排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
在LFC控制中最典型的问题就是由于联络线上的功率流动无限制,电能的流向总是从频率高的区域流向频率低的区域,这就加重了频率高的区域的控制负担;再加上各区域控制动作的不协调,使扰动在不同的时间、不同幅值发生时,引起系统的调节过程的急剧恶化,甚至导致整个系统的不稳定。根据研究对象的特性以及调节对象的特点,文章提出一种基于模糊MAMDANI推理算法的模糊监督控制器,采用各个区域的频率偏差作为控制器的输人,考虑监督控制器作为一种前馈补偿,设计输出为一个ACE的倍数,用以加大或者减小控制器的动作量,来控制主汽门的开度,以求在有联络线相互干扰的条件下,系统能尽快的结束调节过程,进入稳定状态。经过实验仿真数据对比发现,提出的监督控制器能有效的提高系统的稳定性。 相似文献
2.
应用数据挖掘技术估计SCADA系统不良数据状态 总被引:1,自引:0,他引:1
现有的不良数据状态估计存在很多的弊端,应用数据挖掘的方法,使用SCADA数据库中的数据对不良数据进行估计。首先应用分类树方法,按照网络的运行模式与时间分类形成树,把SCADA数据库分成子数据库,提高运算速度。然后使用近邻法则对不良数据进行估计,最后应用IEEE-14标准节点网络仿真生成150组数据,从中随机抽取20组作为测试数据人工插入故障点进行检验。理论分析和实际算例表明,该算法精度高,程序简单,便于在线计算,同时可实现多点故障数据估计。 相似文献
3.
4.
基于局域波分解及时间序列的风电场风速预测研究 总被引:1,自引:0,他引:1
风速预测对风电场和电力系统的运行都具有重要意义。对风速进行比较准确的预测,可以有效地减轻或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。本文基于局域波分解和时间序列分析的方法,对风速预测进行了研究,并提出了局域波分解.时间序列分析的综合预测方法。通过对实际测量统计的风速时间序列进行局域波分解,使之分解成为有限个基本模式分量和一个趋势分量,并对分解出的各个分量用时间序列分析的方法进行预测,最后叠加得到预测的风速信号。由于局域波分解可以将一个非平稳的风速信号序列分解成有限个相对平稳的风速信号序列,所以此方法能够有效地提高预测精度。 相似文献
1