风场的有功功率自动控制及针对不同机型的控制分配策略的探讨

针对风场的有功功率自动控制及针对不同机型的控制分配策略进行了探讨。     

常微分方程数值积分函数在误差分析中的应用研究

以常微分方程数值积分函数为探究对象,并研究其在误差分析中的实际应用价值。首先,利用异步并行向前数值积分方法,以Runge-Kutta思想作为起步阶段,选取数值积分步长,对方程进行积分操作同时构造插值函数,设定两个整体变量,并记录运行中各个过程阶段相应的计算组序号与未运行过程阶段的先后顺序,更新整体变量后完成异步并行步骤;其次,对具有数值积分边界条件的二阶常微分方程边值问题实行研究,采用极值原理对时续不断模型解的上界进行先验预估,依据微分方程局部函数的常系数情况表述方程局部性质,构建该类方程边值问题的差分格式,对数值积分函数解运用离散多点边值方式实现逼近,并对以上格式进行误差分析。实验证明,运用常微分方程可有效实现优化控制领域中的误差分析。     

一种新的预测评价方法——损失函数法

本文提出了一种用以衡量预测误差对决策产生影响的损失函数。并探讨了损失函数在建立预测模型中的应用和用损失函数对预测模型（或预测方法）进行评价的一般方法     

有功运行模式下的无功短期负荷预测

有功运行模式下的无功短期负荷预测对系统的无功优化有着非常重要的作用。本文研究并通过实例验证了无功的短期负荷预测值,希望能够对相关人员有所借鉴。     

组合预测方法研究的若干新结果

本文对组合预测方法的一些基本问题进行了较深入的研究:证明了随着预测方法的增加,最优组合预测方法的预测误差平方和并不一定减少;给出了最优组合预测方法的预测误差平方和恰好等于参加组合预测的各个单项预测方法预测误差平方和的最小值的充分条件;对递归等权组合预测方法的收敛性等问题给出了理论证明,并给出了一种新的替换准则。本文还就最优组合预测方法预测误差平方和的取值范围等问题进行了研究,给出了一些新的结果。     

基于企业认知角色的产业集群研究

根据集群中各个企业的学习能力、接近集群边界外知识能力的不同和在产业集群技术知识扩散中的贡献大小,将集群中的各个企业分为领导者、跟随者、外部明星和孤立者四种不同的认知角色,并按集群中不同认知角色的数量将产业集群分为明星集群、问题集群、金牛集群和瘦狗集群;进而分析了产业集群的产业升级过程中集群类型的演进,为产业集群的产业升级在企业层面上的操作提供了新的思路。     

基于云平台大数据技术的风电集控系统的设计与应用

集控系统的出现为风场运维开辟了新天地。采用集群配置方式,建立了基于云平台大数据的风电集控系统,实现对风电场设备的远程控制。借助于Cloudera软件成熟的整体解决方案,将数据整合在CDH,并与监控系统连接,从而对现场数据实现实时采集与上传,统一管理,便于运维人员及时了解风场实况,提升发电厂群综合管理水平。     

基于局部多项式非参数回归的风电场功率区间预测方法

准确地预测风电场功率有利于减小风电出力波动对电网运行的影响,同时可以为后期的风能消纳问题提供准确信息,然而传统预测方法多为确定性预测,且结果大多有不同程度的误差。本文提出了一种基于误差分布特性统计分析的非参数置信区间估计方法,首先采用LS-SVM算法,建立风速与风电功率之间的转换模型,得到风电功率确定性预测值,在确定性预测基础上得到误差集合,通过对风电功率预测误差分布特性的研究,采用局部多项式回归方法得到给定置信度对应的误差预测值,通过风电功率确定性预测值和误差预测值叠加得到对应的区间上、下限,继而得出满足一定置信水平的风电功率区间预测。仿真结果表明所提出的区间预测在一定置信水平下有较高的预测精度,同时得到的较窄的预测区间,验证了该方法的实用性与有效性。     

基于有功备用的双馈风电机组功率优化控制

常用的最优功率输出控制策略使得双馈风电机组无法像常规发电厂一样对自身有功出力进行控制,也无法提供旋转备用。本文基于传统双馈风机运行与控制特性,提出一种基于超速法和变桨法协同作用的新型有功功率控制策略。该策略在中低风速段充分利用机组转动惯量储存弃风能,提高发电效率同时优化风机变桨系统运行工况。仿真结果表明,新型有功控制策略的应用能够有效控制风机追踪功率设定曲线、抑制随机风速工况下的功率波动以及实现风机减载运行并提供有功热备用。     

BP神经网络图书文献经费预测模型

旨在应用BP神经网络的函数逼近功能,建立一维时间序列数据图书文献经费的预测模型。基于MAT-LAB6.5BP神经网络训练,得出的预测结果与各个示例的实际数值比较吻合。测试样本的训练结果表明,该模型适用于图书文献经费预测。     

