-
题名基于Spark的电力调度数据整合模型
被引量：9
- 1
-
-
作者
曲朝阳
陈贺新
胡可为
刘耀伟
独健鸿
-
机构
东北电力大学信息工程学院
国网吉林省电力有限公司调控中心
国网吉林省电力有限公司吉林供电公司
吉林市丰满发电厂
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第19期65-70,共6页
-
基金
国家自然科学基金(No.51277023)
吉林省科技发展计划项目(科技创新中心)(No.20160623004TC)
-
文摘
随着大数据理念在电力行业的应用,构建电力调度数据仓库是支撑电力调度中心统一数据平台的基础,针对电力调度中心的数据仓库将多源数据整合时面临的重复冗余和不一致问题,提出一种基于Spark的电力调度数据整合模型。设计并行化正向最大匹配去冗算法,对多个系统内冗余数据进行过滤操作;给出面向关联度的数据一致性处理方法,依据特征向量的夹角余弦值判断数据间的联系,进而对不一致数据修复。通过对某电力调度中心的数据进行整合实验,验证了该数据整合模型的可行性。
-
关键词
电力调度中心
关联度
特征向量
数据整合
Spark平台
-
Keywords
power dispatch center
correlation degree
feature vector
data integration
Spark platform
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名双馈风电机组超速脱网机理分析及实例
被引量：13
- 2
-
-
作者
穆钢
王健
郑太一
严干贵
孙勇
史坤鹏
-
机构
东北电力大学电气工程学院
华北电力大学电气与电子工程学院
国网吉林省电力有限公司调控中心
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2014年第22期113-117,共5页
-
基金
国家重点基础研究发展计划(973计划)资助项目(2013CB228201)~~
-
文摘
近年来,风电机组大面积脱网事故屡有发生,给所连接电网带来冲击。以往关于风电机组脱网的研究主要集中于风电机组受扰后的电磁暂态过程。事实上,当电网故障扰动导致双馈风电机组Crowbar保护动作后,也打破了风电机组的转矩平衡。如果风电机组在受扰后的机电暂态过程中不能建立新的转矩平衡,将会引起风电机组超速保护动作,致使机组脱网。分析了配有Crowbar保护的双馈风电机组受扰后的机电暂态过程,揭示了双馈风电机组受扰后超速脱网的机理,推导了超速脱网的条件。运用所提出的分析方法,分析了一个风电机组超速脱网的工程实例,结果表明所提出方法是有效的。
-
关键词
风电场
双馈风电机组
Crowbar保护
超速
-
Keywords
wind farm
doubly-fed induction generator(DFIG)-based wind turbine
Crowbar protection
over-speed
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名双馈风电机组Crowbar保护电阻阻值优化整定
被引量：2
- 3
-
-
作者
王健
严干贵
郑超
孙勇
史坤鹏
-
机构
华北电力大学电气与电子工程学院
东北电力大学电气工程学院
中国电力科学研究院
国网吉林省电力有限公司调控中心
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2015年第9期2269-2277,共9页
-
基金
国家重点基础研究发展(973)计划(2013CB228201)
国家电网公司科技项目"风电大规模脱网的机理分析与应对措施研究"
"风电并网基础研究平台建设与检测能力提升"和"电网友好型大型风电场关键技术研究与示范"
-
文摘
电网发生故障导致双馈感应发电机转子绕组经Crowbar保护电阻Rcb短接后,将引发风电机组后续的暂态过程。在后续的暂态过程中,如果Rcb阻值不当,一方面将危及转子侧变流器运行安全,另一方面将导致风电机组电磁转矩和机械转矩不能达到新的平衡,引起转子加速,可能触发超速保护动作,致使风电机组发生超速脱网。仅考虑保障转子侧变流器运行安全整定Rcb阻值,将使风电机组存在超速脱网风险。分析Rcb阻值对Crowbar保护动作后双馈风电机组转矩平衡关系的影响,推导双馈风电机组发生超速脱网的边界条件。在此基础上,提出综合考虑保障转子侧变流器运行安全和降低超速脱网风险的Rcb阻值优化整定方法。仿真结果表明方法的有效性。
-
关键词
风力发电
双馈感应发电机
Crowbar保护
超速
-
Keywords
wind power
doubly fed induction generator（DFIG）
Crowbar protection
overspeed
-
分类号
TM343
[电气工程—电机]
-
-
题名面向风电功率超短期预测的风电数据时间尺度优选方法
- 4
-
-
作者
崔杨
杨海威
严干贵
孙勇
-
机构
东北电力大学电气工程学院
国网吉林省电力有限公司调控中心
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2016年第1期195-200,共6页
-
基金
国家自然科学基金(51207018)
国家重点基础研究发展(973)计划(2013CB228201)
国家留学基金委青骨项目(201407790007)
-
文摘
提出一种基于优度指标I的优选方法,通过对不同时间尺度风电数据复杂度和风电功率预测效果的量化对比分析,确定用于风电功率预测的最优时间尺度。基于实测风电数据的算例表明,选取不同数据时间尺度会对风电功率预测精度产生影响,且基于优度指标I以及预测误差的分析结果一致表明15 min的风电数据最适合用于风电功率预测。
-
关键词
风电功率预测
时间尺度
优度指标
优选方法
预测误差
-
Keywords
wind power forecasting
time scale
optimization index
optimization method
forecasting error
-
分类号
TM614
[电气工程—电力系统及自动化]
-
