-
公开(公告)号：CN104269855A
公开(公告)日：2015-01-07
申请号：CN201410571108.6
申请日：2014-10-22
IPC: H02J3/16
CPC classification number: Y02E40/34 , H02J3/16 , H02J2003/007
Abstract: 本发明涉及一种适应多种能源接入的站点无功电压快速调节方法。步骤是：采集新能源集中并网区域实时数据，接收上级AVC下发关口无功/电压指令；在满足上级AVC下发指令的前提下，以区域电压偏离指标最小及小水电群集中并网变电站、风电场升压变无功裕度最大为目标，调用粒子群优化算法求解各无功补偿设备无功调节量，并进行下发控制，最终实现多能源接入电力系统系统无功电压的快速调节。本发明能够在枢纽站、小水电群集中并网变电站和风电场升压变之间进行合理的无功分配，留给小水电群集中并网变电站和风电场升压变更多的无功调节裕度，达到快速响应上级AVC下发指令，改善多种能源接入电网无功电压水平的目的。
-
公开(公告)号：CN104253443B
公开(公告)日：2018-04-17
申请号：CN201410565837.0
申请日：2014-10-22
IPC: H02J3/24
Abstract: 本发明公开了一种虚拟小水电群有功快速调节方法，具体的实现过程为：实时扫描接收实时计划基点功率、AGC调节功率，当接收到调节指令时下发给各小水电站；检测外送断面各联络线有功功率，当任一联络线传输有功接近稳定极限时，接收到的有功调节指令按各小水电站对该条联络线灵敏度大小优先级安排分配量；当无联络线传输有功达到稳定极限，则计算各条联络线相对整个断面有功波动量比值，并计算该比值与各小水电站对该联络线灵敏度乘积，将各条联络线的乘积相加得到各小水电对断面波动量与灵敏度乘积指标，按该指标大小安排有功调节指令分配优先级。本发明能快速响应调度下发有功调节指令，能更有效地抑制因风电引起的外送断面有功波动。
-
公开(公告)号：CN104269855B
公开(公告)日：2017-01-18
申请号：CN201410571108.6
申请日：2014-10-22
IPC: H02J3/16
CPC classification number: Y02E40/34
Abstract: 本发明涉及一种适应多种能源接入的站点无功电压快速调节方法。步骤是：采集新能源集中并网区域实时数据，接收上级AVC下发关口无功/电压指令；在满足上级AVC下发指令的前提下，以区域电压偏离指标最小及小水电群集中并网变电站、风电场升压变无功裕度最大为目标，调用粒子群优化算法求解各无功补偿设备无功调节量，并进行下发控制，最终实现多能源接入电力系统系统无功电压的快速调节。本发明能够在枢纽站、小水电群集中并网变电站和风电场升压变之间进行合理的无功分配，留给小水电群集中并网变电站和风电场升压变更多的无功调节裕度，达到快速响应上级AVC下发指令，改善多种能源接入电网无功电压水平的目的。
-
公开(公告)号：CN104253443A
公开(公告)日：2014-12-31
申请号：CN201410565837.0
申请日：2014-10-22
IPC: H02J3/24
Abstract: 本发明公开了一种虚拟小水电群有功快速调节方法，具体的实现过程为：实时扫描接收实时计划基点功率、AGC调节功率，当接收到调节指令时下发给各小水电站；检测外送断面各联络线有功功率，当任一联络线传输有功接近稳定极限时，接收到的有功调节指令按各小水电站对该条联络线灵敏度大小优先级安排分配量；当无联络线传输有功达到稳定极限，则计算各条联络线相对整个断面有功波动量比值，并计算该比值与各小水电站对该联络线灵敏度乘积，将各条联络线的乘积相加得到各小水电对断面波动量与灵敏度乘积指标，按该指标大小安排有功调节指令分配优先级。本发明能快速响应调度下发有功调节指令，能更有效地抑制因风电引起的外送断面有功波动。
-
公开(公告)号：CN113471988B
公开(公告)日：2023-08-15
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。
-
Patent Agency Ranking
公开(公告)号：CN110909959B
公开(公告)日：2023-04-07
申请号：CN201911289978.3
申请日：2019-12-16
Applicant: 国网青海省电力公司电力科学研究院 , 武汉大学 , 国网青海省电力公司 , 国家电网有限公司
