基于改进AWNN的风电功率超短期多步预测

为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。     

风电场相变储能膨胀发电系统容量配置方法

为提高风储发电系统可持续运行能力,提出改进的风电场相变储能膨胀发电系统,对该系统的最优容量选取办法进行了研究。首先采用中值滤波法对特定风电场历史年风电功率数据进行分解,根据风电场实际出力平稳分量与调度水平之间的功率差值制定相变储能膨胀发电系统分频控制策略;然后利用非参数估计计算满足给定风电可调度性置信度水平的系统最优功率交换水平。定义储能系统可持续运行能力评价指标,并与考虑功率投资成本、能量投资成本和保障系统可持续运行投资成本的综合经济学评价函数进行折中,计算系统最优能量交换水平。最后,以配备蒸汽直冲式双螺杆膨胀发电系统的风电场为例进行说明。     

基于饱和边界层模糊滑模算法的光伏储能IM控制

本文针对可再生光伏储能电气系统的异步电机控制问题进行了探讨,并且针对光伏阵列系统存在的能源供应的不连续和不规律问题,在供电系统中添加了蓄电池进行联合供电。这种控制系统存在高度的非线性特征,为此引入滑模控制算法进行控制,这种控制技术在控制参数趋近滑模面时,存在抖振现象,为解决该问题,控制信号的切换函数利用具有一定宽度的滑模面对传统的滑模面进行替代,同时对于符号函数,在开关表面周围引入一个边界层,可实现符号函数离散继电器动作的连续逼近。最后,该方案通过搭建的硬件实验平台进行了仿真验证。