一种改进的频率正反馈无功电流扰动孤岛检测研究

孤岛检测技术能保证逆变型光伏发电系统并网对电力系统安全运行和稳定工作。基于对传统无功电流扰动方法的分析,提出了一种改进的频率正反馈的无功电流扰动孤岛检测方法。通过周期性地施加无功扰动电流和扰动函数的正反馈作用,加大无功扰动量,使频率越限,从而实现防孤岛效应保护功能。通过Matlab/Simulink仿真软件搭建了仿真模型,实验结果表明,该方法对电能质量影响小,不向电网注入谐波,具有无检测盲区、检测速度快的优点。

基于小波包变换与遗传膜优化的BP神经网络的孤岛检测方法

光伏并网分布式发电运行中,为保障系统运行的稳定和安全,需具备较高的孤岛检测能力。为此,提出了基于小波包变换与遗传膜优化BP神经网络的孤岛检测方法,在不添加任何扰动的情况下,能实现无盲区检测,弥补传统被动式和主动式孤岛检测存在的不足,通过对PCC点电压信号进行小波包变换提取特征向量,并作为神经网络的输入样本,再利用WPT-GAPS-BP神经网络算法进行孤岛判断。通过仿真,验证了该方法的检测速度和精度更快更准确,具有一定的可行性和可靠性。

基于模糊聚类和组合预测算法的光伏短期预测

光伏出力受气象因素影响大,未计及气象因素的光伏出力预测结果精度不高;将多种气象数据直接作为模型输入增加了预测模型的维度;BP神经网络具有很强的线性映射能力,被广泛应用于光伏出力预测中,但是单一的BP预测模型预测误差较大。针对这些问题,提出一种基于模糊聚类和组合预测算法的方法进行光伏出力短期预测。通过pearson相关系数定量分析光伏出力与太阳辐照度、大气浑浊度、相对湿度等气象因素之间的相关性,将这三类气象数据作为聚类特征向量并通过改进的模糊C均值聚类(IFCM)算法将光伏出力历史数据和待预测日数据聚类成三类,然后选取待预测日所属类别的历史数据和待预测日的温度数据并利用遗传膜优化BP神经网络预测模型(GAPS-BP)进行预测。最后,通过实际案例仿真,验证了所提模型和优化算法的有效性,表明所提方法能够有效降低模型输入维度并提高预测精度。

基于小波分析的并行膜混合核支持向量机月度负荷预测

针对现代电力系统月负荷数据的趋势增长性和波动性的非线性特征,提出了一种基于小波变换的混合支持向量机负荷预测模型。通过小波变换将负荷序列分解为不同尺度的子序列,考虑负荷的季节波动性,将温度因素作为输入变量,构建混合核函数LWPSO-LSSVM。将负荷子序列分别放入膜系统的基本膜中进行并行预测,然后对子序列预测数据进行重构得到预测结果。利用四川省某地区电网负荷数据进行应用研究,结果表明所提出的模型较传统核函数支持向量机预测精度和效率有明显提高。

基于超级电容储能系统的不对称故障下PMSG控制策略研究

为了提高直驱型永磁同步风力发电机的低电压穿越能力,通过对其在电网电压不对称故障下产生的2倍工频分量机理进行分析,提出了一种基于超级电容储能系统的新型改进控制策略。基于功率平衡的思想,直流侧采用超级电容储能系统,并改用功率外环电流内环的控制策略,以实现不对称故障时堆积在直流侧不平衡功率的平滑控制。同时,在网侧采用双二阶广义积分器锁相环替代传统方法中的单相锁相环,实现不对称故障时正负序基波分量的精确测量。通过Matlab/Simulink仿真表明,该控制策略能有效抑制系统在不对称故障时的网侧有功和直流侧电压二倍频波动,提高系统在不对称故障下的低电压穿越能力,证明了所提出改进控制策略的有效性。