-
公开(公告)号:CN112994051B
公开(公告)日:2024-01-09
申请号:CN202110220373.X
申请日:2021-02-26
Applicant: 南方电网调峰调频发电有限公司 , 武汉大学
Abstract: 本发明属于电力系统电源规划领域,尤其涉及一种含可变速机组的海水抽水蓄能电站容量优化配置方法,包括如下步骤:S1.分析并建立海上风电场功率特性模型;S2.分析可变速抽水蓄能机组功率特性并建立规划模型;S3.建立基于变速机组的海水抽水蓄能电站与海上风电联合运行微电网系统模型;S4.建立基于海岛微电网投资主体静态收益最大化的目标函数及相关约束,求得最优解。本方法建立基于规划水平年静态收益最大化的海蓄电站容量优化目标函数,并且重点考虑了可变速抽水蓄能机组的功率特性和计及输出通道功率平滑度的约束条件,其中变速机组模型精简变量少,便于优化计算,在电网电源规划方案设计方面有较强的实用性。
-
公开(公告)号:CN109784480B
公开(公告)日:2022-11-18
申请号:CN201910044537.0
申请日:2019-01-17
Applicant: 武汉大学
Abstract: 本发明提出一种基于卷积神经网络的电力系统状态估计方法,该方法以离线的电力系统潮流断面数据作为样本进行训练,将量测量作为输入数据,状态量作为期望输出,通过卷积神经网络的局部连接、权值共享、下采样等手段减少训练参数、降低网络复杂度,通过输入与输出之间误差的反向传播,通过Dropout手段防止过拟合,训练一个基于量测量的卷积神经网络状态估计模型。对于新的量测量数据通过已训练的卷积神经网络进行估计,得到系统在此时刻的状态量。该方法采用卷积神经网络进行状态估计,克服了传统迭代最小二乘状态估计方法计算时间过长和全连接神经网络状态估计方法梯度传递困难的缺陷,在减少计算时间的同时降低了网络的训练难度。
-
公开(公告)号:CN111797974B
公开(公告)日:2022-10-11
申请号:CN202010486953.9
申请日:2020-06-01
Applicant: 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司 , 国家电网有限公司
Abstract: 本发明提出一种联合粒子滤波和卷积神经网络的电力系统状态估计方法:离线学习部分,先利用历史RTU/PMU量测融合数据,分析系统注入功率的概率分布,再通过基于贝叶斯估计的粒子滤波算法,利用蒙特卡洛采样,生成训练样本,训练卷积神经网络;在线状态估计部分,将实时PMU量测数据预处理后,根据从离线学习部分训练获得的卷积神经网络结构和权重值建立网络,再通过前向计算和后向传播,完成电力系统的状态估计。相较于传统最小二乘估计的牛顿法迭代算法,该方法能有效提升计算速度,提高状态估计的精度和抗差能力。
-
公开(公告)号:CN110020680B
公开(公告)日:2022-04-05
申请号:CN201910234071.0
申请日:2019-03-26
Applicant: 武汉大学 , 国网青海省电力公司电力科学研究院 , 国网青海省电力公司
IPC: G06K9/62
Abstract: 本发明公开一种基于随机矩阵理论和模糊C均值聚类算法的PMU数据分类方法。包括:步骤1)建立历史PMU数据随机矩阵模型,通过建立线性特征值统计量进行特征提取,得到特征数据集;步骤2)用模糊C均值聚类算法对特征数据集进行聚类,得到各类的聚类中心和隶属度矩阵;步骤3)将实时电网运行数据结合历史数据建立随机矩阵模型,通过建立线性特征值统计量进行特征提取,生成特征数据;步骤4)使用步骤2的结果进行初始化,对步骤3生成的特征数据进行模糊C均值聚类,判断实时数据的类别。本发明可实现数据驱动下的PMU数据实时分类。
-
公开(公告)号:CN108512238B
公开(公告)日:2022-04-01
申请号:CN201810394575.4
申请日:2018-04-27
Applicant: 武汉大学
Abstract: 本发明涉及基于需求侧响应的智能家居两阶段优化调度方法,针对含储能装置的智能家居系统,建立负荷控制模型以及储能控制模型,对智能家电进行两阶段优化调度。第一阶段以柔性负荷为控制对象,采用遗传算法求解;第二阶段以储能装置为控制对象,采用粒子群算法求解。第一阶段优化控制的最优解以基础负荷的形式参与到第二阶段优化控制。负荷控制阶段最优解的适应度值作为储能控制阶段的最小目标函数约束,从而进一步降低电网终端用户的用电成本。考虑基于市场电价的需求侧响应的削峰填谷特性,智能家居调度对于电网源荷形成一种良性的供需关系有着重要的意义。
-
公开(公告)号:CN113471988A
公开(公告)日:2021-10-01
申请号:CN202110735315.0
申请日:2021-06-30
Applicant: 武汉大学
