基于OLTC与储能系统协调的配电网电压控制方法

    公开(公告)号:CN115864414A

    公开(公告)日:2023-03-28

    申请号:CN202211692930.9

    申请日:2022-12-28

    摘要: 本发明为基于OLTC与储能系统协调的配电网电压控制方法,包含OLTC与储能系统的协调控制;对于OLTC的控制,搭建包含OLTC、储能系统以及光伏系统的配电网模型,计算配电网中各个节点电压;判断节点电压是否发生电压越限,若发生电压越限,则计算所有节点电压的加权平均值与OLTC二次侧电压参考值的偏差,根据偏差计算OLTC所需调整的抽头位置,通过改变抽头位置改变OLTC二次侧电压;储能系统包含电压控制和SOC控制两种模式;当储能系统所在节点的电压低于系统电压最小值或高于系统电压最大值时,采用电压控制模式;当储能系统所在节点的电压在系统电压允许范围内,储能系统采用SOC控制模式;分别计算两种控制模式下储能系统的有功功率,将储能系统的有功功率作为逆变器的有功功率参考值进行输出。该方法在改善整个配电网电压水平的同时避免储能系统过度充放电。

    同步调相机系统及其控制方法
    43.
    发明公开

    公开(公告)号:CN115589029A

    公开(公告)日:2023-01-10

    申请号:CN202211090711.3

    申请日:2022-09-07

    摘要: 本发明涉及同步调相机技术领域,尤其涉及同步调相机系统及其控制方法。一种同步调相机系统,包括控制模块、同步调相机、电机、转轴、飞轮和制动器。一种同步调相机系统的控制方法,使同步调相机系统启动并与外部电网连接并网,根据外部信号使同步调相机系统吸收或输出有功功率和无功功率,使同步调相机系统停机。本发明的同步调相机和电机采用共轴双转子结构,使系统总体结构更紧凑。控制模块通过外部电网的一次调频参数和无功需求信息,控制同步调相机系统吸收或输出有功功率和无功功率,参与一次调频和电网无功调节。控制模块通过调节吸收或输出有功功率和无功功率的时长和周期,参与平抑风电或光伏发电的功率高频波动。

    一种基于EWT-SE及小波阈值的叶片声信号降噪方法

    公开(公告)号:CN112287835B

    公开(公告)日:2022-11-01

    申请号:CN202011182502.2

    申请日:2020-10-29

    IPC分类号: G06K9/00

    摘要: 本发明公开一种基于EWT‑SE及小波阈值的叶片声信号降噪方法,针对风力发电机叶片声音受随机风噪影响导致难以获取纯净叶片声信号的问题,对样本熵进行改进;并根据叶片声信号特性,对小波阈值函数进行修改,提出一种基于经验小波变换(EWT)‑样本熵(SE)与小波阈值的叶片声信号降噪方法。该方法首先通过EWT将信号分解为各模态函数,通过改进的样本熵算法计算各模态函数的样本熵值并选取信号重构分量;之后对边界模态函数进行小波阈值再降噪;最后重构分量得到降噪后的信号。利用现场录取的叶片声音数据对该方法进行分析与验证,结果表明该方法的降噪效果更优,能够得到较为纯净的叶片信号,为后续提取叶片声学特征奠定基础。

    一种大规模风电机群等值小信号模型建模方法

    公开(公告)号:CN110210170B

    公开(公告)日:2022-10-18

    申请号:CN201910529855.6

    申请日:2019-06-19

    IPC分类号: G06F30/20

    摘要: 本发明为一种大规模风电机群等值小信号模型建模方法,该方法首先按集电线路来对大规模风电场进行划分,详细测量第A条集电线路的风速、接入线路阻抗数据,并对其进行聚类分组,依据各条集电线路的风速历史数据来建立相关性模型,并依据集电线路之间的相关性系数及第A条线路的实际数据、及聚类情况,来得到各条集电线路的等效聚类情况,再整合得到大规模山地型风电机群的分组,再依据风机所处运行区域的不同构建风速、阻抗的不同进行区别等值,并根据分组不同构建不同分组下的等值小信号模型,最后再整合为整体的等值小信号模型。该方法分析结果更加精准且全面,从而可更好的保证电网的安全稳定运行。

    一种新能源风电功率曲线计算方法

    公开(公告)号:CN114971370A

    公开(公告)日:2022-08-30

    申请号:CN202210677555.4

    申请日:2022-06-15

    发明人: 张家安 宁阮浩

    摘要: 本发明为一种新能源风电功率曲线计算方法,该方法先将数据进行清洗,再将清洗好的数据进行基于时间序列的处理,能够提高计算准确性,基于时间序列,在计算输出功率前对风速进行预处理,并利用处理好的风速作为输入量来计算风电功率,与其他将未经处理的风速作为输入量的方法相比能够提高计算的准确性,能够根据风速准确计算风电机组输出功率。使用时间序列平滑预处理得到新的输入风速,使其能够包含过去时刻风速与当前时刻风速的综合信息,进而能够更加精确的计算风电机组的输出功率,使得到的风电功率曲线能更准确地描述风机实际运行时风速与风电功率的对应关系,能够对同一风速下出现的不同风电功率做出合理解释和准确映射。

    一种改进梅尔倒谱系数算法的叶片故障诊断方法

    公开(公告)号:CN111397884B

    公开(公告)日:2022-02-08

    申请号:CN202010307134.3

    申请日:2020-04-17

    IPC分类号: G01M13/00 G01M99/00

    摘要: 本发明公开一种改进梅尔倒谱系数算法的叶片故障诊断方法,本发明故障诊断方法首先利用梅尔倒谱系数算法获取信号特征矩阵,并利用SVD(奇异值分解)对特征矩阵做降噪处理,滤除了风噪声的特征信息,使得到的信号特征更加准确。在强风噪背景下该方法处理的故障信号同样呈现出明显的周期性,可以识别出强风噪下的故障风机。本发明故障诊断方法解决了传统的梅尔倒谱系数算法判断叶片是否故障方法无法识别强风噪下的故障风机的难题。

    基于时空相关性的风电集群功率预测方法

    公开(公告)号:CN113159452A

    公开(公告)日:2021-07-23

    申请号:CN202110532494.8

    申请日:2021-05-17

    摘要: 本发明公开了一种基于时空相关性的风电集群功率预测方法,该预测方法分析了风电集群中风电场之间的时空相关性,应用多种类型相关性计算方法进行计算,引入Shapley值法进行加权,使相关性评价更加全面,更加精确的计算风电集群中的相关性。该预测方法考虑影响发电功率的多种因素,将多种因素融合在一起,使风电集群整体时空相关性特征得到提取,从而达到直接风电集群功率预测的效果,避免了现有方法叠加预测造成误差随之叠加的弊端,提高了预测精度。此外,应用卷积神经网络提取风电集群的关键时空相关特征,达到降低维度的目的,使风电集群的时空相关特征可以直接输入进神经网络中,与风电集群功率相对应,更加方便的进行风电集群发电功率预测,使预测精度更高。