基于自适应虚拟电阻的广域电力系统稳定方法

    公开(公告)号:CN114285081A

    公开(公告)日:2022-04-05

    申请号:CN202210001270.9

    申请日:2022-01-04

    IPC分类号: H02J3/38 H02J3/24 H02J3/01

    摘要: 本发明为基于自适应虚拟电阻的广域电力系统稳定方法。首先,该方法通过分析锁相环、电流控制环对并网逆变器输出阻抗的影响,以及并网逆变器输出阻抗和电网阻抗之间的交互作用,建立了考虑PLL影响的并网逆变器的广域阻抗模型;然后,基于广域阻抗模型设计了广域稳定性判据,以判别并网逆变器系统在广域范围内是否稳定;同时建立了广域电力系统稳定器,将广域电力系统稳定器并联到PCC点,能够在不改变原系统控制参数和结构的前提下,重塑并网逆变器的输出阻抗并提高其相位;最后,根据系统谐振工况的变化实时对虚拟电阻值进行自适应调节,达到在广域范围内抑制谐振、镇定系统的效果。

    一种基于VMD分解算法的风机叶片故障诊断方法

    公开(公告)号:CN113250911B

    公开(公告)日:2022-02-18

    申请号:CN202110525344.4

    申请日:2021-05-12

    IPC分类号: F03D17/00

    摘要: 本发明为一种基于VMD分解算法的风机叶片故障诊断方法,包括步骤1、采集风机叶片的声音信号并对声音信号进行滤波,得到滤波后的声音信号;步骤2、利用VMD分解算法将滤波后的声音信号分解为多个模态分量;步骤3、对每个模态分量进行分帧处理,将每个模态分量分为多帧声音信号;对分帧处理后的声音信号进行加窗处理,得到加窗处理后的声音信号;步骤4、计算每帧声音信号的短时能量,然后将每个模态分量对应的所有帧声音信号的短时能量相加,得到各模态分量的短时能量;步骤5、各模态分量的短时能量构成信号样本的特征向量,将特征向量输入到支持向量机中进行训练,将训练后的模型用于故障诊断。该方法的诊断准确率和效率较高。

    一种考虑混合无功响应的双层无功电压协调控制方法

    公开(公告)号:CN113241768A

    公开(公告)日:2021-08-10

    申请号:CN202110581805.X

    申请日:2021-05-24

    IPC分类号: H02J3/06 H02J3/18 H02J3/50

    摘要: 本发明为一种考虑混合无功响应的双层无功电压协调控制方法,将SVC与慢速无功调节设备一起纳入协调控制,所述慢速无功调节设备包括慢速连续设备和离散设备,当系统出现扰动后,充分利用系统内不同调节特性的各类连续和离散无功设备,实现对系统电压的快速动态支撑;在彼此之间不产生冲突的情况下对系统电压和动态无功储备按照控制目标优先级和控制时序进行优化控制;在动态无功储备优化过程中,优先考虑快慢连续无功设备之间的无功交换,实现无功精细分配,当某台发电机的无功超过容量限制时,按照无功缺额进行并联电容器组的投切,实现SVC和离散设备之间的无功交换。该方法实现了扰动后的电压快速平滑调控和稳态下的动态无功储备优化控制。

    一种结合注意力机制以及误差修正的光伏功率预测方法

    公开(公告)号:CN113205226A

    公开(公告)日:2021-08-03

    申请号:CN202110588219.8

    申请日:2021-05-28

    发明人: 张家安 郝峰

    摘要: 本发明为一种结合注意力机制以及误差修正的光伏功率预测方法,该方法包括以下内容:建立BiLSTM‑Attention神经网络模型;选取与待预测日相近的历史相似日的光伏发电序列为训练样本,并对历史相似日的光伏功率序列进行模态分解,得到不同的分量,然后以每个分量作为输入分别训练一个BiLSTM‑Attention神经网络模型,得到每个分量的预测值,所有分量的预测值相加得到总的预测值记为y1;同时,以训练样本直接训练一个BiLSTM‑Attention神经网络模型,得到训练样本的预测值,再将相似日的训练样本的预测值与真实的训练样本做差获得误差序列;对误差序列进行相同的分解、预测操作得到总的误差预测值记为y2;则最终的预测结果y为二者相加。实现了光伏功率预测结果的修正,使预测结果更加准确。

