一种抽蓄机组机电暂态模型的有功-频率耦合控制方法

    公开(公告)号:CN113471988B

    公开(公告)日:2023-08-15

    申请号:CN202110735315.0

    申请日:2021-06-30

    申请人: 武汉大学

    IPC分类号: H02J3/24 H02J3/28 H02J3/48

    摘要: 双馈式可变速抽蓄机组是一种新型的水电系统,由于抽水工况下转速连续可调,在保证静态扬程的前提上,通过变速运行机组输入功率调节范围拓宽。为挖掘机组参与电网调频的潜能,本发明涉及一种基于抽水工况下双馈可变速抽蓄机组机电暂态模型的有功‑频率耦合控制方法,首先建立了抽水工况可变速机组的简化机电暂态模型,该模型以抽水工况可逆水泵水轮机运行特性为基础,考虑了流体在过流管道内的动态特性,并计及了导叶的附加摩擦效应;然后从水力的角度揭示了抽水工况机组具备调频能力的本质原因;阐明了抽水工况机组改善电网频率特性的机理,并给出了控制器参数的推荐范围。最后,仿真和实验结果,验证了所提抽水工况机组改善电网频率特性的能力。

    基于深度神经网络的静态电压稳定边界计算方法及系统

    公开(公告)号:CN115293026A

    公开(公告)日:2022-11-04

    申请号:CN202210793032.6

    申请日:2022-07-05

    申请人: 武汉大学

    发明人: 邓长虹 樊虎

    摘要: 本发明公开了一种基于深度神经网络的静态电压稳定边界计算方法及系统。通过多次调用连续潮流法探测PV曲线鼻点,得到静态电压稳定边界点的样本集;以功率增长方式作为输入特征,以功率最大增长量作为输出变量,建立了复杂高维电力系统的静态电压稳定边界模型;由于样本的均匀性对模型影响很大,提出了可以在样本空间内均匀生成特征集的“挡板法”;在IEEE9和IEEE39节点系统基于“挡板法”生成了静态电压稳定边界样本,与蒙特卡洛随机生成样本相比,“挡板法”生成样本的均匀性和效率更高;基于深度神经网络构建了系统的静态电压稳定边界模型,与连续潮流法探测边界对比,验证了模型的精确性,与时域仿真边界对比,验证了模型的有效性。

    一种级联水电站群多利益主体调峰效益分配方法

    公开(公告)号:CN108988398A

    公开(公告)日:2018-12-11

    申请号:CN201810828935.7

    申请日:2018-07-25

    IPC分类号: H02J3/46 H02J3/38

    摘要: 本发明属于水电站调峰效益分配领域,具体涉及一种级联水电站群多利益主体调峰效益分配方法,本发明通过经优化计算后获得的调峰效益、级联水电站实时出力和水电站的基本参数,来分配级联水电站站群多利益主体的调峰效益。调峰效益分配值求解方法分为四个模块,分别为边际效益求解模块、机会成本求解模块、电站综合实力指标求解模块和改进shapley值法求解模块。该系统的优点在于针对级联水电调峰效益分配机制不明确的现状,综合考虑调峰边际效益、调峰机会成本和水电站综合实力,使得求出的调峰效益值更加合理,能够更好地调动级联水电调峰积极性,从而为电网人员分配级联水电站调峰效益提供参考。

    一种广域监测系统主站与PMU数据通信时延的估算方法

    公开(公告)号:CN108880946A

    公开(公告)日:2018-11-23

    申请号:CN201810877521.3

    申请日:2018-08-03

    申请人: 武汉大学

    IPC分类号: H04L12/26

    摘要: 为了解决广域监测系统中通信时延的定量计算问题,通过将时延进行分段计算,并针对每个部分提出相应的时延计算模型,可以有效增加计算结果的准确性。本发明公开了一种广域监测系统主站与PMU数据通信时延的估算方法,采取函数建模和分段计算的方法,根据信息流报文组成和发送周期,用函数的方式准确的描述各时间点相量测量单元所处子站所发送速率和等效带宽,指导时延计算的精准化。

    基于风电天气分型特征选择的风电功率预测方法

    公开(公告)号:CN108710973A

    公开(公告)日:2018-10-26

    申请号:CN201810480398.1

    申请日:2018-05-18

    申请人: 武汉大学

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明提供一种基于风电天气分型特征选择的风电功率预测方法,具体步骤包括:以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段;对筛选样本段进行聚类,将风电天气划分为n类,未筛选的样本段作为第n+1类;对各类天气的输入特征分别进行选择,将W维特征降低到di(i=1,2,L,n+1)维,di是第i类天气筛选得到的特征数;建立n+1类风电天气下的风电功率预测模型;识别未来24h各段风电天气类型,并分别将各类风电天气关联的di(i=1,2,L,n+1)维特征作为预测输入,进行风电功率预测。本发明对不同持续时长的风电天气进行分型,采用以数据驱动的特征选择方法,发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型,有效提高了预测精度和效率。