当前位置:主页 > 科技论文 > 电力论文 >

分布式新能源并网协调运行控制技术研究

发布时间:2018-01-13 07:40

  本文关键词:分布式新能源并网协调运行控制技术研究 出处:《东南大学》2015年硕士论文 论文类型:学位论文


  更多相关文章: 风电 一阶马尔可夫链 滚动调度 实时调度 摄动马尔可夫决策 起作用集法


【摘要】:新能源发电具有较强的随机性和波动性,当新能源发电比重比较大的时候,这种短时突发的随机波动可能会对电网平稳运行产生不利影响。本文研究了分布式新能源并网协调运行控制技术。主要针对分布式风电并网的系统级有功协调控制,即有功协调调度问题开展了研究。具体研究内容如下:1、研究了风速的时间序列模型。通过将一年分为12个时间段以及将一天分为4个时段,在传统一阶马尔可夫链中引入了风速的季节特性和日特性;同时,考虑风速与降水量的关联,引入了风速的干湿特性。在此基础上,提出了风速时间序列模拟的改进一阶马尔可夫链模型。仿真结果表明,该改进模型不仅较好地保留了观测风速的自相关特性,还提高了模拟风速序列的精度。2、研究了风电与储能存在的条件下,不同的传统机组出力水平在不同时间级别下的调控协调性问题。提出了计及储能与风电预测不确定性的双时间尺度有功协调控制框架。该控制框架的组成为:滚动调度,实时调度,储能控制。滚动调度的启动周期为30 min,利用提前30 min的风电以及负荷的预测信息,动态的对日出力计划曲线进行修正;实时调度以15 min为周期,依据提前15 min的预测信息调整缓冲机组的出力;储能的作用则是配合调度的进行,根据负荷与风电的波动释放或储存电能。在此基础上,提出了滚动调度优化调度策略的模型、实时调度缓冲机组的总出力优化模型、缓冲机组间的有功功率最优分配模型。3、研究了优化缓冲机组总出力的策略,选取电能损失和快速响应机组的使用作为评价指标。在此基础上,提出基于摄动马尔可夫决策的缓冲机组的总出力优化算法,优化缓冲机组的总出力策略。该算法以优化缓冲机组总出力策略的长期平均性能为目标,同时兼顾短期性能。通过算例仿真验证了提出的算法在不同储能参数、不同风电预测下的长期平均性能和短期性能,并验证了算法的一致性、鲁棒性、收敛性与计算效率。同时,从电能损失和快速响应机组使用的角度验证了双时间尺度有功协调控制框架的有功平衡效果。4、提出基于起作用集法的滚动调度优化调度算法,同时给出了算法的初始化策略,这是滚动调度优化调度策略的模型的算法实现。通过在IEEE 24节点系统中的仿真,验证了算法的效率;仿真表明,经过滚动调度修正后,机组的总出力曲线与机组实际总出力曲线之间的偏差得到了大幅降低,进而验证了算法的有效性。同时,从时域仿真的角度验证了双时间尺度有功协调控制框架的有功平衡效果。
[Abstract]:In this paper , a new - order Markov chain model is proposed , which is based on the forecasting information of wind power and wind power . The results show that the improved model not only keeps the self - correlation property of the wind speed and the optimal distribution model of active power in the traditional one - order Markov chain . After the rolling dispatching modification , the deviation between the total output curve of the unit and the actual total output curve of the unit is greatly reduced , then the effectiveness of the algorithm is verified . At the same time , the active balance effect of the two - time scale active coordination control framework is verified from the time domain simulation .

【学位授予单位】:东南大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TM73

【相似文献】

相关期刊论文 前10条

1 ;2009年度(第七届)国际水利先进技术(产品)推介会推介技术[J];中国水利;2009年09期

2 胡志斌;时间序列的非线性测试及其应用[J];武汉水利电力大学(宜昌)学报;1997年03期

3 胡志斌;时间序列的非线性测试及其应用[J];武汉水利电力大学(宜昌)学报;1998年04期

4 石岩,胡昌振,马宝华,谭惠民;模糊时间序列的最优预测方法[J];探测与控制学报;1999年03期

5 孙青华,张世英;长记忆向量时间序列的非线性协整关系研究[J];天津大学学报;2002年03期

6 于景华,田立新;混沌时间序列及其在能源系统中的应用[J];江苏大学学报(自然科学版);2002年04期

7 曹广喜;;向量分整时间序列的协整关系探讨[J];河海大学学报(自然科学版);2006年04期

8 许娜;商朋见;胡广生;;气温变化时间序列的复杂性分析[J];北京交通大学学报;2008年03期

9 熊有伦,杨叔子,王跃科;复时间序列与主轴回转精度[J];华中工学院学报;1987年02期

10 陈章潮;用时间序列预测电力系统负荷[J];电力系统自动化;1982年04期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集(下)[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集(文摘部分)[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学(第8卷)[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

相关重要报纸文章 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学:协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华 杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

相关博士学位论文 前10条

1 张墨谦;遥感时间序列数据的特征挖掘:在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

7 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

8 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

9 张勇;时间序列模式匹配技术研究[D];华中科技大学;2012年

10 董晓莉;时间序列数据挖掘相似性度量和周期模式挖掘研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年



本文编号:1418079

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlilw/1418079.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户154c7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com