大容量新型调相机电磁特性及优化研究

大容量新型调相机在我国特高压直流送受端的应用有效降低了换相失败的风险、提高了输电系统短路比以及有效地解决了无功支撑不足的问题。提高调相机容量、加快其无功响应速度、强化其过载能力是优化新型同步调相机动态无功支撑能力的关键。然而,由于其运行工况复杂、响应形式多样,提高了对调相机电气特性和机械性能的要求,增加了调相机本体优化设计和改进控制策略的难度。以2极48槽的300Mvar调相机为例,使用有限元方法准确计算了大容量新型调相机自身运行特性,通过改变励磁电流模拟不同运行工况,明确了无功功率与励磁电流的数学关系。从气隙角度对调相机本体结构进行优化仿真,得到了气隙大小对新型调相机容量、电磁损耗、气隙谐波的影响。仿真结果表明,改善气隙大小对优化大容量新型调相机的有效性。

分布式电源接入位置对配网电压影响研究

配电网在高渗透率、低负载运行状态下,分布式电源(DG)接入系统后对原电网的安全运行产生的影响不容小觑。针对DG接入配电网的不同位置会对系统电压产生不同影响的问题,提出6种不同DG接入配电网方式。首先利用前推回代潮流法求解并网后节点电压值;然后以电压质量最优为目标,支路容量、节点电压、有功及无功功率平衡为约束条件,利用新颖帝国竞争算法(ICA)对模型进行求解;最后在IEEE-33节点中进行仿真验证,所得结果表明方式3与方式6接入为最优接入且验证了ICA算法在寻求高渗透、低负载运行状态下DG接入位置具有正确性和实用性。

基于SSA-BP神经网络的光伏短期功率预测

光伏发电的波动性和随机性导致光伏功率预测精度难以达到理想状态,而提高光伏发电功率的预测精度是抑制光伏并网不利影响的有效途径。为了提高BP神经网络的预测精度,运用麻雀算法对BP神经网络的权阈值进行寻优,提出了一种基于麻雀算法(SSA)-BP神经网络的光伏短期功率预测方法。首先,在Matlab中建立SSA优化BP神经网络模型;然后,以某光伏电站的气象数据为输入,在晴天、阴天和突变天气3种工况下对光伏电站的功率进行预测;最后,将SSA优化BP神经网络模型预测结果分别与BP神经网络预测结果、PSO优化BP神经网络预测结果和光伏电站的实际出力数据进行对比。结果表明:麻雀算法能够提高BP神经网络模型的预测精度,实现对光伏短期功率的有效预测。