【摘 要】
:
本文首先将网损引入到经典有功调整模型中,使系统状态调整后的交流潮流计算结果变得合理,避免出现平衡机出力越限问题;然后在潮流PQ分解法的基础上提出了电压/无功调整的综合模型,该模型可以模拟发电机机端电压、变压器变比及并联电容/电抗器的投切等因素对系统电压的影响.最后,本文对IEEE-RTS系统进行了发输电系统可靠性评估,研究了网损及不同调压手段对系统可靠性指标的影响.
【机 构】
:
西安交通大学电气工程学院,陕西西安市,710049
【出 处】
:
中国高等学校电力系统及其自动化专业第二十六届学术年会暨中国电机工程学会电力系统专业委员会2010年年会
论文部分内容阅读
本文首先将网损引入到经典有功调整模型中,使系统状态调整后的交流潮流计算结果变得合理,避免出现平衡机出力越限问题;然后在潮流PQ分解法的基础上提出了电压/无功调整的综合模型,该模型可以模拟发电机机端电压、变压器变比及并联电容/电抗器的投切等因素对系统电压的影响.最后,本文对IEEE-RTS系统进行了发输电系统可靠性评估,研究了网损及不同调压手段对系统可靠性指标的影响.
其他文献
风力发电有能量密度低、随机性、不稳定和分布不均匀的缺点.随着风力发电技术的不断进步、风电场规模的不断扩大,风电装机容量在系统中的比例也越来越高,对电网的影响范围也逐渐扩大,风电功率波动性对电网的稳定性、电网频率、电网电压、继电保护的影响也日益的突出.本文提出一种能有效抑制风电功率波动性的控制方法,仿真结果表明,采用这种有功协调控制方法,有效的降低了风电场的功率波动,降低了风电的功率波动性对电网的影
本文简单分析了目前电力系统专业教学中实验课和课程设计的情况,提出把成熟的商用电力系统实用分析软件ETAP应用到电力系统专业课程设计和综合实验课中的必要性.论文介绍了上海电力学院应用ETAP软件进行电力系统模拟分析的成果和经验.
针对电力企业现场作业安全管理模式落后,企业预见事故的水平和超前控制事故的能力仍不尽如人意,引入层次分析法--AHP对现场作业中危险点进行分析,对风险进行定量评估,做到事前可控预控.层次分析法是一种定性定量相结合的方法,通过建立层次结构模型,然后计算、校验,最终对每一次现场作业做一个科学分析,从而将潜在的危险预防在作业前.最后通过一个具体的案例,验证方法的可行性和科性.
针对电力系统负荷统计特性,本文运用层次分析法建立优选模型对年最大负荷及年最大负荷增长量进行分析和评价,并对利用优选模型计算得到的预测值、GDP及三次产业用电量所占比重进行主成分分析,根据贡献率对相关影响因素进行排序与比较,确定径向基神经网络的输入,进而建立预测模型。通过对某实际电网负荷数据的计算和分析,结果表明本文提出的预测模型具有较高的精度,实用性较好。
云计算是一种新兴的计算模型,是网格计算发展的结果.它利用非本地或远程服务器集群为用户提供服务,使用户可以将资源切换到需要的应用上,根据需要来访问计算机和存储系统.本文介绍了云计算的相关概念和原理结构,阐述了云计算运用于电力公司信息网络的可行性和经济性.最后,给出一个面向多用户、基于服务、动态的电力公司内部信息网络的实现框图.
电力系统负荷变化受多方面因素的影响,因此负荷曲线呈现出强烈的非线性.为实现非线性的电力负荷在线预测,应用递推更新的样本数据集训练泛回归神经网络,构成动态泛回归神经网络.该动态神经网络训练方便快捷,能够满足在线预测的实时性的要求.仿真表明预测值较观测值有一定滞后,但均能尾随观测值而变化,达到了预期的目的.
本文在探讨了电力系统负荷的组成、特点,并分析比较了常用的预测方法的优缺点的基础之上,首先运用单一预测方法对中长期负荷进行预测和分析,然后提出多种非线性方法组合的方法,最后采用灰色预测法与线性回归法相组合的方法建立了中长期负荷预测模型.在提出预测模型的基础之上,对某地区进行了中长期电力负荷预测,验证了这两种组合负荷预测模型的可行性和正确性.
在基本遗传算法(SGA)的基础上,引入生物学中小生境的概念和正交设计技术,制定了初始种群生成方法,以保证个体的多样性,并在遗传算法选择、交叉和变异等操作中做出相应改进,从而形成可用于电力系统实时无功优化的小生境正交遗传算法.应用此算法时,本文采用一种典型小生境技术结合最优保存策略的小生境最优选择方法来进行种群的选择减少了迭代过程中陷入局部最优解的可能性,并进一步减少迭代次数.仿真算例结果标明:在优
近年来,国内外电力系统发生过多次连锁性故障导致的大停电事故,因此如何有效地预测系统后续事故进而预防连锁故障的发生具有重要的研究价值.本文在分析连锁故障演化规律的基础上,提出了一种可进行后续故障预测的方法,此方法同时考虑了后续故障发生的可能性和后续故障与已发生故障间的影响,提高了预测准确性和速度.并采用Powerworld仿真验证了此方法的有效性和可行性.
提出了采用EEMD与动态神经网络相结合的混合模型进行电力系统短期负荷预测的方法.首先运用EEMD将非平稳的负荷序列分解,然后根据分解后各分量的特点构造不同的动态神经网络对各分量分别进行预测,最后对各分量预测结果采用BP网络进行重构得到最终预测结果.仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度.