基于Markov模型的电动汽车参与电网调频控制与分析方法

    公开(公告)号:CN108493959B

    公开(公告)日:2021-01-26

    申请号:CN201810255776.6

    申请日:2018-03-26

    申请人: 河海大学

    IPC分类号: G06Q10/04

    摘要: 本发明提供了一种基于Markov模型的电动汽车参与电网调频控制与分析方法,针对电动汽车的随机分布情况,对城市区域进行合理划分构建Markov链,进而分析计算出概率转移矩阵以此刻画电动汽车的随机分布规律;然后结合电动汽车日内累计行驶里程分布和电池高效使用原则确定电动汽车放电界限,考虑含高渗透率的可再生能源综合电力系统中用电发电量的不平衡情况,构建有功不平衡指数,以此提出电动汽车智能充放电管理控制系统,通过对电动汽车的充放电模式进行设置实现电动汽车参与电网有功平衡和调频功能。

    含蓄热式电锅炉的电热互联能源系统多场景经济调度方法

    公开(公告)号:CN110649592A

    公开(公告)日:2020-01-03

    申请号:CN201910307716.9

    申请日:2019-04-17

    申请人: 河海大学

    摘要: 本发明提供了含蓄热式电锅炉的电热互联能源系统多场景经济调度方法,首先在采集电热互联能源系统信息的基础上,建立计及蓄热式电锅炉、风电机组、热电机组的电热互联能源系统模型;然后设置电热互联能源系统运行约束,主要包括爬坡率约束、容量约束、调度因子约束;其次,配置电热互联能源系统多场景工作模式,包括热电机组灵活性改造场景、风电供热场景、用户侧电能替代场景;最后,建立电热互联能源系统经济调度模型,对其求解并输出电热互联能源系统信息。本发明为电热互联能源系统多场景经济调度、风电消纳、电网调峰提供理论指导与借鉴。

    一种计及传感器故障的分数阶网络系统状态估计方法

    公开(公告)号:CN106936628B

    公开(公告)日:2019-10-18

    申请号:CN201710082556.3

    申请日:2017-02-16

    申请人: 河海大学

    IPC分类号: H04L12/24

    摘要: 本发明公开了一种计及传感器故障的分数阶网络系统状态估计方法,用于分析分数阶网络系统因传感器故障而引起的数据丢包情况下的状态估计问题。该方法的具体步骤如下:首先对传感器故障情况下,发生数据随机丢包的系统模型进行了分析,建立了考虑数据随机丢包情况下的分数阶网络系统模型。接着,以传统的分数阶扩展卡尔曼滤波状态估计方法为基础,结合传感器故障情况下的分数阶网络系统模型,设计出了改进分数阶扩展卡尔曼状态估计方法。本方法适用于传感故障引起数据随机丢包情况下的分数阶网络系统状态估计问题,且流程简单易于实现。

    一种电转气的综合能源系统多点线性概率能量流方法

    公开(公告)号:CN105930980B

    公开(公告)日:2019-10-15

    申请号:CN201610300615.5

    申请日:2016-06-08

    申请人: 河海大学

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公布了一种电转气的综合能源系统多点线性概率能量流方法,先提出一种含风电、热电联供以及电转气的能源集线器模型;接着定量分析电网与气网线性化能量流方程的精度,由此得到气网线性化能量流精度明显低于电网的结论;基于此,本发明提出基于多点线性化的能量流计算方法。同时,计及了电‑气‑热负荷与风速的相关性,基于不确定能量流注入的概率密度分布函数,采用蒙特卡罗模拟法生成随机样本;对于每个随机样本,采用多点线性法计算能量流。算例测试结果表明,本发明所提方法计算效率高,同时线性化误差在可接受范围内。

    一种基于自适应EnKF技术的动态状态估计方法

    公开(公告)号:CN110008638A

    公开(公告)日:2019-07-12

    申请号:CN201910328471.8

    申请日:2019-04-23

    申请人: 河海大学

    IPC分类号: G06F17/50 G06F17/16 G06F17/11

    摘要: 本发明公开了一种基于自适应EnKF技术的动态状态估计方法,用于电力系统发电机未知系统噪声工况下的动态状态估计。本发明通过在EnKF中引入改进的渐消记忆指数加权的Sage-Husa噪声统计估计器,能够动态估计校正时变系统噪声的均值与方差,抑制未知系统噪声对状态估计精度的影响,实现发电机运行状态的准确估计。本发明因考虑了实际工程背景,且简单方便,具有较高的工程应用价值。

