期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
含STATCOM的风电场级多PI控制器参数优化 被引量:9
1
作者 魏薇 史林军 +2 位作者 赫卫国 史江峰 吴峰 《广东电力》 2018年第9期62-69,共8页
针对含静止同步补偿器(static synchronous compensator,STATCOM)的双馈型异步风力发电机(doublefed induction generator,DFIG)风电场,通过优化DFIG及STATCOM的多个比例积分(proportional integral,PI)控制器参数,既能有效提高风电场... 针对含静止同步补偿器(static synchronous compensator,STATCOM)的双馈型异步风力发电机(doublefed induction generator,DFIG)风电场,通过优化DFIG及STATCOM的多个比例积分(proportional integral,PI)控制器参数,既能有效提高风电场的整体动态特性,又能在风电场电网发生故障后促进公共连接点(point of common coupling,PCC)电压的快速恢复。以风电场DFIG输出的有功功率、直流母线电压和风电场PCC电压响应的时间乘以误差的绝对值积分(integrated time and absolute error,ITAE)最小为优化目标函数,提出混沌正交粒子群优化求解算法。该算法利用正交优选和正交优选趋势法得到多PI控制器参数的寻优范围以及相应权重,采用混沌算法进行初始化,并应用粒子群优化算法迭代求解,有效提高了求解效率。不同工况下基于MATLAB/Simulink的某区域内含STATCOM的风电场仿真算例表明:应用优化后的PI控制器具有良好的动态性能,由此验证了该优化算法的有效性。 展开更多
关键词 风力发电 双馈型异步风力发电机 静止同步补偿器 参数优化 混沌算法 正交粒子群算法
在线阅读 下载PDF
基于数据分析和改进Chebyshev神经网络的风速时间序列预测 被引量:3
2
作者 张旭 张宏立 +1 位作者 范文慧 王聪 《电测与仪表》 北大核心 2020年第22期33-39,共7页
为提高风速时间序列预测精度,基于风速时间序列的随机性和波动性,提出互补集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和正交粒子群算法(Orthogonal Particle Swarm Optimization,OPSO)优化Chebyshev基函... 为提高风速时间序列预测精度,基于风速时间序列的随机性和波动性,提出互补集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)和正交粒子群算法(Orthogonal Particle Swarm Optimization,OPSO)优化Chebyshev基函数神经网络的混合风速时间序列预测模型(CEEMD-OPSO-Chebyshev)。利用CEEMD将原始风速时间序列分解成有限个固有模态分量,避免了传统的分解信号重建中冗余噪声残留问题。同时引入排列熵分析各分量内在特性进行聚类,提出基于OPSO优化算法的Chebyshev神经网络风速预测模型,利用OPSO优化预测网络权值,进一步提高预测精度,通过对实际采样的风电场风速时间序列进行预测分析,结果可得所提出的混合预测模型与传统预测模型相比能得到更高的预测精度。 展开更多
关键词 风速时间序列 互补经验模态分解 正交粒子群算法 CHEBYSHEV神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部