尾流效应对风电场机组功率特性影响的研究

针对影响风电场机组功率输出的问题,通过实地考察,选择合适位置安放测量装置,并结合GB/T 18451.2—2003 功率特性测试标准进行测试研究,分析不同区域内的风速和风功率输出特性。结果表明:风电机组之间的尾流效应,降低了风电机组的风能利用系数,影响了风电机组的功率输出;因此,在建设风电场时,应充分考虑风电机组之间的距离,尽量减少尾流效应对风电机组的影响。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

基于样板机法的风电有功控制策略优化

针对自动发电量控制(Automatic Generation Control,AGC )系统因同一原因对不同风电场进行限电时,由于风电预测准确性较低而产生的公平性问题,引入样板风机法还原的理论功率作为限电依据,设计了优化的风电有功控制策略。应用结果表明:该方法可以有效解决风电限电的公平性问题,促进风电的消纳和健康有序发展,提高风电并网运行管理水平。     

基于功率法的结构⁃TMD减震控制分析∗

建立了结构-TMD振动方程,推导了无控结构和带TMD受控结构基于功率表达的运动方程,分别解释并给出了各种功率表达参数的物理意义,推导了随机激励下结构耗能功率流均值的随机表达式,对比分析了基于功率法的结构-TMD优化方法与其他优化方法的优化分析结果,并对其减震控制效果进行了对比分析。结果表明,结构-TMD系统的参数可以通过耗能功率流随机分析方法所得均值进行优化,且通过功率法优化后,结构在减震效果上优于其他传统方法得到的结果,从耗能功率均值的随机分析和时程功率分析角度证明了TMD控制的有效性;TMD做功功率为负时对结构有控制效果,起吸收转移能量的作用,且功率幅值越大控制效果越好,做功功率为正时则相反。     

宁夏嘉泽风电场低电压穿越特性仿真分析

通过电力系统全数字仿真装置(Advanced Digital Power System Simulator,ADPSS)对嘉泽风电场建立仿真模型,采用单台风电机代替同型号风电场风电机组的方法,获得不同运行方式下风电场最低电压及风电场内各风电机组机端电压,以验证整个风电场的低电压穿越能力。结果表明:在不同运行工况下,嘉泽风电场具备低电压穿越特性,符合国家标准要求。     

不同模型参数的感应电动机功率电压特性分析

针对负荷模型参数选取不当而造成感应电动机功率电压特性计算不准确导致电压失稳的问题,通过解析计算和PSD-BPA时域仿真,得到感应电动机的静态稳定临界电压指标和功率电压特性曲线,为电压稳定分析和选择感应电动机负荷模型参数提供依据。结果表明:采用本文方法计算的感应电动机负荷静态功率电压特性比传统的ZIP负荷模型模拟感应电动机负荷静态功率电压特性精度要高。     

获得固定输电权的风电公司日运行优化的研究

风电为平衡自身波动性需与储能装置联合运行,基于风蓄联合发电公司在电力市场环境下获得固定输电权的前提下进行分析,建立了以日运行收益最大化为目标的含风电场、抽水蓄能电站、常规火电厂和系统负荷的简单电力系统模型。考虑峰谷电价、功率平衡、风电场的运行约束和抽水蓄能电站的运行约束的情况下,应用在标准粒子群算法基础.上进行改进的粒子群算法迭代寻优,最后求得最优解。仿真结果表明所提出的模型及求解方法能够计算风蓄联合发电公司的最优日收益,实现收益的最大化。     

光伏发电系统最大功率跟踪控制的仿真研究

针对光伏电池最大功率点随环境条件变化而发生漂移的问题,建立光伏电池的等效模型,采用 PVsyst 软件仿真光伏电池在不同光照及温度条件下的输出特性,利用 Matlab/Simulink软件建立基于电导增量法的最大功率点跟踪(Maximum Power Pint Tracking,MPPT)仿真模型。仿真结果表明:基于电导增量法的 MPPT 控制方法,能使光伏发电系统在环境及负载变化情况下快速实现 MPPT,且稳态精度高。     