    一种配电网端风电光伏容量配比优化方法

    公开(公告)号:CN109193771B

    公开(公告)日:2021-04-20

    申请号:CN201811127369.3

    申请日:2018-09-27

    IPC分类号: H02J3/38 H02J3/46

    摘要: 本发明公开了一种配电网端风电光伏容量配比优化方法,该方法包括:(1)获取该配电网端每个时间点的风资源历史数据和光资源历史数据并计算对应时间点的风光单位容量出力;(2)获取该配电网端的负荷曲线和等比缩小的负荷值;(3)计算每个时间点风电装机容量并做概率密度曲线选取风电最优装机容量;(4)计算每个时间点光伏装机容量并做概率密度曲线选取光伏最优装机容量;(5)计算风电光伏最优容量配比和风电光伏最优综合出力;(6)上调和下调最优容量配比,得到最优容量配比范围。该方法通过合理的分布式风电光伏的容量配比,让风电光伏正常出力总值接近当地的负荷曲线,从而减少了分布式风电光伏配电网调频调压的压力和成本。

    一种基于相关性的光伏出力预测方法

    公开(公告)号:CN110188964B

    公开(公告)日:2021-03-16

    申请号:CN201910490826.3

    申请日:2019-06-06

    IPC分类号: G06Q10/04 G06Q50/06 G06F30/20

    摘要: 本发明为一种基于相关性的光伏出力预测方法,该方法包括以下步骤:获取同地区参考光伏电站和目标光伏电站的光伏出力历史数据;对所获取的两个电站的历史数据分别做无遮归一化处理,分别求取各自的无遮天j时刻出力及每天j时刻的无遮系数;求取历史数据中各天的晴朗系数Z和突变系数C,归一化处理后对样本天进行聚类来分类天气;对参考光伏电站和目标光伏电站的各自的属于某类天气的所有样本无遮系数进行函数拟合,得到各类天气下两个电站的累计分布函数;用Copula函数对累计分布函数建立相关性;选择对应天气下的空间相关性模型,求出目标光伏电站的无遮系数,再求得目标光伏电站的功率预测结果。该方法成本低、所需数据量少、预测精度高。

    基于云伸缩因子的变论域云PI负荷频率控制方法

    公开(公告)号:CN112350316A

    公开(公告)日:2021-02-09

    申请号:CN202011211325.6

    申请日:2020-11-03

    摘要: 本发明为基于云伸缩因子的变论域云PI负荷频率控制方法。该方法将变论域云模型控制与经典PI控制相结合,针对高比例新能源接入互联电力系统后,论域固定的云模型负荷频率控制器自适应能力有限,控制品质下降,变论域云PI负荷频率控制器可实现输入、输出论域的动态调整,自适应能力增强。为满足高比例新能源接入互联电力系统后的论域调整需求,基于云模型设计输入、输出伸缩因子,云伸缩因子满足高比例新能源接入互联电力系统后复杂的论域调整需求。基于云伸缩因子的变论域云PI负荷频率控制方法可有效实现互联电力系统的负荷频率控制。

    一种基于优化K-means聚类的风机叶片故障诊断方法

    公开(公告)号:CN110259648B

    公开(公告)日:2020-10-09

    申请号:CN201910603546.9

    申请日:2019-07-05

    IPC分类号: F03D17/00 G06K9/62

    摘要: 本发明提出一种基于优化K‑means聚类的风机叶片故障诊断方法,该方法通过对某一风机故障帧和非故障帧的频域对比来确定该台风机的故障频率带。该方法基于廓系数优化K‑means聚类的效果,将一段声音信号的故障帧和非故障帧进行区分,并将特征帧的样本标签在时域上刻画条形图,综合分析同类特征帧的周期特性来判断某台风机的叶片是否故障。本申请无需大量样本,而且不必在桨叶上安装额外的装置,可以任意采集某台风机几个旋转周期的声音信号,通过本发明提出的方法进行诊断既可以判断该台风机叶片是否该故障,又可以确定故障的频率带的具体数值,对于单台风机的叶片故障诊断具有普适性。