高比例可再生能源电力系统中火电深度调峰改造经济性分析

随着可再生能源的大规模渗透,电力系统的调峰压力越来越大。为此提出了采用时序生产模拟对建立的模型进行仿真,以燃煤发电成本以及机组启停成本的经济性最优作为目标函数,然后围绕目标函数建立约束。结果表明:对机组本身进行改造,效益远高于加储能装置,而且机组节省启停的费用远高于增发的可再生能源收益。

考虑噪声数据的FCM-LSSVM负荷预测模型

针对传统负荷预测未考虑噪声数据影响的问题,提出了一种基于模糊C均值聚类与最小二乘支持向量机的组合预测模型。首先利用FCM对历史数据进行聚类分析,剔除孤立样本,继而构建负荷预测训练集并输入最小二乘支持向量机进行学习,进一步采用粒子群算法优化参数,得到最优预测模型。仿真结果表明,相对于其他负荷预测模型,该算法有效地消除了噪声数据对负荷预测精度的影响,泛化能力更佳。

基于改进FCM的不良负荷数据辨识

电力负荷受突发事件,用电器故障等因素作用易引发数据库失真,不仅不利于能量管理系统数据的应用,对于电力负荷预测、调度也具有负面影响,因此有效的不良负荷数据辨识具有重要意义。以模糊C均值聚类算法为基础,提出了一种分化距离作为判据的离群点检测方法,综合考虑对象周围的密度与数据之间的距离对离群点的影响,通过比较分化距离来计算周围的数据点密度,挖掘出类别中隐含的离群点。结果表明,基于分化距离改进的FCM能够有效地辨识出类别中隐藏的不良数据,并且对于多不良数据情况也具有很好地检测能力。

基于即时学习差异化建模的用电量预测方法

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为缩小K-VNN的搜寻规模,通过模糊C均值FCM(fuzzy C-means)依据预测特征值进行数据聚类。灰色T型关联度用来选择特征值,进一步提高模型的运行效率。武汉某高校大楼的用电量预测结果表明:FCM-LL差异化建模方法在日用电量的预测效率和预测精度中具有显著的优越性。

基于线性锥规划的风电最优潮流研究

针对含风电接入的电力系统最优潮流优化问题,对异步电机稳态模型、风速随机模型和风电最优潮流模型等方面进行了研究,对传统风电最优潮流优化方法的优缺点作出了总结。提出了凸优化理论中的二阶锥规划(SOCP)方法,结合二阶锥松弛(SOC)优化理论,建立了以经济性最优为目标的多维非线性优化模型;采用了IEEE-9节点以及IEEE-14节点系统进行了仿真计算,观察不同风速下发电成本的变化趋势。研究结果表明:该模型能够量化不同风速对发电成本的影响;与混沌优化算法和线性规划方法相比,利用锥规划方法计算风电最优潮流更具有经济优势。

变论域模糊控制在VSC-HVDC控制器的应用研究

随着柔性直流输电技术的发展,其应用范围愈渐广泛,而双闭环控制小信号模型在系统扰动较大的工况中,其控制参数的不变性使得控制效果欠佳。引入了变论域的模糊PID控制,该控制器的初始值利用经验公式法获取。考虑到初始论域不一定符合所有输入信号的控制要求,通过引入伸缩因子,调整系统变量的论域,实现模糊量到隶属度函数的精确映射,获得更加准确的参数调整量,也提高了其动态性能和控制精度。利用仿真验证了变论域的模糊PID控制在VSC-HVDC双闭环控制的应用中控制效果更好,适用范围更广。