排序方式: 共有25条查询结果,搜索用时 46 毫秒
1.
针对孤岛运行的交直流混合微电网群提出分层协调控制策略。首先设计分布式发电单元(DPDG)与储能单元底层控制,自适应调节交流子网频率与直流子网电压,保证各交、直流子网的独立稳定运行。同时考虑到直流子网中恒功率负荷(CPL)的影响,进一步对各DPDG单元设计P-V~2改进下垂控制,减小传统下垂控制产生的直流母线电压偏差。进而考虑各储能单元充放电能力不同,设计基于荷电状态(SOC)的动态一致均衡控制,确保储能子网协调优化运行。然后基于直流子网电压和交流子网频率信号,构造功率自治级、功率互济级和储能平衡级三级控制切换策略,实现子网间功率互助并减少系统的功率损耗。最后基于Matlab/Simulink搭建了混合微电网群仿真模型对所提控制策略进行了验证。 相似文献
2.
3.
由于历史电力数据中许多不确定性特征被忽略,造成调度优化方案无法解决电网节点电压越限,为此提出一种基于自然语言处理技术的智能配电网调度优化方法。采用包含注意力机制的编码器-解码器框架,并利用自然语言处理技术深入挖掘电网历史运行数据,获取负荷参数特征;在此基础上,建立一个优化调度模型,其中考虑有功调度成本最低的目标;为了求解这个优化调度模型,采用改进的随机搜索和启发式搜索算法,通过这些方法,得到一个最优的智能配电网调度方案。算例结果表明,使用所提出的调度优化方法后,智能配电网节点电压保持在0.95~1.05 pu的优质电压范围内,并且电压越上限的情况完全消失。 相似文献
4.
5.
6.
为了在电力系统不同故障位置、故障时刻和噪声环境中准确识别暂态故障类型,提出基于机器学习的电力系统暂态故障事件智能识别方法。将暂态故障结构特征值作为量子粒子群优化径向基神经网络模型的输入向量,通过选取合适的参数编码策略、适应度函数以及终止条件,输出优化后径向基神经网络最优参数,完成故障事件智能识别。仿真实验结果表明,该方法采用量子粒子群优化算法(QPSO)优化径向基函数(RBF)神经网络可以获取最佳训练参数,训练时间为3.561s,训练误差为0.000 257 7,可在不同故障位置、故障时刻和噪声环境下正确识别暂态故障类型,且识别效率优势显著。 相似文献
7.
8.
9.
10.