基于KPCA-ISSA-KELM的光伏阵列故障诊断方法

为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析（KPCA）和改进麻雀搜索算法（ISSA）优化核极限学习机（KELM）的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。     

考虑可再生能源接入的输电设备检修策略研究

可再生能源的出力随机性、波动性会对系统安全产生一定影响,因此对包含可再生能源的电力系统进行检修计划编制,考虑可再生能源的消纳能力对提高系统安全运行可靠性具有积极作用。提出了一种定量检修优化方法。针对包含可再生能源的系统关键部件提出一套检修策略,并计算出所有关键部件检修策略的总成本。最后,通过确定不同检修策略的最低总成本,选择关键部件的最佳检修策略。在IEEE 14节点系统上进行仿真分析,结果表明所提出的检修策略优化方法有效降低了检修总成本。     

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络（ISSA-RBF）的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。     

计及用户舒适度的海上孤岛微电网运行策略

在高比例新能源的孤岛微电网中,风电的间歇性与波动性会增加微电网运行调度的不确定性,严重情况下可能对系统安全稳定运行造成影响。为此,提出一种计及用户舒适度需求侧管理的海上孤岛微电网运行策略。首先,针对微电网内不同类型负荷用户进行精细化建模以及差异化需求响应策略,提出不同类型用户的评判指标。其次,综合用户舒适度最优以及微电网日运行成本最小为目标建立日前调度框架,并利用yalmip+cplex求解器进行求解得到日前调度计划。最后,以某海上孤岛微电网为例,在不同风电场景下验证所提策略的有效性与普适性。