风电的大规模渗透,使分布式发电系统的自动发电控制(automatic generation control,AGC)必须应对自然环境不确定性所带来的影响,构建了风电机组参与频率调节的区域互联电网AGC模型;然后,对风机虚拟惯性的控制特性进行了分析,将其应用于...风电的大规模渗透,使分布式发电系统的自动发电控制(automatic generation control,AGC)必须应对自然环境不确定性所带来的影响,构建了风电机组参与频率调节的区域互联电网AGC模型;然后,对风机虚拟惯性的控制特性进行了分析,将其应用于短时负荷波动的快速响应;在此基础上,提出一种对带有二阶微分的比例积分微分控制器(proportional integral differential plus second order derivative,PIDD^2)进行预测优化的控制策略。通过建立含PIDD^2控制器的AGC模型,采用预测算法计算该系统的最优预测序列,并据此调整PIDD^2控制器的参考信号,从而获取最优的AGC效果。仿真结果表明:在大规模风电渗透的AGC系统中,所提方法能有效解决传统固定参数PID控制器对系统动态变化所表现的不适应性问题。展开更多
文摘为了解决单个神经网络预测的局限性和时间序列的波动性,提出了一种奇异谱分析(singular spectrum analysis,SSA)和Stacking框架相结合的短期负荷预测方法。利用随机森林筛选出与历史负荷相关性强烈的特征因素,采用SSA为负荷数据降噪,简化模型计算过程;基于Stacking框架,结合长短期记忆(long and short-term memory,LSTM)-自注意力机制(self-attention mechanism,SA)、径向基(radial base functions,RBF)神经网络和线性回归方法集成新的组合模型,同时利用交叉验证方法避免模型过拟合;选取PJM和澳大利亚电力负荷数据集进行验证。仿真结果表明,与其他模型比较,所提模型预测精度高。
文摘风电的大规模渗透,使分布式发电系统的自动发电控制(automatic generation control,AGC)必须应对自然环境不确定性所带来的影响,构建了风电机组参与频率调节的区域互联电网AGC模型;然后,对风机虚拟惯性的控制特性进行了分析,将其应用于短时负荷波动的快速响应;在此基础上,提出一种对带有二阶微分的比例积分微分控制器(proportional integral differential plus second order derivative,PIDD^2)进行预测优化的控制策略。通过建立含PIDD^2控制器的AGC模型,采用预测算法计算该系统的最优预测序列,并据此调整PIDD^2控制器的参考信号,从而获取最优的AGC效果。仿真结果表明:在大规模风电渗透的AGC系统中,所提方法能有效解决传统固定参数PID控制器对系统动态变化所表现的不适应性问题。
