一种兼顾稳定性和主动支撑的构网型SVG控制方法

    公开(公告)号:CN115764912A

    公开(公告)日:2023-03-07

    申请号:CN202211440555.9

    申请日:2022-11-17

    摘要: 本发明公开了一种兼顾稳定性和主动支撑的构网型SVG控制方法,属于风电并网无功补偿控制技术领域。类比直流母线电容的充放电特性和同步电机转子的加减速特性设计有功控制环,得到有功环角频率与直流母线电压之间的关系,进而得到构网型SVG虚拟内电势的相位角;依据无功控制环计算SVG虚拟内电势的幅值;依据虚拟阻抗控制环计算虚拟内电势的d轴和q轴电压分量;基于虚拟内电势的相位角和虚拟内电势的d轴和q轴电压分量,通过反Park变换,生成构网型SVG的虚拟内电势,经PWM调制器得到构网型SVG开关管的控制信号,对构网型SVG主电路进行控制。在满足系统公共并网点电压波动不越限的同时,保障风电并网系统的安全稳定运行。

    一种新能源置信容量分析方法及系统

    公开(公告)号:CN113609686B

    公开(公告)日:2023-08-29

    申请号:CN202110907150.0

    申请日:2021-08-09

    摘要: 本发明公开了一种新能源置信容量分析方法及系统,所述方法包括:S1、构建新能源发电功率模型,基于所述的新能源发电功率模型,计算某一时期内同等间隔时间的新能源发电功率曲线;S2、构建常规机组发电功率模型,基于所述的常规机组发电功率模型,计算某一时期内同等间隔时间的常规机组发电功率曲线;S3、采用时序蒙特卡洛法仿真计算含有新能源的电力系统的可靠性水平;S4、通过弦截法对含有新能源的电力系统的可靠性水平进行多次迭代计算,获得光伏发电和风力发电的置信容量及容量置信度。本发明在新能源置信容量分析时,将常规机组模型加入进去,提高新能源置信容量分析的可信度,提高对实际电力系统的相似程度。

    一种基于图神经网络的碳排放流追踪方法

    公开(公告)号:CN114741956A

    公开(公告)日:2022-07-12

    申请号:CN202210319858.9

    申请日:2022-03-29

    摘要: 本发明公开了一种基于图神经网络的碳排放流追踪方法。所述追踪方法根据目标输配电网络的拓扑信息、输配电线路及设备参数、电网内用户位置、各发电设施位置及该设施的碳电效率对电网运行状态进行随机仿真,生成满足实际情况的碳流追踪结果样本,对母线‑线路神经网络进行训练,该神经网络可在不同规模的网络样本间进行迁移,因此本发明方法具有较强的泛用性和可拓展性;就可以根据电网内用户用电数据和发电厂实时发电量,实时计算电网内各用户所间接产生的碳排放以及输配电线路及设备能量损失所产生的碳排放。本发明方法可以有效减少碳流追踪所需的计算速度和计算过程中所用到的数据,可为碳电市场的有效运行提供更高效节能的运行依据。

    一种新能源置信容量分析方法及系统

    公开(公告)号:CN113609686A

    公开(公告)日:2021-11-05

    申请号:CN202110907150.0

    申请日:2021-08-09

    摘要: 本发明公开了一种新能源置信容量分析方法及系统,所述方法包括:S1、构建新能源发电功率模型,基于所述的新能源发电功率模型,计算某一时期内同等间隔时间的新能源发电功率曲线;S2、构建常规机组发电功率模型,基于所述的常规机组发电功率模型,计算某一时期内同等间隔时间的常规机组发电功率曲线;S3、采用时序蒙特卡洛法仿真计算含有新能源的电力系统的可靠性水平;S4、通过弦截法对含有新能源的电力系统的可靠性水平进行多次迭代计算,获得光伏发电和风力发电的置信容量及容量置信度。本发明在新能源置信容量分析时,将常规机组模型加入进去,提高新能源置信容量分析的可信度,提高对实际电力系统的相似程度。

    爬坡事件预测方法、装置、电子设备和存储介质

    公开(公告)号:CN117290701A

    公开(公告)日:2023-12-26

    申请号:CN202311210911.2

    申请日:2023-09-19

    摘要: 本公开提供了一种爬坡事件预测方法、装置、电子设备和存储介质,涉及计算机技术领域,尤其涉及功率检测领域。具体实现方案为:对风电功率序列逐个功率地滑动时间窗口并截取时间窗口中的序列,得到多个风电功率子序列;在多个风电功率子序列中,确定属于爬坡事件的多个第一子序列;基于各个第一子序列与多个第一子序列中的其他子序列之间的欧式距离,分别确定各个第一子序列的邻居子序列;基于各个第一子序列的邻居子序列中风电功率的采样时间,确定爬坡事件的发生时间间隔;基于爬坡事件的最近一次发生时间,以及发生时间间隔,确定爬坡事件的下一次发生时间。采用本公开的技术方案,可以提高功率爬坡事件的预测准确度。