-
公开(公告)号:CN117195158A
公开(公告)日:2023-12-08
申请号:CN202311276966.3
申请日:2023-09-28
Applicant: 大连理工大学 , 国网安徽省电力有限公司电力科学研究院
IPC: G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种电氢能源枢纽惯量评估方法及装置,涉及评估电氢融合枢纽惯量响应能力领域,包括:步骤S1:确定惯量中心以该点同步相量单元量测到的作为数据基础,对监测所得数据进行标幺化、滤波和去趋势等预处理;步骤S2:根据同步发电机惯量特征和虚拟惯量控制方式建立物理模型分别估计同步惯量和非同步惯量;步骤S3:针对极限学习机建立数据模型,确定其框架后利用蚁群算法对数据模型进行相关训练获取最优参数,并将物理模型和数据模型以串行的模式构成数据物理融合模型。本发明考虑到物理模型精度低等问题,融入极限学习机的数据模型,提出一种基于数据物理融合的惯量估计方案。
-
公开(公告)号:CN117748481A
公开(公告)日:2024-03-22
申请号:CN202311713603.1
申请日:2023-12-12
Applicant: 大连理工大学 , 国网安徽省电力有限公司电力科学研究院
IPC: H02J3/00 , G06F18/22 , G06F18/23213 , G06N3/006 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种基于实时动态分区的电力系统惯量在线评估方法及装置,在系统动态变化的情况下在线评估电力系统惯量,包括:步骤S1:计算动态频率响应相似性指标,进行系统实时分区;步骤S2:考虑惯量响应特性建立区域惯量在线评估模型;步骤S3:根据评估模型获得区域惯量并求取系统总惯量。本发明考虑到枢纽站中部分机组频率响应时刻变化等问题,对系统进行实时动态分区,提出一种基于实时动态分区的系统惯量在线估计方案。
-
公开(公告)号:CN117318155A
公开(公告)日:2023-12-29
申请号:CN202311280028.0
申请日:2023-09-28
Applicant: 大连理工大学 , 国网安徽省电力有限公司电力科学研究院
IPC: H02J3/38 , H02J3/48 , H02J3/50 , H02J3/32 , H02J3/28 , H02J3/24 , H02J3/16 , H02J3/36 , H02J1/10 , H02J15/00 , C25B1/04
Abstract: 本发明涉及一种电氢能源枢纽自适应惯量支撑控制方法,涉及电氢融合枢纽进行惯量响应和一次调频的控制领域,包括:步骤S1:构建一种新能源发电单元、电解槽单元、燃料电池单元、蓄电池单元等耦合于直流母线的电氢能源枢纽结构,并建立系统各单元的数学模型;步骤S2:根据系统结构搭建相应的电氢能源枢纽VSG控制策略;步骤S3:为改善VSG响应效果,考虑燃料电池、电解槽与蓄电池状态对上述结构进行改进得到VSG自适应控制策略方法。本发明能够缓解传统VSG控制方案备用容量不足等问题。
-
公开(公告)号:CN119853447A
公开(公告)日:2025-04-18
申请号:CN202411887941.1
申请日:2024-12-20
Applicant: 大连理工大学 , 国网辽宁省电力有限公司电力科学研究院
Abstract: 本发明提出了一种电氢能源枢纽协同优化控制方法、系统、设备及介质,属于电氢融合枢纽协调运行控制领域,该方法包括:构建将光伏发电单元、氢能单元、蓄电池单元耦合于直流母线的电氢能源枢纽结构,并建立各单元模型;通过各单元模型确定各单元的出力,并基于协同控制理论设计电氢融合枢纽的协同控制策略;基于各单元模型构建小信号模型,并结合协同控制策略、各单元的出力确定小信号模型中占空比的具体取值;通过小信号模型验证所提出的协同控制策略在直流微电网小扰动情况下的稳定性,并确定协同控制策略的各控制参数的最优取值。本发明能够有效实现电氢融合枢纽中各单元的协同运行,确保母线电压的稳定性,提升系统的整体运行性能。
-
公开(公告)号:CN116581792A
公开(公告)日:2023-08-11
申请号:CN202310427037.1
申请日:2023-04-20
Applicant: 国网甘肃省电力公司经济技术研究院 , 大连理工大学
IPC: H02J3/28 , H02J3/32 , H02J3/46 , H02J3/00 , G06Q10/0631 , G06Q50/06 , G06N3/0442
Abstract: 本发明涉及一种基于数据模型驱动的风光储系统容量规划方法,包括:步骤S1:观察光伏和风电的历史数据分析系统的运行特征,提取机组关键性能参数;步骤S2:根据历史关键性能参数利用长短期记忆网络(LSTM)预测规划年份机组的性能参数;步骤S3:通过运行特性建立出力比模型,利用发电出力比得到规划年份风光大致出力曲线,并预测机组性能参数对出力曲线进行修正得到优化风光出力曲线;步骤S4:首先,建立考虑经济及可靠性的规划模型;其次,向模型输入相关基础数据,包括系统目标水平年的负荷及机组逐小时特性等;最后,通过cplex求解得到最优的风光储容量规划结果。
-
-
-
-