排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
光伏发电存在间歇性的缺点,需要一个可持续的储能系统来满足需求。介绍光伏-PEM(质子交换膜)储氢系统,将电能转化为氢气储存,后期再通过PEM 燃料电池将氢气转化为电能。该系统包含光伏发电系统、PEM制氢电解槽以及燃料电池等,通过电解水产生氢气,氢气在高压下储存在压缩储罐中以备后用,后期系统有需要时,氢气将通过PEM燃料电池重新转化为电能。光伏发电系统的输出电流由PI控制器控制,以稳定电解槽的输入电流。对于光伏-PEM储氢系统,主要问题是对天气条件的依赖。通过系统建模来模拟光伏-PEM储氢系统的运行过程,评估与太阳能光伏输出电流相关的光照强度对氢气生产、氢气储存以及后期氢气再电气化的影响,为后续有助于缓解与太阳能、风力发电和其他间歇性发电相关的储能问题奠定基础。 相似文献
2.
3.
由于电力市场的发展和智能电网技术的推广,负荷预测变得越来越重要。准确的预测结果有助于提高电力系统运行效率,降低运行成本,减少"电荒"事件的发生。在当前海量高维数据的背景下,有效并准确的在线预测方法是当下的研究重点。针对传统预测方法对新增数据需要重复训练造成的巨大计算消耗和模型利用率低的缺点,提出了一种基于在线序列极限支持向量回归算法(online sequential extreme support vector regression,OS-ESVR)的短期负荷预测模型(short-term load forecasting,STLF)。首先,利用基于随机森林模型的递归特征消除方法(recursive feature elimination based on random forest,RF-RFE)自动选择滞后负荷输入变量;其次,将得出的有效数据信息输入到在线序列支持向量回归模型进行训练学习,训练过程中通过简化粒子群算法(simplified particle swarm optimization,SPSO)对初始模型进行优化,得到训练后的在线序列支持向量回归模型;最后,利用测试数据测试模型。通过在新英格兰ISO(Independent System Operator)数据集进行仿真算例分析,验证了模型能够根据新增数据动态更新。同时预测结果表明了所提模型的时效性和准确性显著优于已有的同类方法。 相似文献
4.
5.
零序电流差动保护对接地故障灵敏度高,动作电流与变压器调压分接头无关,受励磁涌流影响小,原理简单等优点,在超高压自耦变压器保护上得到广泛应用。但零序电流差动保护由于反应自耦变压器三侧零序电流的相量和而动作,受电流互感器饱和影响较大,不易整定,在区外故障切除时常常导致保护的误动。据此提出"基于零序电流的超高压自耦变压器相位比较纵联保护方案"。该方案比较自耦变压器两侧保护处零序电流相位,根据相位相同或相反作为故障判据来区分自耦变压器内部故障或外部故障。动模试验数据和数字仿真验证结果表明,该方案具有对超高压自耦变压器接地故障灵敏度高,选择性好,能够正确反应自耦变压器各种轻微匝间故障,保护判据均不受零序电流非周期分量和故障侧电流互感器(CT)饱和深度的影响等优点。 相似文献
6.
7.
随着经济发展由粗放式增长向集约型增长转变,对配电网储能进行优化成为了学术界的前瞻性研究,这对于我国加速发展意义重大。此次研究利用粒子群优化算法以及双层多目标优化配置数学方法,构建了基于粒子群优化算法的配电网储能优质优化研究模型,该模型在对主动配电网概率潮流进行计算的基础上,达到了提高广义电源运行效率的效果,从而为相关人员进行含广义电源的配电网管理提供了方法参考。以PG&E-69节点配电系统作为研究对象,对该模型进行验证。研究结果表明,智能算法类型对广义电源优化配置的影响并不大。同时较上层模型,下层模型对广义电源优化配置的效率更高,因而,要实现广义电源的高效运行,进而提高配电网的储能效果,必须实现双层模型的合理运用。所提研究可以为配电网储能优质研究提供一定的指导价值。 相似文献
8.
为提高调度数据网接入层厂站对网络故障和异常行为的自我判断能力,提出了一种网络监测装置的设计方案。方案基于镜像数据监听技术,采用Ping程序检测厂站内各联网设备的数据链路通断状态,使用开源Linux数据包捕获工具Tcpdump作为监听实现途径,并制定了多端点监听下基于非剥夺式的静态优先级调度算法的任务调度机制。通过分析监测结果中的源IP地址、目标IP地址、通信时间和传输数据量,判断网络内是否存在非法通信操作、数据传输隧道断开和Do S攻击等异常行为。测试结果表明,装置的设计方案是可靠且有效的,能够对网络故障和异常行为作出较为准确的判断,有助于增强厂站对自身网络运行状态信息的识别与掌控能力。 相似文献
9.
针对锂离子电池荷电状态(SOC)和健康状态(SOH)难以直接测量的问题,提出基于多新息的扩展卡尔曼粒子滤波(MIEKPF)与扩展卡尔曼粒子滤波(EKPF)协同估计SOC和SOH。采用EKPF算法在线辨识参数,并估计SOH,将阻容等辨识结果作为输入,弥补估计SOC时应该考虑电池老化影响产生的误差,实现SOH对SOC的修正,提高模型精度。在新欧洲驾驶周期(NEDC)工况下,进行充放电实验,EKPF算法估计SOH的结果符合实际情况。MIEKPF-EKPF算法最终SOC估计的平均误差为0.48%、最大误差为1.97%、均方根误差为0.58%,仿真结果验证了所提方法的可行性和准确性。 相似文献
1