结合长短期记忆网络的电力系统功率缺额预测方法

电力系统在发生发电机脱落或发电机母线断线等严重的有功不平衡扰动时，会导致频率骤降. 为此，提出一种基于长短期记忆（long short-term memory，LSTM）网络的电力系统扰动后的功率缺额预测方法. 该方法无需获取实时的系统惯量，仅根据负荷侧的信息就能预测出扰动后系统的功率缺额，有效改善了现有的功率缺额计算方法. 在IEEE-39节点系统上的仿真结果表明，本方法得到的功率缺额预测值与真实值的相对误差较小，预测时间较短. 与深度神经网络（deep neural networks，DNN）和支持向量回归（support vector regression，SVR）算法的预测结果进行比较，本方法能快速、准确地预测出扰动后系统的功率缺额，保障系统的频率稳定.     

基于长短期记忆网络的电力系统扰动后的功率缺额预测方法

电力系统在发生发电机脱落或发电机母线断线等严重的有功不平衡扰动时,会导致频率骤降。提出一种基于长短期记忆（long short-term memory,LSTM）网络的电力系统扰动后的功率缺额预测方法。该方法无需获取实时的系统惯量,仅根据负荷侧的信息就能预测出扰动后系统的功率缺额,有效改善了现有的功率缺额计算方法。在IEEE-39节点系统上的仿真结果表明,本方法得到的功率缺额预测值与真实值的相对误差较小,预测时间较短。与深度神经网络（deep neural networks,DNN）和支持向量回归（support vector regression,SVR）算法的预测结果进行比较,本方法能快速、准确地预测出扰动后系统的功率缺额,对保障系统的频率稳定具有重要意义。     

计及暂态电压稳定性的自适应低频减载方案

根据电力系统的频率响应信息,提出一种发生扰动后系统实时不平衡功率的计算方法,补偿电压偏移造成的有功缺额影响. 同时,考虑负荷节点的暂态电压稳定性,制定基于频率响应的自适应低频减载方案. 通过在IEEE-39节点系统进行算例仿真,验证系统功率缺额计算的准确性以及自适应低频减载方案的有效性. 结果表明,该方案可改善低频减载控制中的频率恢复效果,提高系统的电压稳定性.     

基于复合算法的光伏最大功率点追踪

由于光伏阵列在局部阴影情况下输出功率呈多峰值状态,而传统最大功率点追踪(MPPT:Maximum Power Point Tracking)控制无法解决多峰问题,会陷入局部最优,影响光伏发电效率,为此,提出一种复合算法应用于光伏最大功率点追踪。该方法将麻雀算法的初始种群进行优化,结合反向学习策略,加强了算法的全局搜索能力。当搜索到光伏发电最大功率点附近转换成扰动观察法,利用其快速收敛的特性快速搜索至最大功率点。利用Simulink仿真与硬件实验,验证所提出复合算法的全局搜索能力和快速收敛能力,与麻雀算法、扰动观察法相对比,复合算法的准确性和快速性具有显著提升。     

计及暂态电压稳定性的自适应低频减载方案

根据电力系统的频率响应信息,提出一种发生扰动后系统实时不平衡功率的计算方法,补偿电压偏移造成的有功缺额影响.同时,考虑负荷节点的暂态电压稳定性,制定基于频率响应的自适应低频减载方案.通过在IEEE-39节点系统进行算例仿真,验证系统功率缺额计算的准确性以及自适应低频减载方案的有效性.结果表明,该方案可改善低频减载控制中的频率恢复效果,提高系统的电压稳定性.     

基于二次调频的孤岛微网自适应旋转惯量控制策略

传统的虚拟同步发电机(VSG)控制策略中引入同步发电机(SG)的旋转惯量和阻尼系数,解决了大规模分布式能源接入微网时缺少惯性的问题,然而固定的旋转惯量无法兼顾负荷扰动下功率振荡及频率波动.针对这一问题,提出一种基于二次调频的旋转惯量自适应控制策略,增强系统惯性,实现功率和频率的实时动态调节.首先,借鉴SG的外特性建立VSG的数学模型,分析孤岛模式下不同旋转惯量对系统动态响应的影响;然后,在旋转惯量控制中引入角频率偏移量和变化率形成自适应惯量控制,减少系统在负荷扰动时的超调量和振荡时间,并分析重要参数对系统稳定性的影响;最后,通过Matlab/Simulink仿真软件,将其与传统VSG控制策略进行对比分析,验证了所提新型VSG控制策略的可行性和优越性.     

