英语原文共 27 页，剩余内容已隐藏，支付完成后下载完整资料
风力发电、光伏发电、储能综合发电系统的功率流计算和暂态仿真
关键词：风力，光伏发电，储能站，能量潮流计算，暂态仿真，等效方法
风力综合发电系统,太阳能光伏发电和能源存储是由几个风力发电机、光伏单元和储能单元共同组成。因为模型的复杂性和模拟计算时间较长的原因，分类详细的这种类型的发电系统不适合大规模电力系统，因此基于等效的功率流计算和瞬态模拟的方法提出了基于综合发电系统实际项目,建立的基础这样的集成系统模拟和分析。能量来源可根据自己的生成特性等效被分为三部分(风电场，光伏电站和能源储存站）。然后，风电场，光伏电站和储能电站是通过采集系统连接到公共耦合点，网格集成并网发电特点就是在公共耦合点。
功率流计算中的均衡性包括两个部分，发电单元的均衡性和收集系统的均衡性，发电单元（风电机组、光伏单元和储能单元）根据自己的控制模式调节后相当于不同的节点类型，如标签1。集合系统由主变压器、收集线和单元变压器组成。
在暂态仿真过程中，根据最为主要的分析原理，提出了一种全输出单元机组的多等效方法，并给出了动态的解决方案实际工程中，在实际工程中最为重要的是电力系统运行中的全输出单元机组，因为他是最为主要的并且操作条件十分极端。据研究，在全功率输出的发电机组（如图所示），全输出单元机组功率等于初始总输出的等效节点除以单位容量。然后，每一个单元的初始输出是在同一条件下运行，因此，集成发电系统是由风力发电，光伏发电站和能量存储站多个组合在一起的方案。
大型风电特高压传输最佳接入点选择方法
关键字：风能，最佳接入点，熵权，电力系统规划，超高电压，多目标决策
我国的风资源主要分布在西北部和东北部，但在南部和中部地区的负荷中心分布不集中，由于负荷中心和资源的不匹配，大型风力发电需要通过超高压输电线路输送到远方的负荷中心。
在大型风力发电远程负荷中心通过特殊的特高压通道，选择合适的接入点有几个关键因素，和接收双方确定的选择在接入点功率需求、电网结构、安全性、经济性等方面，综合以上因素才能提出了一种大型风力发电系统的最佳接入点选择方法。基于熵权决策理论的传输通道和决策过程分析，如图1所示。
风电接入点的位置是由两个关键因素决定：一是权重指标。本文得到的综合权重是冰的重量乘以权重和熵重，另一个因素是选择不同的方案，这会直接影响到结果。综合指数的净工作评价体系是1）建立经济指标的，2）基于短路容量、电压指数，3）脆弱性指数，4）过载线路静态安全指数CCT暂态稳定指标和功率的DEM和独立该方法是应用程序，例如在实际的电力系统,中国中部地区接收来自中国北方的大型风力发电1000 KV高压特殊通道,选择一个最佳的500KV五分站作为一个省的接入点。综合以上几个因素，最后决定一个最佳的接入点。
关于微电网的配电网连接的评估
关键词：微电网；配电网；连接方式；可靠性；
连接方式的选择对分销网络来说是一个非常的重要方面，因为它不仅影响电力系统的经济性建设，而且也对电力供应具有重要意义。考虑到大多数微电网电力用户是居住在城市地区的重要电力客户，30 kV接线方式即径向连接，2V的环连接与2V的开关通常用于在城市地区。
首先，自动分配网络分别规划为正常供电区”和“微电网供电区域”，在“正常电力供应领域”内，所有的负载都是非微电网的电力用户；而在“微电网供电区域”，部分用户被微电网电力用户所取代。
然后，基于网络的规划，可以考虑完成一个4个指标的评价，该指标是最大的短路电流，最大压降，平均服务可用性指数（omega;ASAI）和每单位的费用。
当变量超过约束条件时最优规划的目标函数定义为线投加罚条款：
在本文中，在上海电力公司基准数据的基础上的系数计算，各指标的权重系数如下表1.
