基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法

高压输电线接地故障的正确、快速识别是处理故障的前提之一。该文提出了一种基于数学形态谱和人工神经网络识别高压输电线路接地故障类型的新方法。数学形态学颗粒分析是一种用来处理图像的粒度和形状特征的图像处理工具。该方法通过对故障电流进行相模变换后,用数学形态学颗粒分析方法提取序电流分量的形态谱,并作为神经网络的输入,实现对接地故障类型的识别。仿真表明,该方法具有较高是识别率。

电动汽车电池储能在光伏发电并网中的应用

光伏发电日益成为满足用电负荷需求、提高能源综合利用效率、提高供电可靠性的一种有效途径。由于光伏发电出力具有波动性的特点,储能装置在光伏发电系统中必不可少。为实现光伏发电平滑并网,减少对电网和用电设备的冲击,提出将电动汽车电池作为光伏发电并网系统的储能单元的方案。制定了电动汽车电池分别作为可调度负载和分布式电源与光伏发电系统协调运行的充、放电的控制策略,并实现了电动汽车储能在光伏发电系统中的多种应用,包括跟踪发电计划,平滑发电功率输出、进行光伏发电消纳和实现电网负荷削峰填谷等。不仅为电动汽车电池储能应用于智能电网提供了新的思路,也为光伏发电并网提供新的解决方案。

电动汽车蓄电池充放电装置研究

针对传统晶闸管相控整流充放电系统的缺点,设计了一种高效率、高功率因数蓄电池充放电系统。该系统包括三相脉宽调制(PWM)整流器和DC/DC变换器两部分。当蓄电池充电时,DC/DC变换器工作于降压方式,将PWM整流器输出的电压降为适合的充电电压对蓄电池充电;当蓄电池放电时,DC/DC变换器工作于升压方式,将蓄电池能量送回PWM整流器直流侧,再由PWM整流器回馈电网。仿真和实验结果表明,系统能根据预先设定的条件实现充放电状态转变,并实现了网侧功率因数接近1,获得了较高质量的蓄电池充放电电压和电流。

应用于电网削峰填谷的储能电池智能充放电控制策略

目前,电网负荷峰谷差日益增大,与此同时,随机性、波动性的可再生能源大规模并网,导致电网的调峰问题更加突出,也给电力调度造成一系列困难。通常情况下,电力系统中电源及输配电设备均按照电网高峰负荷规划建设,电网高峰负荷持续时间较短,导致为满足高峰负荷需求而规划建设的电力设备的资产利用率较低。根据目前的电网建设情况,利用峰谷电价差的调控策略,鼓励用户在电网负荷低谷时期为电气设备充电,而在负荷高峰时期由电动汽车电池和新能源发电储能电池向电网放电,则可合理投资建设供电网络的容量,实现电网运营和用户的整体效益。