分布式电源并网控制研究综述

来源 :齐鲁工业大学学报 | 被引量 : 0次 | 上传用户:dragon890123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着新能源的开发和利用,分布式发电的应用也越来越广泛,分布式电源在电网中所占的比例也越来越大,分析了分布式电源的特点以及对配电网的影响,同时对分布式电源常用的两种运行控制策略做了详细解析.对配电网中的电压控制方法进行了总结与分析,对以下几种控制方法进行了详细的分析:分布电压控制策略;集中式电压控制策略;分层电压控制策略.通过电压控制可以对系统的线路损耗进行有效降低,而且也能改善系统的安全性.
其他文献
通过有限元软件,在特定的条件下对中空挤压铝型材系统结构进行了仿真计算,探究其减振降噪特性.基于CAD/CAE软件平台,通过有限元软件ANSYS对车体截面进行建模.忽略部分影响因素,利用有限元的方法,对铝型材车体结构进行了分析研究,计算出不同型材结构的固有频率并得到模态振型图,从而对不同型材结构的减振降噪特性进行了分析.
通过Fluent软件对CO2工质在喷射器中的流动进行模拟,同时通过改变工作流体和引射流体的入口压力研究喷嘴临界截面直径对喷射系数的影响.模拟结果表明:当保持喷射器的基本工作参数不变,引射流体入口压力为一定值时,喷射器喷射系数随喷嘴临界截面直径的减小而逐渐增大;当保持喷射器的基本工作参数不变,工作流体入口压力为一定值时,喷射器喷射系数随喷嘴临界截面直径的增大而逐渐减小;在喷射器的基本工作参数保持稳定时,可以通过提高引射流体入口压力及工作流体入口压力2种方法提高喷射系数.
局域能源微网是一种区域性的能源自治组织,由于能源互联网的整体建设具有时间跨度长和区域协调复杂的特点,局域能源微网是现阶段能源互联网建设的核心.局域能源微网能够从可再生资源中产生有限的能量,并负责区域内用户的需求.但是由于可再生能源发电和用户需求的随机性和波动性,每个局域微网必须对能量进行优化管理和调度.这要求能够合理的安排用户的需求,以及能够处理好相邻微网之间的交易.通常,局域能源微网之间的电力交易由广域中央电网进行定价.针对用户需求、电池储能、能源调配和动态定价提出了一种新的方法,利用一种新的深度Q学习
传统的永磁同步电机(PMSM)无传感器驱动控制技术在低转速时,由于反电动势幅值低,所以存在转子角度误差大,抖振现象严重等问题.为在各类PMSM的运行工况中均能得到转子的位置信息,详尽分析了PMSM的数学模型,提出了一种脉振高频电压信号注入策略.通过在估计的直轴中注入高频电压激励,以构建交直轴电感差异的凸极效应,通过检测交轴的高频电流响应以提取出转子误差信息,实现了转子位置的实时追踪.理论分析和仿真结果均表明,该策略能够准确辨识永磁转子的实时角度位置,适用于PMSM的各类工况,在瞬时增减负载时,表现出较强的
模糊蕴涵作为经典(布尔)蕴涵在单位区间上的推广,是模糊逻辑中最重要的逻辑算子之一.在有界格上分别定义了由模糊蕴涵和一致模生成的一种新的偏序,并分析了二者之间的关系.针对不同的模糊蕴涵类:(U,N)-、QL-、f-、g-、h-蕴涵,分别讨论了其生成的偏序.
针对二次反射塔式太阳能热发电技术中二次反射镜面形精度要求高的特性,利用2种条纹方向正交的直条纹图案将待测面形分解为2个正交方向的像素偏差量,通过二次反射镜面形快速解算模型将像素偏差转换成镜面反射法线的偏差角,实现了待测面面形的快速检测.然后,对二次反射镜样品进行面形检测,再将检测结果与基于关节臂测量机的检测结果进行了对比,结果表明2种检测方法的检测结果相符.
为了实现滚动轴承变工况运行下仍能进行有效的故障诊断,提出了一种基于二维卷积神经网络的滚动轴承变工况故障诊断方法.该方法将原始信号以及运行载荷这一工况变量作为输入信号,无需人工提取特征向量,减少特征提取过程中的损失,实现端到端检测,并将该方法与传统卷积神经网络模型进行了实验对比.结果 表明,相较于传统卷积神经网络,该方法在故障的识别准确率和诊断的实时性上都有很大程度的提升.
提出了一种新的基于邻近梯度的对偶方法.该方法求解Frobenius范数意义下的相关系数矩阵的稀疏逼近问题.首先,推导出一种新的有界约束的对偶问题;然后,提出一个相应的具有全局收敛性的邻近梯度算法;最后,通过在随机数据集上的数值结果验证了该算法的可行性.
秘密共享方案为解决信息安全和密钥管理问题提供了一个崭新的思路.秘密共享可应用于数据的安全存储和加密等领域,保障了传输信息的安全性和准确性.综述了秘密共享方案,介绍了秘密共享的概念,归纳总结了多秘密共享技术、可验证秘密共享技术、无分发者秘密共享技术、可安全重构秘密共享技术、主动式秘密共享技术的发展历程及其特点.此外,列举了秘密共享技术在电子投票、数字图像、生物特征等方面的应用.
在遮挡物较多的变电站场景下,传统的目标跟踪算法容易出现人员跟丢、身份变换、目标被遮挡无法识别等情况,无法做到对目标的准确实时跟踪.针对此问题,提出了融合度量学习与卡尔曼滤波的变电站运动目标跟踪方法.首先,采用融合多尺度特征的YOLOv3算法检测目标,利用带权值的匈牙利算法匹配目标的历史运动轨迹;然后,通过卡尔曼滤波进行轨迹预测,并应用度量学习匹配预测轨迹与历史运动轨迹,结合目标外观特征信息,以实现变电站内运动目标的跟踪;最后,以变电站场景下的人员为例进行实验,结果表明,人员跟踪准确率高,且能满足变电站应用