与风电场并网的变电站无功补偿的优化

针对风电场并网变电站电压波动较大的问题,通过对其产生的原因及影响因素进行分析,提出优化无功补偿的策略。结果表明:在风电场并网变电站装设动态无功补偿装置,可有效改善风电接入电网系统的电压质量,达到电压综合控制要求。     

基于排列熵重构的EEMD-RVM短期光伏功率预测

针对光伏功率序列周期性非平稳特性,难以准确预测的问题,提出一种基于排列熵重构原则的集合经验模态分解(ensemble empirical mode decomposition, EEMD)和相关向量机(relevance vector machine,RVM)的短期光伏功率预测新方法。仿真结果表明:该方法不仅能够有效提高短期光伏功率预测的准确性,而且缩短了预测时间,提高了光伏功率预测效率,适用于光伏功率短期在线预测。     

计及风速与风机故障相关性的概率潮流计算

针对计及风速与风机故障不确定性及相关性的风电并网电力系统概率潮流计算问题,基于Nataf变换建立了能够同时考虑风速、风机故障不确定性和相关性的风电场出力模型,提出一种可灵活处理风速与风机故障相关性的MonteCarlo概率潮流计算方法,并引入“拉丁超立方抽样”技术提高抽样效率,降低计算复杂度。仿真结果表明:该方法能反映风电场出力的实际情况,合理评估风电并网对电力系统概率潮流的影响,有助于风电场的选址及电网规划。     

风电接入对宁夏电网静态电压的影响研究

针对风电接入点的电网电压稳定性问题,根据宁夏局部电网的特点,对风电接入点的电网电压波动进行研究,结合实际情况通过仿真软件进行模拟潮流计算,验证包含风力发电的不同因素对电力系统电压性能的影响。结果表明:受风电场无功补偿水平、风电有功出力以及接入方式的影响,风电接入点的电网电压随着风电有功出力的变化呈现先上升后加速下降的波动趋势,该结果可为控制风电场接入点的电压稳定水平提供参考。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

基于一体化监控平台的风电场智能维护系统

针对风电场监控与运行维护需求,对风电场智能维护技术的现状、发展和应用趋势进行分析,提出一个具有电网接入控制功能,集风电场电气量监控和风电机组智能维护于一体的监控平台架构,在使风电场与变电站监控系统的数据信息共享和融合的同时,实现对风电机组状态的多维度监测和预警。分析结果表明:该系统兼顾风电场接入控制和电网调度控制,实现了对风电场电气量监控和对风电机组的智能维护,从而在保障风电场可靠运行的同时,使电网安全稳定水平得到提升,电网与风电场的效益获得双贏。     

大规模风电并网与直流运行交互影响仿真分析

为了研究大规模风电集中接入,高比例风火、电打捆外送给交直流混合电网稳定运行带来的风险,通过建立典型风、火电打捆交直流外送系统模型,从风机无功控制模式,风电场动态无功补偿,风、火电打捆比例以及直流闭锁故障等方面仿真分析了交直流混合电网中风电与直流运行的交互影响。仿真结果表明:风、火电打捆外送的交直流混合电网需要配备一定比例的常规电源,常规电源的强惯量和优良的无功电压支撑能较好地支持新能源发电并网运行,有利于降低电网系统电压的波动,减缓新能源发电波动性对电网直流运行的影响,提升电网直流运行的可靠性。     

基于人工短路试验的新能源场站涉网性能检测

针对新能源场站低电压穿越问题,设计了人工短路实验方案,在110 kV香沙Ⅰ线香山变电站线路出线侧设置单瞬故障,并给目标风电场以不同的无功补偿,找出无功功率对风电场低电压穿越能力的影响,试验结果表明:在单瞬故障时风电场具备低电压穿越能力,无功补偿对提高低电压穿越具有强效力。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization, ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。