基于CNN-BiGRU网络的超短期风电功率预测

针对风电数据存在维度多、波动大等特点而加大风电功率预测难度的问题,本文提出一种基于卷积神经网络(convolutional neural networks,CNN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的风电功率预测模型。该模型通过Pearson相关系数筛选最佳的历史功率和气象因素组合,使用CNN网络提取原始数据的时序特征,然后利用BiGRU网络捕捉这些特征之间的时序依赖关系,最终得到风功率预测值。算例分析表明,本文所提CNN-BiGRU模型比传统的BP和BiGRU神经网络模型具有更高的预测精度。

适应电网快速调频的热电联产机组新型变负荷控制策略

大型发电机组的一次调频特性对电力系统频率稳定与电能质量至关重要。热电联产机组热网中存储了大量蓄热,在短时间内利用这部分蓄热可以显著改善机组的调频性能而又不影响热用户需求。建立了机组释放蓄热的静、动态模型与热电耦合特性模型,提出了"供热抽汽快速动作、锅炉燃料精准追踪、供热抽汽缓慢恢复"的快速变负荷控制思路,并据此设计了供热抽汽调节与传统协调控制相结合的新型变负荷控制方法。以某330MW机组为例进行了仿真验证,结果表明所提出的控制策略实现了供热抽汽的快速调节与主动恢复,缩短了机组跨出负荷响应死区的时间,提升了机组的变负荷速率,有效改善了机组的自动发电控制(AGC)性能。

热电联产机组热电转换与耦合特性分析

基于汽水分布方程与作功方程,建立了热电联产机组的热电转换特性模型;基于改进的弗留格尔公式,给出了机组热电耦合特性的变工况计算分析方法及机组可调度范围的确定方法。以某实际机组为例,验证了所提方法的有效性;定量计算了不同等级机组的热电负荷静态对应关系,确定了某机组的可调度范围。研究方法可用于机组的在线计算,并为机组的安全调度运行及进一步实现灵活控制提供研究支撑。