基于混合控制策略的主动配电网韧性提升方法

针对新能源并网传统跟网型控制难以对故障进行快速主动应对的问题,提出了一种基于构网型与跟网型控制相结合的混合控制方法。基于统一建模方法建立了构网型和跟网型控制的控制模型,以提高模型对不同类型控制器的适应性。通过功率解耦和扩展状态观测对分布式电网的动态响应和控制结构进行分析,利用提出的统一控制器对配电网中不同类型逆变器进行稳定控制,可将电压偏差状态控制在预期范围内。通过仿真和算例验证了所提出的方法不仅可提升配电网对系统干扰的免疫力,还可提高配电网的稳定运行能力。

利用贝叶斯线性回归结合混合Copula函数分析风电功率的相关性

分析风电场之间的出力相关性有助于合理规划风机的功率输送以及调度优化,从而提高传输线路的利用率。以冀北地区风场为例,首先分析了该区域风速的分布特性,然后利用贝叶斯线性回归算法建立混合Copula函数模型,拟合得到4个机群风速序列的联合分布,计算出风电场之间的出力相关性,并与其他相关性函数建模进行对比研究。研究结果表明,基于贝叶斯线性回归的混合Copula函数模型能够提高参数估计的精确性,从而使得计算出的相关性更为准确,并且由其拟合得到的出力概率分布与实际风场出力的概率分布较为一致。

基于需求负荷的用户侧用电量管理研究

“碳达峰”“碳中和”战略目标对电网节能减排提出了高标准、严要求。研究从用户侧电量基准线及用电舒适度出发,设计基于需求负荷的用电量管理方案,其可通过电气运行情况的聚类分析及时间序列负荷的短期预测,面向用户侧建立最优控制模型,精准调控用电时段、有效转变用电模式、养成良好用电习惯,形成平滑负荷曲线,旨在减少不必要的电能损耗,改善电网运行的经济效益。

用于大数据用电类型估计的FCM抽样划分聚类

对用用电大数据进行用电类型估计算法不足这一问题,设计了基于模糊均值(FCM)抽样划分聚类的方案.通过高斯平滑预处理消除测量数据中的波动和噪声;再改进FCM模型,使之适用于用电类型的估计;最后,基于抽样划分和均值更新的思想,提高改进模型的运行性能,以运用于用电大数据的处理.模型检验和算例对比实验,证明了该方案具有速度快,准确率高的特点,适合运用于相关用电大数据处理上.