表1 权重系数的评价
|
指标名称 |
价值系数omega; |
|
最大短路电流Imax 最大电压Umax 平均服务可用性指标 ASAI |
omega;1=0.173 omega;2=0.106 omega;3=0.424 |
|
单位负荷年费用C |
omega;4=0.297 |
通过指数计算结果显示如图1
图1比较ASAI的负荷密度30兆瓦／公里
结果表明，使用在 “微电网供电区域”的 连接方式与相同条件下“正常电源区域”的连接方式相比有更好的可靠性，但经济效益较差。径向连接在“微电网供电区域”中使用时功率可靠性增长最大，因此考虑到经济效益它更适用。如果在“微电网供电区域”中可靠性优先，2V的变电站开关可以满足重要电力用户的高可靠性需求。
对风电场短期风速的多元局部预测方法
关键词：风速预测；局部预测器；相关系数；支持向量回归；相空间重构
短期风速预测统计方法的精度不能满足风电场的需要。考虑更多有用的变量类型，预测模型的精度则可以提高。
对于本地的预测，用介绍的相关原则选择有用的变量去重建多相空间，这将有助于去除无用的变量和建立更好的邻域模型，相关系数rc的功能是
其中x、y变量与N长度相同。
所采用的预测算法是支持向量回归（SVR）。
预测程序如下：具有低相关性的变量时间序列可以有效进行多元相空间的系数重构，然后支持向量分类模型（SVR）用于预测。
预测方法的相关系数和平均绝对百分比误差（MAPE）分别在表1和表2中给出。仿真研究表明，该组合变量时间序列之间的相关系数低相比于相关系数高的可以有更好的预测性能。
基于粗糙集理论的长期风速预测
关键词：风速预测，粗糙集，混沌神经网络，持久性模式
随着风能的普及，保证电能质量、稳定性和安全性等方面已成为越来越具有挑战性的工作，风电功率预测在风电系统中起着关键的作用。短期风电功率预测有助于确定风电场的停电计划和维修火电机组和电网系统。
在中长期风电预测中，正确处理相关因素是提高预测精度的关键。
因此提出了一种粗糙集分析的预测方法，利用粗糙集理论确定了影响风电功率预测的关键因素。
粗糙集理论是一种数学工具来处理不精确或不完整的信息，在形成系统的基本组件可以通过基本和属性特征的描述。粗糙集理论的核心原则实际上是属性重要性的量化和知识体系的还原。
风的速度和它的4个因素构成的一个信息系统。5项标记分别为：平均气压C1，平均温度C2，平均相对湿度C3、降水量C4和平均风速d。因此，信息系统可以表示为决策属性D的平均风速等4项构成了条件属性集{ Cl、C2、C3、C4 }，影响风力发电的主要因素可以通过连续属性和基于差别矩阵的属性的离散。因此，信息系统可以表示为S=lt;U,C,D,V,fgt;，其中决策因数是平均风速度d，其他主要因素是4项构成条件属性集C { Cl、C2、C3、C4 }。影响风电的因素可以通过连续属性和基于差别矩阵的属性约简的离散化得到。风力发电系统是一个复杂的动态系统，基于嵌入定理重建风力发电的时间序列动态。
根据嵌入定理，对于一个时间序列，如果嵌入维数足够大，符合条件Mge;2D 1，然后对轨迹重构空间与原动力系统微分。对混合时间序列的嵌入维数M、R的时间延迟，成为重建的空间，
建立了粗糙集神经网络预测模型，将关键因子作为混沌神经网络模型的附加输入，如图1所示。
仿真研究表明，1991年到2005，在富锦风电场的风电功率预测的主要影响因素是降水量c4，预测结果比较红色的混沌神经网络模型和持久化模型。粗糙集方法具有低利率的归一化平均绝对误差（NMAE）或标准根均方误差（nimse）的预测方法。
风电变化概率密度函数
关键词：风力发电；风电变化；概率密度函数；T位置尺度分布；概率
变化是风力发电最重要的固有特点之一，确定变化定量有几种常见的方法。这就提出了便于安全与效率得大型风力发电系统。基于从52个风力发电场中大量的实地测量结果分析，它已经发现，T位置尺度分布的方法能够解决这个问题，并提出了相应系统的方法论。因此，风的变化特征可以成为典型的代表。
风力发电的变化代表分尺度风力发电和平均风力发电的变化，滚动平均的方法论可以用来把风力发电分成一个连续的小尺度构件。分尺度风力发电的定义如下
平均风功率的变化是相邻平均风功率的变化时间间隔，它被定义为
分析测量领域的平均风功率测量：平均风力发电可以使用较长的时间间隔计算