Abstract: 双馈式可变速抽蓄机组是一种新型的水电系统,由于抽水工况下转速连续可调,在保证静态扬程的前提上,通过变速运行机组输入功率调节范围拓宽。为挖掘机组参与电网调频的潜能,本发明涉及一种基于抽水工况下双馈可变速抽蓄机组机电暂态模型的有功‑频率耦合控制方法,首先建立了抽水工况可变速机组的简化机电暂态模型,该模型以抽水工况可逆水泵水轮机运行特性为基础,考虑了流体在过流管道内的动态特性,并计及了导叶的附加摩擦效应;然后从水力的角度揭示了抽水工况机组具备调频能力的本质原因;阐明了抽水工况机组改善电网频率特性的机理,并给出了控制器参数的推荐范围。最后,仿真和实验结果,验证了所提抽水工况机组改善电网频率特性的能力。
-
公开(公告)号:CN108710973B
公开(公告)日:2021-08-06
申请号:CN201810480398.1
申请日:2018-05-18
Applicant: 武汉大学
Abstract: 本发明提供一种基于风电天气分型特征选择的风电功率预测方法,具体步骤包括:以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段;对筛选样本段进行聚类,将风电天气划分为n类,未筛选的样本段作为第n+1类;对各类天气的输入特征分别进行选择,将W维特征降低到di(i=1,2,…,n+1)维,di是第i类天气筛选得到的特征数;建立n+1类风电天气下的风电功率预测模型;识别未来24h各段风电天气类型,并分别将各类风电天气关联的di(i=1,2,…,n+1)维特征作为预测输入,进行风电功率预测。本发明对不同持续时长的风电天气进行分型,采用以数据驱动的特征选择方法,发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型,有效提高了预测精度和效率。
-
公开(公告)号:CN106529814B
公开(公告)日:2020-01-07
申请号:CN201611024358.3
申请日:2016-11-21
Applicant: 武汉大学
Abstract: 本发明涉及分布式光伏发电系统技术领域,具体涉及基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法,包括以下步骤:1、采用滑动平均法提取光照强度序列的确定性分量,统计分析得到不同天气类型的光照强度衰减因子;2、采用Adaboost改进的KNN方法对历史数据聚类分析,建立分类模型;3、采用多阶加权马尔科夫链方法预测地表太阳辐照度;4、建立光电转换模型,完成光伏功率超短期预测。本发明提出对输入数据进行特征提取及数据挖掘的组合预测方法,将历史光伏出力数据按典型天气类型归类后,通过引入天气类型衰减因子对预测过程中的状态进行细化,不仅在晴朗天气下能取得较好的预测效果,还提高了非晴朗天气下的预测精度及准确度。
-
公开(公告)号:CN109002995A
公开(公告)日:2018-12-14
申请号:CN201810827968.X
申请日:2018-07-25
Applicant: 国网甘肃省电力公司电力科学研究院 , 武汉大学
Abstract: 本发明涉及一种基于模糊综合评价与改进的层次分析法的火电机组调峰能力评价方法,步骤包括根据评价指标原则筛选影响火电机组调峰能力的影响因素,根据实际情况从调度角度构建火电机组调峰能力评价体系,结合专家打分用改进的层次分析法确定权重,用K-means聚类算法处理指标参数,将指标分为正向指标与负向指标并分别建立模糊隶属函数,根据隶属函数构建模糊综合评价矩阵R,结合权重集W确定火电机组综合评价结果。本发明能够更准确的反应火电机组调峰能力,更加合理地对调峰能力进行评价,通过各种方法形成一套完整的评价算法及流程。
-
公开(公告)号:CN104333047B
公开(公告)日:2017-02-08
申请号:CN201410606909.1
申请日:2014-10-31
Applicant: 武汉大学
IPC: H02J3/46
CPC classification number: Y02E10/763
Abstract: 本发明涉及一种适用于风电接入的电力系统实时滚动计划方法。步骤是:依据风电和负荷的预测时间间隔以及预测值,通过线性插值法,给出预测时间段内各时段(以5-15min为一个时段)风电和负荷的预测值;结合电网风电、火电和负荷的地区分布特点与燃煤机组发电序位表,选择数台火电机组参与实时滚动计划,以尽可能实现风电的就地消纳;以电网弃风最小和火电机组煤耗最小为双重优化目标,建立实时滚动计划模型;输入系统、机组、算法控制参数,通过人工智能优化算法求解实时滚动计划问题。所建模型通过风、火、负荷的就地平衡,有效减小风功率波动对系统潮流等的影响,机组的选择方式可大大提高系统的经济性和安全性,实现低碳调度。
-
-
-
-
-
-
-
-
-