基于PCA和改进ABC-K聚类算法的双馈机组风电场等值建模

针对已有双馈风电机组风电场动态等值所建模型存在准确度不够高,适应性不够强的缺点,提出了一种基于主成分分析(Principal component analysis,PCA)的改进人工蜂群算法(Improve artificial bee colony,IABC)的动态等值建模方法。首先,对双馈风力机进行数学建模,获取机组的的所有状态参数;其次,利用主成分分析法将变量间的冗余性与相关性进行处理,提取发电机定转子q轴电流、电磁转矩、发电机转速四个主导变量作为分群指标,使用IABC搜索最佳聚类中心;最后,运用K-means算法对风电场进行聚类分群处理,并在Matlab/Simulink平台进行仿真。仿真结果表明本文所建等值模型在风速扰动和系统侧故障工况下都有较好的准确性和适应性。

基于改进天牛须算法的含固态变压器的配电网无功优化

提出了一种基于改进天牛须算法的含固态变压器(solid⁃state transformer,SST)的配电网无功优化方法,通过调节SST的调制系数和相位角补偿系统的无功功率。文中首先对SST进行数学建模,其次针对天牛须搜索算法(beetle antennae search algorithm,BAS)在低维度空间表现优异,在5维及以上空间存在收敛速度慢,精度低的问题,在BAS的基础上引入了模拟退火算法(simulated annealing algorithm,SA)中蒙特卡洛准则以及动态实时改变的步长因子,通过经典函数来测试文中所提算法的性能,最后应用到含SST的配电网中,对SST的连续优化变量和分布式发电(distributed generations,DGs)的无功输出进行优化,使系统的电压偏差与功率损耗达到最小,降低了SST在配电网中的成本。最后对改进的IEEE⁃33节点系统进行仿真,验证了该模型与算法的可行性与有效性。

计及风、光消纳的风电-光伏-光热互补发电二层优化调度

以风电、光伏、光热构成新能源互补发电模式,计及风、光资源消纳,建立将高载能负荷作为可调度资源参与新能源互补发电系统的二层优化调度模型,采用NSGA-Ⅱ和二进制粒子群算法求解模型。上层优化模型以互补系统输出功率波动最小和并网效益最大为优化指标确定各机组的出力,并且计算出弃风弃光量。在此基础上,下层优化模型针对上层优化模型造成的弃风弃光量,选取能够有效消纳风、光的高载能负荷参与电网调度。最后,以甘肃地区实际数据为例,验证了所提方法的可行性和有效性。仿真结果表明,光热电站的参与增加了44.3%的经济效益,减小了65.8%的输出功率波动,高载能负荷的参与减小了86.3%的弃风弃光量。