双馈风电机组的运行方式对风场并网点电压的影响分析

风电具有随机性和波动性,会引起风场并网点的电压不稳定,针对这种情况,本文对双馈风电机组不同运行方式(即恒功率因数运行方式和恒压运行方式)下的无功特性进行分析,并提出采用恒压运行方式对风场并网点的电压波动提供无功支撑,并通过算例仿真对分析结果进行了验证。     

风电场有功功率和无功功率控制分析

现阶段,风电场内的风电机组都是遵照自治发电的方式运行,为了保证风电场有功和无功功率输出的波动,保证电网内的平衡,电网在运行过程中必须留出足够的旋转备用容量。主要对风电场有功功率和无功功率控制进行了分析。     

双塔楼建筑风场及平均风荷载的数值模拟

本文对某高层双塔楼建筑进行风荷载和风场的数值模拟,湍流模型选择可实现的k-ε模型．计算得出了双塔周围的流场分布和结构上各个测点的风压。并通过与风洞试验数据进行比较证明了计算结果的准确性。论文概述了从建模到后处理中的一些细节问题,误差产生的原因以及双塔结构的特殊性对模拟效果的影响,重点讨论了数值模拟计算技术在复杂体型的双体高层建筑风荷载计算方面的可靠性。     

粒子群优化的神经网络预测交通流量

交通流量预测是智能交通系统研究的重要组成部分。提出了一种粒子群(PSO)优化RBF神经网络的交通流量预测方法。该方法以误差能量函数为适应度函数,利用PSO算法对RBF神经网络参数进行优化,有效克服交通流量数据非周期性、非线性和随机性等问题。仿真实验结果证明比单纯用RBF预测模型精度高、收敛速度快,表明粒子群优化的RBF神经网络模型具有良好的应用价值。     

友好型智能风电场远程集中调度系统

本文提出一种基于智能风电场远程调度系统,电网弃风现象的解决方案。将接入系统风电场的风功率预测、风电场有功控制和风电场自动电压控制集中统筹考虑,同时将接入集控中心的大量数据做统计处理,提供更多风机的高级应用分析模块,提高接入风电场的运行效率,降低业主风电场的弃风率。     

斜拉桥施工控制调索方法研究及应用研究

本文通过对施工过程中误差产生的原因、识别误差的方法以及如何预测误差进行简要介绍,然后着重介绍了斜拉桥施工过程中的最优调控方法。实践表明,将残余误差的平方和最小为目标函数的施工控制调索方法对主跨度约四百米的叠合梁斜拉桥施工控制有较好的效果,能够比较好地适应实际施工的需要。     

并网双馈电场的不同运行方式对接入系统的电压稳定性影响分析

随着大规模风电并网,电力系统在保证其自身可靠运行方面面临着巨大的挑战,同时也给维持并网地区电压稳定带来了前所未有的难度。本文对由双馈式风电机组构成的并网风场进行分析,首先构建了双馈风电机组的简化数学模型,然后分别研究了恒功率因数和恒电压两种运行方式下的无功电压控制策略,并且通过绘制各控制方式下的PV曲线,进一步分析了风场在两种运行方式下对系统电压稳定性的影响,从双馈风场的运行角度,为系统安全稳定运行提供了分析依据。通过对风速扰动和无穷大电网电压跌落两种情况下的仿真分析,验证了双馈机的恒压运行方式在参与系统无功调节方面的积极作用。     

基于EEMD与ARMA的短期风功率预测研究

风能作为一种清洁能源是所有可再生能源中最有前途和发展的技术,得到世界各国的高度重视。如果能对风电输出功率进行比较系统且准确的预测,将会为电网调度部门制定日运行方式和制定合理调度计划提供参考,进而减弱风电对电网的不利影响,减少旋转备用、提高电力系统的可靠性。因此找出一个有效相对准确的预测方法可以有效的解决上述问题。本文提出基于EMD-ARMA和EEMD-ARMA的风功率预测方法,采用风场实际功率数据进行分析,验证所提方法的有效性。     

基于聚类分析和神经网络的风电场日前功率预测研究

随着我国风电装机容量的逐步增加,风电在电源结构中的比例也进一步增大。风电出力本身具有随机性、波动性,这使得风电出力预测工作难度增加。首先使用模糊C均值聚类分析方法将风场运行历史风速信息进行分级聚类,然后使用聚类的数据训练相应的BP神经网络;再将数值天气预报(NWP)提供的待预测日的气象信息进行分级聚类,根据数据的聚类中心将待预测日气象信息与历史气象信息进行归类;最后将同一类风速数据结合相应的BP神经网络进行预测。算例分析证明了此方法的有效性。     

光伏电站有功功率优化分配研究

并网光伏系统具有无功功率独立控制能力,通过控制好光伏电站有功功率,能够有效的提升对于太阳能资源的利用效率,确保电网的稳定运行。本文主要分析了光伏电站有效功率的控制措施,并详细研究了光伏电站有功功率的优化分配措施,以期能够提升我国光伏电站有功功率的控制水平。