计及弃风能量的风电场调频功率分配策略

为科学合理地分配风电场调频功率和降低减载调频弃风量,首先,根据风电机组（WTs）运行状态,将WTs分为不可调频、降功率调频和升功率调频3类,并在此基础上,结合系统调频功率（降功率或升功率）需求,选取对应WTs调频,避免所有WTs同时参与调频,进而降低WTs调频动作次数,延长寿命;其次,根据WTs运行状态和极限,构建WTs减载约束模型来定义其调频能力,进而实现WTs调频功率优化分配和弃风容量优化利用的双重目的,并通过定义WTs退出调频风险指标,使得WTs有序退出调频,避免了系统频率二次跌落问题。仿真研究表明:考虑不同运行状态下WTs调频能力差异来优化分配调频功率,可提升系统调频能力和弃风利用率。     

考虑峰谷分时电价的风储联合发电系统跟踪风电计划出力控制策略

风电场配置电池储能系统(Battery Energy Storage System,BESS)是提高风电场调度计划精确度的有效手段。为提高风储联合发电系统跟踪调度计划出力能力、增加BESS收益,文章提出了一种基于模型预测控制(Model Predictive Control,MPC)和双层模糊控制的BESS跟踪风电计划出力控制策略。首先,基于MPC方法建立了以并网功率与计划出力偏差、储能系统剩余容量偏离理想值最小为目标;其次,结合BESS实时荷电状态(State of Charge,SOC)与风电功率计划值动态跟踪需求,通过引入第一层模糊控制规则,实时调整目标函数中的权重系数,以获得最佳跟踪效果。同时,为提高BESS收益,结合SOC和峰谷分时电价,采用第二层模糊控制规则,对BESS的充放电功率进行修正;最后,在风储联合发电系统实验平台上对所提控制策略进行了验证,仿真结果表明,与传统MPC方法相比,所提控制策略提高了风储系统跟踪计划出力能力,避免了BESS越限,具有良好的峰谷套利收益。     

基于自适应磁通观测器的感应电动机转子时间常数辨识研究

分析了转子时间常数变化对系统控制性能的影响;提出一种新颖的基于自适应磁链观测器的辨识方法.与传统的极点配置方法设计反馈增益矩阵不同的是,它采用鲁棒控制理论和Lyapunov稳定性理论,通过求解线性矩阵不等式,求出观测器的反馈增益矩阵.仿真结果表明,该方法能准确辨识感应电机的转子时间常数,具有较快收敛性和较高的无差度及鲁棒性强的特点.     

电网不平衡情况下并网逆变器多目标协调控制策略研究

在电网电压不平衡情况下,并网逆变器输出有功功率和电流将存在二次脉动和畸变。为了提高电网不平衡时并网逆变器并网电流质量,有效降低并网逆变器对电网的冲击,提出了一种基于神经网络的电网不平衡情况下并网逆变器多目标协调控制策略。该策略根据瞬时功率计算参考电流矢量,建立多控制目标的统一解析表达式,并利用ADALINE神经网络对参考电流矢量表达式系数进行优化。为了提高系统的抗干扰性能,采用增量式PI控制器进行电流控制,并利用RBF神经网络在线调整PI控制器参数。仿真和实验结果验证了所提方法的有效性和适用性。     

基于粒子群优化神经网络观测器感应电机定子电阻辨识

针对感应电机模型参数时变性突出的问题,提出一种基于粒子群优化神经网络观测器感应电机定子电阻辨识方法。该方法首先通过构建一个含待辨识参数的非线性函数,然后根据神经网络的一致逼近任意非线性连续函数的性质,利用RBF神经网络逼近这个非线性函数,并在此基础上构造自适应观测器。采用伪降阶观测器结构,减少了参数辨识的计算时间;用粒子群优化算法对神经网络参数进行优化,提高了神经网络的收敛速度和逼近精确度。仿真和实验结果验证该方法鲁棒性强,动态性能好,具有较好的辨识效果。     

感应电动机转子时间常数辨识

提出一种新颖的基于自适应磁链观测器的辨识方法,与传统的配置电机极点方法设计反馈增益矩阵不同的是,它采用鲁棒控制理论和Lyapunov稳定性理论,通过求解线性矩阵不等式,求出观测器的反馈增益矩阵.仿真结果表明,该方法能准确辨识感应电动机的转子时间常数,具有较快收敛性,较高的无差度及鲁棒性的特点.     

无速度传感器感应电机控制速度辨识的研究现状与展望

速度辨识是无速度传感器感应电机控制中的重要环节.模型参考自适应观测器、神经网络等速度辨识方法,虽然都有较好的精度,但其低速下的辨识精度明显下降,而且电机参数的变化及干扰也影响辨识精度.因此,如何提高低速下的辨识精度和增强系统抗干扰、参数变化的鲁棒性,是速度辨识的基本要求.本文介绍了近年来出现的速度辨识方法,并分析了其优缺点.     

基于气象特征挖掘和改进深度学习模型的风电功率短期预测

为提高风电功率短期预测的准确度,需进一步挖掘气象特征,为此,提出一种基于贝叶斯优化调参的特征挖掘改进深度学习模型。对气象因素提取多时间尺度下的统计特征、组合特征和类别特征;构建包含长短时记忆神经网络与注意力机制结合模块、Embedding模块和输出模块的深度学习模型,将连续数值特征输入长短时记忆神经网络与注意力机制结合模块,将类别特征输入Embedding模块;由贝叶斯优化调参进行特征组合选择,找出最优特征组合,得到最终的风电功率预测结果。与某风电场历史数据的对比分析表明,所提方法能有效提高风电功率的预测精度。     

微电网直流输电MMC环流抑制研究

模块化多电平换流器（Modular Multilevel Converters,MMC）具有维护方便,易扩容等优点,在柔性直流输电（High Voltage Direct Current,HVDC）、电网谐波治理等领域得到广泛应用。但其子模块中的分散电容,在实际使用中会产生谐波环流,影响了模块电容电压波动,降低换流器的安全裕度和经济性。文章首先介绍了MMC组成结构;然后通过建立桥臂瞬时功率方程,分析环流产生机理,并得出桥臂环流中存在二次谐波分量的结论,通过控制直流侧电压与桥臂等效输出电压之间的差值,调节环流中的谐波分量,进而将现阶段国内、外环流抑制方法分为间接环流抑制方法与直接环流抑制方法,并对环流的利用也做了相关阐述。最后对环流抑制存在的问题进行总结与展望。     

计及柔性负荷的电网储能和光伏协调规划研究

具有“虚拟储能”作用的柔性负荷能够从时空上改变原有负荷分布,降低峰谷差,然而现有规划并未对其进行深入研究。为此,通过构建柔性负荷响应模型,并提出优先将高峰时段柔性负荷转移至光伏出力高峰期的合同策略,进而提高光伏利用率。其次,构建计及柔性负荷的储能和光伏协调规划模型,以便充分发挥柔性负荷“削峰填谷”及光储时序互补作用。最后,通过对10 kV 37节点实际配电网进行仿真。结果表明,从经济角度分析,柔性负荷相比储能更具优势,能有效降低储能容量配置和提高光伏消纳能力。