基于在线学习和ADRC的发电机励磁与汽门系统ANN逆鲁棒控制方法

为提高汽轮发电机组励磁与汽门系统机端电压和功角的控制性能,提出了基于在线学习和自抗扰控制(ADRC)的神经网络逆鲁棒控制方法.首先,将神经网络逆(ANN)与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统;然后,基于ADRC,设计了用于在线估计复合伪线性系统状态和扰动的ESO,解决了神经网络逆在线学习时训练样本获取的难题,并在设计的伪控制量中对扰动进行补偿,基于线性系统理论证明了ESO的收敛性并针对励磁子系统和汽门子系统与神经网络逆系统组成的伪线性复合系统分别设计整数阶PID控制器和分数阶PID控制器以实现闭环控制;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,与传统的AVR/PSS和基于离线训练的神经网络逆控制方法的比较结果表明所提方法明显提升了电力系统的暂态性能.     

直驱型风力发电系统MPPT研究

基于中小功率风力发电系统中占空比扰动法实现最大功率点跟踪(maximum power point tracking,MPPT)时,在最大功率点附近由于占空比不稳定而导致输出功率出现振荡的现象,提出了改进方法,即在最大功率点附近扰动时采用一种新的变步长方法,不断减小占空比扰动步长,直至稳定于最大功率点.利用Matlab/Simulink软件对系统进行仿真,结果验证了该方法的可行性以及该控制系统良好的快速性和稳定性.     

发电机励磁与汽门系统的改进神经网络逆控制方法

为提高发电机励磁汽门系统机端电压和转速的控制性能,提出了基于在线学习和扩张状态观测器(ESO)的改进神经网络逆控制方法.首先,将神经网络逆与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统.然后,基于自抗扰控制方法,设计了用于在线估计复合伪线性系统状态和扰动的ESO,并在设计的伪控制量中对扰动进行补偿,利用线性系统理论证明了ESO的收敛性和闭环系统的稳定性;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,结果表明,与传统的AVR/PSS方法和基于离线训练的神经网络逆控制方法相比,所提方法明显提升了电力系统的暂态性能.     

大型风电机组惯量控制研究现状与展望

随着风能利用规模的发展,风电渗透率不断提高,局部地区已达到50%以上.由于风电变流器的隔离作用,风电机组的转子运动和系统频率解耦,使得风电机组对于电力系统的惯量几乎没有贡献,降低了系统等效惯量,严重影响系统的频率稳定性.大型风电机组的惯量控制技术旨在利用机组转子动能赋予风电机组主动惯量响应和抑制电网频率跌落的能力,本文综述目前大型风电机组实现惯量控制的主要技术路线,从稳定性分析、控制系统优化、性能分析与评估等方面,介绍惯量控制在双馈风电机组以及全功率风电机组的研究与工程现状,并展望亟待解决的问题与技术需求.     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.      

光伏系统的一种模糊变步长扰动观察MPPT方法研究

为了在易实现、低成本前提下提高光伏系统最大功率跟踪(maximum power point tracking,MPPT)控制的快速性,以经典的扰动观察(perturbation and observation,PO)法为基础,提出了一种模糊变步长扰动观察MPPT控制方法.该方法以实际检测电压与最大功率点(maximum power point,MPP)处所对应电压之间的距离为模糊控制器输入信号,再以模糊控制器的变步长输出进行扰动观察寻优.该方法实现了多种MPPT方法的协调工作,从而达到了它们之间的优势互补.最后,仿真实验证实:该方法能够在辐照度快速变化、温度快速变化和负载快速变化的情况下,均获得良好的MPPT快速性性能.     

深度信念网络在水火电力系统一次调频能力预测中的应用

为了准确地预测电力系统一次调频能力,提出了一种采用深度信念网络的水火电力系统一次调频能力预测方法。以新英格兰39节点系统和某电力公司水火电力系统2016—2019年历史数据作为仿真算例,将系统频率、有功负荷、功率缺额、扰动类型、负荷水平、发电机组惯性时间常数、备用容量与总备用容量作为网络的输入特征值,为网络参数训练提供数据支撑;使用无监督预训练与有监督参数微调相结合来训练网络参数,构建深度信念网络,输出系统一次调频的出力调节曲线,预测水火电力系统一次调频能力。与传统的网络模型进行了对比,结果表明:在新英格兰39节点系统中,最大功率补偿量平均相对误差和均方根误差分别为1.49%和4.04 MW;在电力公司水火电力系统中,最大功率补偿量平均误差和均方根误差分别为1.18%和18.3 MW,均小于循环神经网络的平均误差1.41%和均方根误差21.6MW。所提深度信念网络的逐层训练解决了传统网络预测方法的参数优化问题,能够避免陷入局部最优和训练周期过长,应可在突发性故障时为调度中心后续制定防护控制故障策略提供信息支撑。     

