复杂工况下基于RBF神经网络的全电推进船舶负荷预测

全电力推进船舶的复杂工况使其负荷情况难以预测,无法确立精确的数学模型刻画,而应用RBF神经网络建立船舶电力系统负荷预测模型具有可靠性和准确性。通过对全电力推进船舶负荷特点的分析和对RBF神经网络负荷预测的基本原理研究,提出一种基于RBF神经网络的全电力推进船舶的负荷预测方法,选取合理的历史负荷数据,将其归一化处理后输入至RBF神经网络预测模型,再将模型输出反归一化后得到负荷预测结果。在Matlab/Simulink中对某全电力推进船舶在恶劣复杂工况下实际短期运行的负荷情况进行预测,预测准确率高达96.4%。预测结果表明,该方法实现了对复杂工况下全电力推进船舶短期负荷的精准预测,模型拟合程度很高。

聚合商参与车网互动技术体系及优化响应模型

近年来,电动汽车大规模接入电网带来了巨大的调峰压力。车网互动技术(V2G)将电动汽车视为可移动的储能装置,实现与电网的双向互动,对于促进可再生能源消纳、提高电网调节能力、构建新型电力系统具有重大作用。本文提出了聚合商参与V2G的交易模式,并介绍了支持V2G实现所需技术,建立了电网-聚合商-用户三级协同互动体系。针对聚合商的运营特点,建立聚合商日内实时响应优化模型。同时考虑到电动汽车充放电特性及电网约束,提出聚合商的日内调度策略,并对不同时段发布的调度方案进行优化。以某一居住区电动汽车聚合商为例,算例模拟了一天中电动汽车充放电情况,并对比了电动汽车参与V2G前后台区负载率,结果表明V2G可以降低高峰期负载率,并增加聚合商放电收益。

基于电蒸汽蓄热锅炉的新能源消纳方法研究

提出一种基于电蒸汽蓄热锅炉的新能源消纳方法,建立系统各单元模型,围绕电锅炉工作挡位选择、新能源消纳量等参数探究蓄热式电锅炉系统与电网及用户的互动,最后提出以风电消纳最大以及系统经济性最优为目标的优化运行策略,并以风电作为新能源形式进行案例仿真验证了该优化方法的有效性。

用于分布式储能的新型高降压比DC/DC转换器

在此探讨一种具有高降压比的新型单级单开关DC/DC转换器,用作分布式储能系统中电池组的充电装置。在传统Buck电路的基础上,首先在输入正极与主控开关之间串入一个基于二极管、电感和电容的开关网络单元。在二极管以一定频率和一定占空比进行开关的作用下,网络单元中的电容电压为输入电压与占空比的乘积。然后在原有续流回路的基础上,以X形连接方式增加一条由二极管和电感组成的续流通道进一步降压。对该新型拓扑进行了模式分析和稳态特性分析,并且使用电源仿真软件SIMPLIS对分析结果进行了验证。设计调试了一台600 W的实验样机,实验结果表明,与传统Buck电路相比,在相同占空比情况下,该转换器具有更强的降压能力。

电蓄热锅炉技术在针织行业应用及经济效益分析

综合能源系统具有提升能源利用率、对环境友好等特点,近年来得到了快速发展,但在其推广过程中缺少技术经济效益分析方法,缺乏具有典型代表性的参考案例。为了解决上述问题,本文面向针织行业,设计了一套电蓄热技术与风电、光伏结合的综合能源系统,并对其应用到工厂所获效益进行了分析,最后对电蓄热技术进行了展望。所得结果对电蓄热技术的应用、终端电气化率的提升具有重要的推动作用。