配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率...配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率,构建小时场景,利用改进K-means聚类法进行场景聚类。根据聚类后每个场景的风机出力效率均值、负荷负载率均值以及对应场景的概率,以配电公司最小年费用成本为目标函数,利用改进遗传算法对分布式风电源进行选址定容。对33节点算例的仿真分析结果表明,风机出力与节点负荷的时序特性对分布式风电源的选址定容有重大影响,同时也验证了所提模型及方法的有效性。展开更多
高比例可再生能源并网为电网承载能力带来了挑战,提出一种高比例可再生能源接入背景下电网承载能力鲁棒提升策略。首先,考虑线路扩容成本、储能装置成本以及负荷需求响应容量成本,构建可再生能源出力和负荷给定场景下的确定性提升策略模...高比例可再生能源并网为电网承载能力带来了挑战,提出一种高比例可再生能源接入背景下电网承载能力鲁棒提升策略。首先,考虑线路扩容成本、储能装置成本以及负荷需求响应容量成本,构建可再生能源出力和负荷给定场景下的确定性提升策略模型;其次,基于改进k-means聚类算法得到多个计及风-光-负荷相关性的典型场景,并以典型场景为区间中心的不确定区间描述负荷的不确定性;然后,基于两阶段鲁棒优化理论构建电网承载能力提升策略模型,并采用列和约束生成(column and constraint generation,C&CG)算法对模型进行求解;最后,算例结果验证了所提模型和求解方法的有效性。展开更多
Considering the nonlinea r, time-varying and ripple coupling properties in the hydraulic servo system, a two-stage Radial Basis Function （RBF） neural network model is proposed to realize the failure detection and fa...Considering the nonlinea r, time-varying and ripple coupling properties in the hydraulic servo system, a two-stage Radial Basis Function （RBF） neural network model is proposed to realize the failure detection and fault localization. The first-stage RBF neural network is adopted as a failure observer to realize the failure detection. The trained RBF observer, working concurrently with the actual system, accepts the input voltage signal to the servo valve and the measurements of the ram displacements, rebuilds the system states, and estimates accurately the output of the system. By comparing the estimated outputs with the actual measurements, the residual signal is generated and then analyzed to report the occurrence of faults. The second-stage RBF neural network can locate the fault occurring through the residual and net parameters of the first-stage RBF observer. Considering the slow convergence speed of the K-means clustering algorithm, an improved K-means clustering algorithm and a self-adaptive adjustment algorithm of learning rate arc presented, which obtain the optimum learning rate by adjusting self-adaptive factor to guarantee the stability of the process and to quicken the convergence. The experimental results demonstrate that the two-stage RBF neural network model is effective in detecting and localizing the failure of the hydraulic position servo system.展开更多
针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并...针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。展开更多
受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于...受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。展开更多
文摘配电网中分布式风电源选址定容时,计及风电机组出力和节点负荷的时序性特征。利用蒙特卡洛模拟MCS(Monte Carlo simulation)对一年内每小时风速进行抽样,并求出对应的风机出力。综合考虑每小时风机出力效率以及对应的节点小时负荷负载率,构建小时场景,利用改进K-means聚类法进行场景聚类。根据聚类后每个场景的风机出力效率均值、负荷负载率均值以及对应场景的概率,以配电公司最小年费用成本为目标函数,利用改进遗传算法对分布式风电源进行选址定容。对33节点算例的仿真分析结果表明,风机出力与节点负荷的时序特性对分布式风电源的选址定容有重大影响,同时也验证了所提模型及方法的有效性。
文摘高比例可再生能源并网为电网承载能力带来了挑战,提出一种高比例可再生能源接入背景下电网承载能力鲁棒提升策略。首先,考虑线路扩容成本、储能装置成本以及负荷需求响应容量成本,构建可再生能源出力和负荷给定场景下的确定性提升策略模型;其次,基于改进k-means聚类算法得到多个计及风-光-负荷相关性的典型场景,并以典型场景为区间中心的不确定区间描述负荷的不确定性;然后,基于两阶段鲁棒优化理论构建电网承载能力提升策略模型,并采用列和约束生成(column and constraint generation,C&CG)算法对模型进行求解;最后,算例结果验证了所提模型和求解方法的有效性。
文摘Considering the nonlinea r, time-varying and ripple coupling properties in the hydraulic servo system, a two-stage Radial Basis Function （RBF） neural network model is proposed to realize the failure detection and fault localization. The first-stage RBF neural network is adopted as a failure observer to realize the failure detection. The trained RBF observer, working concurrently with the actual system, accepts the input voltage signal to the servo valve and the measurements of the ram displacements, rebuilds the system states, and estimates accurately the output of the system. By comparing the estimated outputs with the actual measurements, the residual signal is generated and then analyzed to report the occurrence of faults. The second-stage RBF neural network can locate the fault occurring through the residual and net parameters of the first-stage RBF observer. Considering the slow convergence speed of the K-means clustering algorithm, an improved K-means clustering algorithm and a self-adaptive adjustment algorithm of learning rate arc presented, which obtain the optimum learning rate by adjusting self-adaptive factor to guarantee the stability of the process and to quicken the convergence. The experimental results demonstrate that the two-stage RBF neural network model is effective in detecting and localizing the failure of the hydraulic position servo system.
文摘针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。
文摘受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。