基于采样PI的时滞电力系统负荷频率控制

针对不确定性传输时滞、系统参数与负荷扰动，通信带宽约束与计算负担以及风电间歇性功率，引发系统调频性能下降的问题，提出一种考虑信号采样周期与传输时滞的采样PI负荷频率控制（Sampling PI Load Frequency Control，SPI-LFC）方案，并引入指数收敛率来评价系统的快速性. 基于通信时滞采样数据网络，建立含风电的时滞电力系统SPI-LFC模型. 通过构建新的双边闭环Lyapunov泛函，并利用线性矩阵不等式技术，推导系统采样周期与通信时滞稳定裕度，以及指数收敛率相关的稳定准则与SPI控制设计方法. 仿真结果表明，所提方案具有较大的采样周期和通信时滞稳定裕度与较高的指数收敛率；对不确定性系统参数、负荷扰动和风电的间歇性功率也具有较强的鲁棒性.     

基于功率预测变步长扰动观察法的最大功率追踪

为解决传统扰动观察法误判、振荡和追踪速度慢的问题,提出一种基于功率预测变步长扰动观察法的控制策略.当采样频率固定,光强不变温度变化的情况下,单位时间内光伏电池的输出功率曲线可近似为线性变化.利用步长较大的传统扰动观察法的快速性追踪到最大功率点附近,然后进行线性化功率预测,进而精确地追踪到最大功率点.并在仿真平台中搭建仿真模型,结果表明新的控制策略提高了系统的跟踪速度和精度,优化了系统的输出性能.     

Z源光伏系统MPPT模块的Matlab仿真设计

对Z源光伏系统采用一种复合最大功率点跟踪(MPPT)控制方法,即在外界环境或负载突变时,采用固定电压法将光伏阵列的工作点调整到最大功率点附近,以保证跟踪的快速性;工作在最大功率点附近时以扰动观察法进行干扰,以提高系统跟踪效率。结合Z源逆变器前级的X型LC网络对固定电压法和扰动观测法相结合的MPPT方法进行了仿真研究。仿真结果表明,该方法响应速度快,稳态精度高。     

基于MRAS-IMC的交流伺服系统速度环控制

根据系统速度环控制模型,研究一种交流伺服系统电流前馈补偿控制策略,考虑外部负载突变对系统影响,以提高系统稳定性和抗扰性为目标,分析得出内模观测控制算法.同时该方法结合变系数模型参考自适应,进行系统惯量在线观测,实现快速平稳的扰动观测与电流前馈补偿,使系统具有良好动态响应性能与鲁棒性.仿真及分析表明：文中所提方法可有效提升系统速度环控制性能.     

能量管理系统中在线动态安全评估的研究

在线动态安全评估是能量管理系统(EMS)中的重要功能,文章在EMS中实现了一种实用的快速在线暂稳分析方法,通过在广西系统中实际运行证明,结合时域仿真法和直接法的综合法是一种可行的在线动态安全评估方法.分析和改进了预估-校正法,保证暂稳分析方法在多重多时段复杂故障下的快速性和准确性.设计了考虑电力系统复杂模型的在线动态安全评估系统的基本结构和功能,指出时域仿真法是在复杂模型下进行动态安全评估不可缺少的高精度决策工具.     

永磁同步电机转动惯量的自适应辨识方法研究

针对永磁同步电机伺服系统对转动惯量辨识的高精度、收敛的快速性以及系统对扰动影响的鲁棒性要求,提出一种永磁同步电机转动惯量的自适应辨识方法.采用梯度校正参数辨识算法在线辨识惯量值,并设计卡尔曼滤波器实时观测负载转矩状态,将辨识到的惯量值对卡尔曼滤波器的系数矩阵进行实时更新,观测到的转矩值反馈到转矩电流端形成负载扰动的前馈补偿.仿真和实验结果表明,转动惯量在线辨识结果具有较快的收敛速度和较高的辨识精度,同时系统对惯量和负载转矩的变化有较强的抗扰性.     

计及响应的电力系统防电压失稳综合控制策略

提出一种计及响应的电力系统防电压失稳在线综合控制策略. 根据局部系统的广域测量信息,快速评估局部系统的电压稳定性. 利用等值负荷分解后的转移负荷,建立一种在线计算各控制节点有功、无功对电压不稳定指标的灵敏度分析方法,以各控制节点有功、无功控制灵敏度指标制定综合控制策略. IEEE14节点系统的仿真结果验证了所提策略的有效性.