中央高校基本科研业务费专项资金(13MS25)
- 作品数：2 被引量：129H指数：1
- 相关作者：肖运启杨锡运刘玉奇更多>>
- 相关机构：华北电力大学国网山东省电力公司电力科学研究院更多>>
- 发文基金：中央高校基本科研业务费专项资金北京市自然科学基金国家自然科学基金更多>>
- 相关领域：电气工程更多>>
- 基于前馈电压与Crowbar协调的直驱型风电系统低电压穿越控制策略研究被引量：1
- 2016年
- 当电网电压下降或短暂波动时,为了避免风机与电网断开,给电网带来干扰,影响电能质量,要求风电场具备低电压穿越能力。文章对直驱型风电系统低电压穿越技术进行了研究,提出了一种基于电网电压信息前馈与Crowbar电路协调的控制方法。该方法将硬件卸荷的思想和改进的控制策略相结合,两者协调共同维持直流母线电压稳定。基于Matlab/Simulink的仿真结果表明,该方法在电网电压跌落期间既可提高直流母线电压的稳定性和动态调节能力,又能降低发电机侧输出功率,并且减少了Crowbar电路的作用时间,有效地提高了机组的低电压穿越能力。
- 李琮琮杜艳杨锡运肖运启
- 关键词：直驱式风电系统低电压穿越直流母线电压
- 基于粒子群优化的核极限学习机模型的风电功率区间预测方法被引量：128
- 2015年
- 风电功率预测能为电网规划和运行提供重要依据,传统预测方法多为点预测,其结果一般有不同程度的误差,区间预测方法能有效描述风电输出功率的不确定性因而逐步受到重视。针对短期风电功率概率区间预测问题,提出一种基于粒子群优化的核极限学习机(PSO-KELM)模型,用于风电功率区间预测。通过核极限学习机(KELM)建立预测模型,采用粒子群算法对KELM的输出权值进行优化,寻找最优预测区间上下限,充分利用了KELM学习速度快、泛化能力强的优点,实现了对风电功率的快速区间预测。通过与PSO-ELM模型对比分析风电场在不同置信水平下的概率预测结果,发现PSO-KELM模型的预测精度更高,速度更快,能够为风电功率区间预测及风电并网安全稳定运行提供决策支持。
- 杨锡运关文渊刘玉奇肖运启
- 关键词：风电功率区间预测粒子群