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/06
Abstract: 本发明涉及电力系统的运行、分析与调度领域，尤其是涉及一种计及风电运行风险的多能互补电力系统鲁棒机组组合优化方法。本发明计及风电功率超额偏差的CVaR，确保风电消纳的可行性和有效性。同时，本发明通过对风电功率时间/空间不确定性预算的调整策略，控制鲁棒最优解的保守度。此外，引入了风电功率运行风险水平约束，确保风电消纳的经济性与运行风险的可控性。经线性化技术处理，本发明所构建的计及风电运行风险的多能互补电力系统鲁棒机组组合模型最终转化为单层混合整数线性规划模型，可由高效的商业求解器直接求解。
-
公开(公告)号：CN115293026A
公开(公告)日：2022-11-04
申请号：CN202210793032.6
申请日：2022-07-05
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度神经网络的静态电压稳定边界计算方法及系统。通过多次调用连续潮流法探测PV曲线鼻点，得到静态电压稳定边界点的样本集；以功率增长方式作为输入特征，以功率最大增长量作为输出变量，建立了复杂高维电力系统的静态电压稳定边界模型；由于样本的均匀性对模型影响很大，提出了可以在样本空间内均匀生成特征集的“挡板法”；在IEEE9和IEEE39节点系统基于“挡板法”生成了静态电压稳定边界样本，与蒙特卡洛随机生成样本相比，“挡板法”生成样本的均匀性和效率更高；基于深度神经网络构建了系统的静态电压稳定边界模型，与连续潮流法探测边界对比，验证了模型的精确性，与时域仿真边界对比，验证了模型的有效性。
-
公开(公告)号：CN112948462A
公开(公告)日：2021-06-11
申请号：CN202110220371.0
申请日：2021-02-26
Applicant: 武汉大学 , 国网青海省电力公司电力科学研究院
Abstract: 本发明公开了一种基于改进的奇异谱分析和Bp神经网络的超短期风速预测方法，包括了以下步骤：S1、获取风速历史数据；S2、采用改进的奇异谱分析将风速序列分解成一系列子序列，其中改进的奇异谱分析引入奇异熵判断风速序列的噪声成分并去除；S3、划分每个子序列的训练数据，分别建立Bp神经网络模型并完成训练；S4、对改进奇异谱分析分解得到的子序列分别预测；S5、组合所有子序列的预测结果完成风速预测。本发明通过改进的奇异谱分析去除了原始风速序列的噪声影响，进一步提高了风速的预测精度。
-
公开(公告)号：CN110909959A
公开(公告)日：2020-03-24
申请号：CN201911289978.3
申请日：2019-12-16
Applicant: 国网青海省电力公司电力科学研究院 , 武汉大学 , 国网青海省电力公司 , 国家电网有限公司
Abstract: 本发明涉及电力系统的运行、分析与调度领域，尤其是涉及一种计及风电运行风险的多能互补电力系统鲁棒机组组合优化方法。本发明计及风电功率超额偏差的CVaR，确保风电消纳的可行性和有效性。同时，本发明通过对风电功率时间/空间不确定性预算的调整策略，控制鲁棒最优解的保守度。此外，引入了风电功率运行风险水平约束，确保风电消纳的经济性与运行风险的可控性。经线性化技术处理，本发明所构建的计及风电运行风险的多能互补电力系统鲁棒机组组合模型最终转化为单层混合整数线性规划模型，可由高效的商业求解器直接求解。
-
公开(公告)号：CN110276472A
公开(公告)日：2019-09-24
申请号：CN201910425971.3
申请日：2019-05-21
Applicant: 南方电网调峰调频发电有限公司 , 武汉大学
Abstract: 本发明公开了一种基于LSTM深度学习网络的海上风电功率超短期预测方法。本发明先对风速时间序列进行多种分析，将多种分析结果相结合提取出海上风电功率超短期预测的特征量，避免了输入量过多而造成模型的过拟合；接着利用深度学习的方法对海上风速进行建模预测；并结合海上风力发电机组的实际风速—功率曲线得到海上风电功率超短期预测值。本方法根据海上风速的特性提取了海上风电功率超短期预测的特征量，避免了相关性低的特征量的输入，在提高了海上风电功率预测精度的同时也提高了预测效率。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.04 seconds)
