发电机等设备元件的运行状态,同时采用了最优切负荷,给出具体的算法流程,并提出可靠性指标BIEWG.算例采用IEEE-RTS测试系统,风电场是由100台V90-2 MW的双馈异步风力发电机组成,风速数据取自东海风电场.仿真结果验证了所提算法的正确性,风电机组的接入对提高发输电组合系统的可靠性具有明显的作用.该算法可以被系统规划者用来有效地评估风电并网对系统可靠性的影响.     

Short-term Load Forecasting Model Established by Genetic Programming Based on Similar Days

针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.     

基于ARIMA LSTM组合模型的楼宇短期负荷预测方法研究

在楼宇短期负荷预测中,针对单一预测模型难以充分学习负荷时间序列中的特性问题,提出了一种基于自回归差分移动平均-长短期记忆神经网络(ARIMA-LSTM)组合模型的楼宇负荷预测方法。首先,根据灰色关联度选取相似日时间序列数据为训练样本;然后,利用ARIMA模型预测负荷,并将原始数据和ARIM A预测数据之间的误差视为非线性分量;最后,通过LSTM神经网络对误差序列进行校正,得到楼宇短期负荷的最终预测值。通过对上海市某楼宇的预测效果分析,并将其与ARIMA模型、LSTM模型和ARIMASVM组合模型进行对比,验证了所提方法能够有效控制预测误差,提高楼宇负荷预测精度。