【摘 要】
：
为了改善直流微电网的电压稳定性和动态性能,降低控制系统的复杂性,提出一种基于下垂曲线截距调整的直流微电网自适应虚拟惯性控制(AVIC)方法.在反正切函数中嵌套幂函数,根据电压和电压变化率的动态变化调整下垂曲线的截距,以控制换流器快速释放或吸收功率,从而为直流微网提供惯性支持.建立含AVIC的四端直流微电网小信号模型,并通过根轨迹分析揭示主要控制参数对系统稳定性的影响规律.最后,通过硬件在环仿真验证了所提方法的有效性.
【机 构】
：
河北省分布式储能与微网重点实验室(华北电力大学),河北省保定市 071003
论文部分内容阅读
为了改善直流微电网的电压稳定性和动态性能,降低控制系统的复杂性,提出一种基于下垂曲线截距调整的直流微电网自适应虚拟惯性控制(AVIC)方法.在反正切函数中嵌套幂函数,根据电压和电压变化率的动态变化调整下垂曲线的截距,以控制换流器快速释放或吸收功率,从而为直流微网提供惯性支持.建立含AVIC的四端直流微电网小信号模型,并通过根轨迹分析揭示主要控制参数对系统稳定性的影响规律.最后,通过硬件在环仿真验证了所提方法的有效性.
其他文献
随着配电网侧电力市场的开放,电力交易参与者呈现多元化,电力交易策略也不尽相同.针对多微网电力交易现有研究存在的没有完整的交易过程及多为集中式交易两方面问题,提出了基于区块链的多微网智能交易策略.首先,建立了基于区块链的多微网智能交易架构,为多微网交易提供去中心化的交易平台.然后,建立多微网电力交易策略,首轮交易时微网节点考虑交易成交风险因子进行报价,经过两阶段竞价撮合,根据考虑信誉度的出清策略进行市场出清,下一轮交易时可自适应调整风险因子,以获取更高的效益.最后,建立信誉度共识机制实现数据的一致性.仿真结
为了应对日益严峻的能源形势和气候变化,削减全球碳排放已经成为世界各国的普遍共识.在碳中和重要发展目标及能源结构转型的驱动下,电能的清洁化替代趋势将愈加显著,配电系统在促进新能源消纳和用户碳减排等方面发挥重要作用的同时,也将面临新的挑战.围绕碳排放约束下的智能配电网规划问题,首先分析了低碳化智能配电网的发展特征,然后从新要素、新路径和新形态等多方面阐述了与传统配电网规划思路的区别,为此提出了“碳中和区”的概念,并提出低碳微生态配置方案和碳中和能力评估方法.进而,探讨了多尺度时空动态演化下智能配电网规划的若干
2021年1月8日和7月24日,欧洲电网先后两次发生故障,导致电网解列,继而产生了大幅频率波动,造成大量负荷被切除、电源脱网.两次事故既反映出大型互联电网运行中的稳定风险及其防控的复杂性,也揭示了能源转型和极端天气影响下电网安全运行面临的挑战.文中介绍了欧洲电网的基本情况,依据欧洲输电运营商联盟(ENTSO-E)发布的分析报告,梳理了事故的发生、发展过程及关键事件,总结了事故原因和共性问题,并结合中国电网实际情况和建设新型电力系统的需要,提出应从两次事故中汲取的教训和借鉴的经验.
准确的电池状态估计对于确保电池储能系统的安全可靠运行至关重要.电池的健康状态(SOH)虽然能反映电池的老化状态,但SOH估计模型的建立受到实际标签数据难以获得或是测试代价高昂的限制.文中基于无监督机器学习模型,建立了一种新的健康指标对电池进行状态评估.首先,从电池的电压-放电容量曲线选择特征,根据锂离子电池的老化机制将电池状态划分为健康和异常,使用健康的数据对基于卷积神经网络的自动编码器模型进行训练,根据自动编码器的输入、输出计算重构误差,最后将重构误差输入逻辑回归模型对电池状态进行判别.在开源的MIT-
耦合可再生能源发电和氢储能的综合能源系统发展潜力巨大,是实现能源消费清洁低碳的有效途径.以天然气-风-光-氢综合能源系统为规划对象,考虑了系统供电辐射区域的电动汽车随机充电需求,利用高斯核密度估计和K-means聚类算法来刻画风光出力和电动汽车充电的不确定性并生成典型概率场景,以年综合成本和年碳排放最小为优化目标,引入权重系数表征决策者的优化偏好,基于混合整数线性规划对系统进行了容量配置优化.算例分析以年逐时数据开展仿真以验证模型的有效性和合理性.结果表明,与传统分供系统和联网型方案相比,该系统得益于风光
随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难.为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法.首先,通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF).然后,配合机器学习智能算法,使用DBN逐一对各个IMF分量进行特征提取和时序预测.最后,将多个目标预测结果累加得到最终用户侧短期净负荷预测结果.采用某地区实际数据进行算例分析,验证了所提CEEMDAN-DBN独立预测模型与直接
非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的
三相不平衡主动配电网无功优化的非凸非线性给全局优化求解带来一定挑战.传统方法采用二阶锥松弛方法来凸化原始非凸优化模型,从而实现全局最优解的有效搜索.然而,传统所提方法忽略了三相配电网相间耦合关系,从而导致三相不平衡场景下与全局最优解之间存在误差.为此,文中提出适应三相不平衡主动配电网无功优化的二阶锥松弛模型,通过将原始优化模型映射到高维空间,松弛秩约束,并采用Sylvester准则形成相间二阶锥约束.最后,通过IEEE 33节点、IEEE 123节点和906节点算例仿真分析验证了所提方法的有效性.
云南电网在交流联络线断线后发生了死区附近的频率振荡现象.为此,文中对此现象进行了研究.首先,在单机系统的传递函数中加入调速器死区环节并对死区进行分段建模;然后,对不同扰动下的频率进行解析求解,从数学上解释了含普通型死区的系统相轨迹曲线连续、而含增强型死区的系统相轨迹曲线不连续的原因;接着,通过频率解的特征和稳定点证明了含增强型死区的正阻尼系统在特定扰动下会出现频率振荡的结论,并给出了振荡发生的条件.最后,通过多机系统的数值仿真验证了理论分析的正确性.
基于深度学习的负荷分解方法忽略了设备状态的关联性,导致应用过程中会出现功率误判现象.针对上述问题,提出一种基于时间模糊化长短时记忆(TFLSTM)的非侵入式负荷分解方法.首先,根据合适的时间区域分割数据集,利用长短时记忆(LSTM)建立时刻关联性.然后,通过编码和解码去除非目标设备信息,并根据用户在不同时间区域的用电习惯来确定模糊策略,最终完成负荷分解.基于公开数据集,将文中方法与经典方法及前沿方法进行对比,实验结果表明TFLSTM能够有效降低功率误差,功率分解准确率可提高4％～15％.