    一种计及噪声统计特性未知的动态状态估计方法

    公开(公告)号:CN109950903A

    公开(公告)日:2019-06-28

    申请号:CN201910307752.5

    申请日:2019-04-17

    申请人: 河海大学

    IPC分类号: H02J3/00

    摘要: 本发明公开了一种计及噪声统计特性未知的动态状态估计方法,用于实现电力系统发电机动态状态变量的准确估计。该方法在传统无迹卡尔曼滤波算法(unscented Kalman filter,UKF)的框架下,分别建立基于创新信息序列的系统噪声和量测噪声统计特性估计器,能够依据环境变化动态调整和修正系统噪声和量测噪声满足的协方差矩阵。所提方法(adaptive unscented Kalman filter,AUKF)可有效解决传统UKF方法因噪声矩阵设置不当引起的状态估计性能下降问题,提升动态状态估计器的状态估计精度。该算法因计及了实际工程背景,且简单方便易于实施,具有较高的工程应用价值。

    一种基于自适应卡尔曼滤波的低频振荡模态参数辨识方法

    公开(公告)号:CN106786561B

    公开(公告)日:2019-06-18

    申请号:CN201710091562.5

    申请日:2017-02-20

    申请人: 河海大学

    IPC分类号: H02J3/00 H02J3/24 G06F17/50

    CPC分类号: Y02E60/76 Y04S40/22

    摘要: 本发明公开了一种基于自适应卡尔曼滤波的低频振荡模态参数辨识方法,用于解决电力系统低频振荡模态参数识别问题。本发明的具体实施步骤如下:首先,通过对低频振荡信号的分析,结合其自身的特点,建立了状态分量包含待辨识参数的状态空间模型;在此基础上,考虑到系统噪声和量测噪声协方差的时变性,通过运用自适应技术实现了对噪声协方差的动态估计;最后,结合卡尔曼滤波方法实现了对低频振荡模态参数的有效辨识。算例分析表明了本发明的有效性和实用性。

    一种基于网损迭代的改进直流动态最优潮流的计算方法

    公开(公告)号:CN105046588B

    公开(公告)日:2019-04-30

    申请号:CN201510498258.3

    申请日:2015-08-13

    申请人: 河海大学

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公布了一种基于网损迭代的改进直流动态最优潮流的计算方法,传统的动态最优潮流是对整个调度周期进行整体优化,其变量和约束的数量随着时段数的增加而急剧增加,从而导致计算效率较低;直流动态最优潮流计算效率高,但是精度较低。本发明通过网损迭代的方式得到等值负荷,并建立网损等值负荷模型,然后提出了一种基于网损迭代的改进直流动态最优潮流的计算方法,其有效地降低了传统动态最优潮流模型的复杂度。经过多个算例的仿真测试,结果表明本发明所提方法有着较高的计算精度和计算效率。

    一种储能参与下的综合能源系统日前稳态优化分析方法

    公开(公告)号:CN109523076A

    公开(公告)日:2019-03-26

    申请号:CN201811361220.1

    申请日:2018-11-15

    申请人: 河海大学

    摘要: 本发明公开了一种储能参与下的综合能源系统日前稳态优化分析方法,该方法基于多类型负荷需求设计能源集线器及能量耦合方式,在能源集线器基础上提出耦合电-热-气-冷-汽子系统的能源站模型构架;然后分别建立综合能源系统中电-热-气-冷-汽子系统稳态数学模型;并且分析蓄电、蓄热、蓄冷对并网运行的综合能源系统日前稳态优化影响;其次在不同负荷结构下建立含电-热-气-冷-汽子系统日前稳态非线性优化模型;最后算例分析验证对综合能源系统进行稳态优化计算和稳态运行分析的有效性。本发明主要解决当前综合能源系统中各子系统协调运行的不足问题,且该方法能够合理反映综合能源系统的运行特性。

    计及奇异值的低频振荡信号参数辨识模型及其参数辨识方法

    公开(公告)号:CN109274107A

    公开(公告)日:2019-01-25

    申请号:CN201811306935.7

    申请日:2018-11-05

    申请人: 河海大学

    IPC分类号: H02J3/24

    摘要: 本发明公开了一种计及奇异值的低频振荡信号参数辨识模型及其参数辨识方法,不仅可以有效检测量测、创新序列和模型结构存在的奇异值,而且通过降低奇异值的权重,避免了传统卡尔曼滤波奇异值存在情形下的发散问题,提高了辨识方法的鲁棒性,能够实现奇异值存在情形下电力系统低频振荡信号参数的准确辨识。