排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
当前大规模波动性风电接入给电网安全、有功调度和无功电压控制带来严重挑战,传统能量管理系统(EMS)的集中式架构在网络建模、信息通信、分析的快速性以及控制的敏捷性方面均难以适应抑制风电快速波动的要求。为此,提出了分布集中式EMS框架下的风电场分布式EMS的体系结构,详细阐述了其关键技术,含:风电场网络建模及全状态感知、风功率预测、状态监视、安全分析和自动发电/电压控制等。通过一个风电场EMS自动电压控制的应用实例说明风电场分布式EMS的运行效果。 相似文献
3.
电力系统风险因素是引起备用的主要原因,实现备用费用在各风险责任方之间公平合理地分摊是推进电力市场改革的重要一步。将备用容量和备用电量区分开来,通过类比条件风险价值的方法,建立了基于条件风险备用的容量费用分摊模型。该模型考虑了风险因素概率分布偏度对备用的影响;基于谁引发谁承担原则,建立了电量费用分析模型。利用以上模型可以科学地实现正负备用费用的分摊。最后,采用修改IEEE30节点进行仿真分析,验证了该分摊模型的有效性。 相似文献
4.
5.
在传统负荷预测理论的基础上,提出了基于智能相似日识别及偏差校正的新型短期负荷预测方法。首先构建地市—相关因素特征矩阵,通过判断矩阵相关性智能选取负荷相似日,从而实现负荷曲线的一次预测。在此基础上,建立了实时气象偏差校正策略,采用XGBoost算法进行负荷曲线的二次偏差校正,达到短期负荷预测的目标。算例研究表明,该策略能够有效提升短期负荷预测精度,而且具有较好的自适应特性,可以应用于电力系统短期负荷预测实践。 相似文献
6.
夏季负荷受温度等气象因素影响大,表现出随机性强、波动性大的特点。针对现有短期负荷预测模型在夏季预测精度不高的问题,提出在负荷成分分解的同时,将温度分解为日周期分量和波动分量,以此准确把握短时气象波动对夏季短期负荷预测的影响。在充分分析负荷各分量变化趋势及对整体负荷预测精度影响的基础上,针对各个负荷分量特征分别选择预测方法。在预测气象敏感负荷分量时引入温度波动分量,基于XGBoost智能算法构建预测模型。选用我国中部某市夏季历史负荷建立训练样本,对2017年8月份日96点负荷进行预测,预测结果验证了所提模型和算法的有效性。 相似文献
1