排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
多元融合高弹性电网通过构建源网荷储全向交互机制,显著提升了电网的互动与自愈能力。区块链技术采用去中心化理念和分布式记账模式,保障数据可信,打破信任壁垒,为电网多端友好互动提供了核心技术支撑。基于现有理论研究与工程实践,区块链的技术特征与高弹性电网的形态架构具有较强的理念契合性和技术互补性,区块链有潜力成为多元融合高弹性电网的重要赋能技术。面向多元融合高弹性电网的建设目标,刻画了区块链技术与高弹性电网深度融合的应用场景,梳理了建设高弹性电网过程中的关键痛点,阐明了区块链之于高弹性电网的技术赋能要素及匹配关系。面向高弹性电网的建设需求,提出了区块链系统的设计原则、评价指标以及设计流程,并以需求响应为例进行系统设计与性能测试,为区块链技术在高弹性电网中的应用提供理论支撑。 相似文献
2.
基于自动微分技术的内点法最优潮流算法 总被引:4,自引:1,他引:3
讨论了一种基于自动微分(AD)技术的内点法最优潮流(OPF)算法。与已有的基于AD技术的OPF算法相比,该算法使用高效的基于操作符重载的AD工具,充分利用直角坐标下雅可比矩阵和海森矩阵的大部分元素是常数的特点,加入了识别上述矩阵中不变元素的功能,避免了重复计算。对一组大规模算例的测试分析表明,该算法在保持代码可维护性、灵活性的同时,计算速度接近手动编程,表明AD技术在电力系统OPF中具有取代传统手动编程的潜力。 相似文献
3.
风电具有显著的波动性和不确定性,大规模风电并网给电力系统的频率调节带来了严峻的挑战。储能具有灵活爬坡特性和双向调节能力,可有效辅助常规机组参与频率调节,提高参与自动发电控制(AGC)的机组响应能力,从而提高高风电功率波动系统的频率稳定性。以机组功率调节速率能否弥补系统功率波动为判断依据,以储能的有功功率变化速率和有功功率基点作为控制变量,提出一种考虑功率变化速率的储能辅助单台火电AGC机组参与电力系统频率调节的协调控制策略,自适应决策储能的动作时机和动作速率。基于PSCAD/ETMDC平台的仿真结果表明,所提策略以储能更少的动作频度和动作深度,达到了更优的调频效果,可有效减少储能功率/能量容量配置,具有良好的经济性,为储能的多场景应用奠定了基础。 相似文献
4.
5.
随着电力系统规模的增大,通过传统数值方法计算系统特征值来进行小干扰稳定评估已无法满足实时分析的要求。因此,提出了一种基于深度学习(卷积神经网络)的电力系统小干扰稳定评估方法。该方法以广域测量系统可监测变量作为模型的输入,关键特征值作为输出,对输入数据和输出数据进行相应处理后,利用深层架构对其映射关系进行分析;并针对大系统维数较高、训练速度较慢的问题,采用了离散余弦变换和图形处理器并行技术。算例结果表明,在不考虑控制参数变化的情况下,经过历史数据的离线训练后,该方法能够较准确地计算出系统的关键特征值。 相似文献
6.
用户侧负荷资源数量众多、容量不均,分布零散,响应潜力强,具备参与电网调节的能力。基于负荷工作时功率、电流等特征差异,建立负荷特征指纹库,提出面向居民电器的非侵入式负荷辨识方法,实现居民用能的在线分解。基于同类电器特征相似的特点,在同一台区下,提出由下至上的台区负荷需求响应能力在线聚合监测方法,实现台区负荷资源参与需求响应能力的评估。在通过REDD数据集和某台区拓扑的测试,表明该方法对居民负荷具有较好的辨识度,对台区负荷资源需求响应能力很好地监测,为未来负荷侧泛在资源的整合及协调利用提供了方式和途径。#$NL关键词:非侵入式; 负荷辨识; 需求响应; 聚合监测#$NL中图分类号:TM73 相似文献
7.
8.
同步发电机组参数的正确性严重影响电力系统仿真及稳定控制结果的有效性,然而励磁和调速系统中大量非连续环节的存在,严重限制了现有在线辨识方法的高效应用。为解决该问题,提出了一种非连续动态同步发电机组的空间正则化参数辨识方法。该方法将不同状态空间下的非连续动态方程转化为统一的等效表达式,并利用简约空间内点算法对含离散化动态方程约束的参数辨识问题进行求解,从而实现参数辨识问题中对非连续动态方程的准确、高效处理。最后,大量的数值试验和实际测试结果验证了所提方法的有效性。 相似文献
9.
数据驱动建模方法改变了发电机传统的建模范式,导致传统的机电暂态时域仿真方法无法直接应用于新范式下的电力系统。为此,该文提出一种基于数据-模型混合驱动的机电暂态时域仿真(data and physics driven time domain simulation,DPD-TDS)算法。算法中发电机状态变量与节点注入电流通过数据驱动模型推理计算,并通过网络方程完成节点电压计算,两者交替求解完成仿真。算法提出一种混合驱动范式下的网络代数方程组预处理方法,用以改善仿真的收敛性;算法设计一种中央处理器单元-神经网络处理器单元(central processing unit-neural network processing unit,CPU-NPU)异构计算框架以加速仿真,CPU进行机理模型的微分代数方程求解;NPU作协处理器完成数据驱动模型的前向推理。最后在IEEE-39和Polish-2383系统中将部分或全部发电机替换为数据驱动模型进行验证,仿真结果表明,所提出的仿真算法收敛性好,计算速度快,结果准确。 相似文献
10.