基于深度置信网络的卡尔曼滤波算法改进

卡尔曼滤波是一种应用广泛的基于最小方差的递推式滤波算法,根据一定滤波规则对系统的状态进行估计。采用某种统计量最优方法对噪声和系统模型统计特性的先验知识决定的滤波的性能和估计的准确性进行度量。不精确的先验知识将导致滤波性能的明显下降和发散。采用新息自适应卡尔曼滤波克服标准卡尔曼滤波需要在先验条件下进行估计的缺点,通过深度置信网络对噪声的协方差矩阵做出调整,从而提高滤波性能。     

基于EMPC的分布式光伏集群频率控制策略

为提升光伏发电并网效果，发挥分布式光伏的调频能力，提出一种基于EMPC（扩展模型预测算法）的分布式光伏集群频率控制策略。首先，基于模糊子空间聚类算法，考虑集群电压稳定和辅助调频性能，选取合适的分群指标，将大规模分布式光伏单元划分成基于分群指标的分布式光伏集群；然后，基于分群结果构建分布式光伏集群模型，引入状态扩展变量获得系统频率响应的动态预测模型，设计考虑分布式光伏集群出力预测误差和集群控制增量的EMPC目标函数对模型进行滚动优化和反馈校正；最后，在不同工况下进行仿真分析，结果表明所提控制策略可以提高分布式光伏集群并网的频率支撑能力，降低系统的功率损耗。