通过大量的比较，我们发现T位置尺度分布优于其他描述分布的分布尺度风力发电和平均风力发电，方程（4）是T位置尺度分布概率密度的分布函数。图1表示一个1.6亿瓦风电场的小规模风力发电使用不同概率分布配件的比较。可以看出T位置尺度分布远胜于其他人描述分布功率。图2是10分钟平均一配件风电的变化。显然，T位置尺度分布是适合描述概率分布平均风功率的变化。
图1小规模风力发电的配件
图2 10分钟平均风电功率变化的配件
基于风险准备金限制的风力发电系统的动态经济调度
关键词：风力发电；动态经济调度；旋转备用；风险准备金约束；内点法
大型风力发电集成由于有限的可预测性和风速的间歇性会出现运营挑战的迹象，特别是动态经济调度（DED），在结合风电穿透后变得复杂困难。传统的调度模型和方法已经不适用于风力发电集成系统。
为了处理发电的强迫停运，风速和负荷预测误差引起的不确定性，并量化随机效应系统的风险变量，所介绍的2两个风险指标分别描述负载脱落的概率和浪费的能源。风电电力系统新的调度模型建议如下：
在这个模型中，预定的风电输出被认为是一个优化变量，而两个风险保留约束被认为是满足技术要求安全可靠运行的系统。上下旋转备用成本可以补偿高估，而风力发电的低估也参与了此DED模式。
概率约束模拟的不确定性转化为确定的不等式约束。同时，利用平滑技术把最佳的问题转化为典型的非线性规划问题，然后采用预测-校正内点法来解决DED模型。
仿真研究表明，除了传统发电站的分配优化问题，通过求解表1中所提出的模型也可以得到风电场调度功率输出，每小时上／下的旋压储备需求。此外，分析表明利用该模型解决DED问题要取决于几个因素，如系统风险阈值，上下旋转备用系数成本。例如，当风险阈值增加时总和的成本降低，如表一所示。这意味着系统安全性的减少将带来一些经济效益。
图1 alpha;功能的发电总成本
基于条件风险法的风电综合系统安全经济调度
关键词：电力系统；安全经济调度；风力发电；风险的条件值；安全约束；电力系统安全风险值的条件值
由于新能源发电的条件增加的随机性和功率负载的变化，电力系统的风险安全性正在上升，为了直接描述操作风险和定量过程的随机因素，提出了一种新的基于条件风险法的安全经济调度模型，将输电线路的安全约束转化为电力系统有条件计算约束的安全风险价值（CVaR）。模型如下
其中,目标设备（1）,约束方程（2）、与传统调度模式相同变量约束区（3）、方程（4）是输电线路传输类型安全约束NES。此约束可作为电力系统安全约束，通过风险的条件值计算输电线路的安全约束。
输电线路的安全约束：
它可以相当于
因此，电力系统的安全性可以被描述为
当安全小时不小于阈值H时，风电的输出也就被监视了。
基于CVaR计算电力系统的安全性是
这很难解决，作为以下离散：
IEEE 30总线系统的仿真结果如图1和表1所示。由于电力系统安全性 价值的增加风险的条件值，提高了电力系统的安全性并且提高了电力系统的总体成本。
通过所提出的模型来计算总发电成本会比传统的少，可以得出结论的是，调度模型是在一定风险和置信水平下考虑新能源发电和其他不确定的因素。很显然，这种随机调度操作模式会适用于智能电网调度。
大型压水堆核电站与电力系统之间的相互作用分析
关键词：压水堆核电站；电网；频率特性；暂态稳定；相互影响
目前，核电的容量在世界上迅速增长。不同常规发电机组的核电厂（NPPs）有不同的特点，把NPPs整合到电力系统将会造成严重的影响，干扰核电厂将导致电力网中电量的波动。例如，负载突变或机甩必然会造成系统大功率不足，对电力的稳定性有一定的影响。同时，核电站的机器对系统的振动电压和频率异常敏感。系统的故障可能会导致NPP机械的拒绝，这会体现为活跃的电力不足，进一步使系统的故障更加严重。
为了分析压水反应堆（PWR）核电厂和电力系统之间的相互作用，本文基于电力系统分析软件包（PSASP）建立了一个PWR NPP的用户定义的模型。PWR NPP的整个模式图如图1所示。
分析电网电压和频率扰动对NPP的影响。利用PSASP，可以计算核电站的动态响应对电网故障和脱扣核电站对电网的影响，提出了安全稳定的控制措施。
仿真结果如图2,图3所示。
一个核电厂稳态运行的影响在功率流和电力系统中的短路电流是相同的，这一水电站或热动力装置具有相同容量。
NPP将受到电网频率和电压扰动的影响，因此它需要更高质量的电网电压和频率。
如果系统故障可以迅速清除使得电网保持稳定
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[151415]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
