高级检索

含逆变型分布式电源的负荷模型构建及参数辨识方法

李杰, 王杰, 梁文腾, 石璐杉, 王博仑, 熊宇峰, 张良驹, 周霞

李杰,王杰,梁文腾,等. 含逆变型分布式电源的负荷模型构建及参数辨识方法[J]. 南方能源建设,2024,11(6):164-173.. DOI: 10.16516/j.ceec.2024.6.17
引用本文: 李杰,王杰,梁文腾,等. 含逆变型分布式电源的负荷模型构建及参数辨识方法[J]. 南方能源建设,2024,11(6):164-173.. DOI: 10.16516/j.ceec.2024.6.17
LI Jie, WANG J, LIANG WWenteng, et al. Load model construction and parameter identification method of inverter-interfaced distributed generator [J]. Southern energy construction, 2024, 11(6): 164-173. DOI: 10.16516/j.ceec.2024.6.17
Citation: LI Jie, WANG J, LIANG WWenteng, et al. Load model construction and parameter identification method of inverter-interfaced distributed generator [J]. Southern energy construction, 2024, 11(6): 164-173. DOI: 10.16516/j.ceec.2024.6.17
李杰,王杰,梁文腾,等. 含逆变型分布式电源的负荷模型构建及参数辨识方法[J]. 南方能源建设,2024,11(6):164-173.. CSTR: 32391.14.j.ceec.2024.6.17
引用本文: 李杰,王杰,梁文腾,等. 含逆变型分布式电源的负荷模型构建及参数辨识方法[J]. 南方能源建设,2024,11(6):164-173.. CSTR: 32391.14.j.ceec.2024.6.17
LI Jie, WANG J, LIANG WWenteng, et al. Load model construction and parameter identification method of inverter-interfaced distributed generator [J]. Southern energy construction, 2024, 11(6): 164-173. CSTR: 32391.14.j.ceec.2024.6.17
Citation: LI Jie, WANG J, LIANG WWenteng, et al. Load model construction and parameter identification method of inverter-interfaced distributed generator [J]. Southern energy construction, 2024, 11(6): 164-173. CSTR: 32391.14.j.ceec.2024.6.17

含逆变型分布式电源的负荷模型构建及参数辨识方法

基金项目: 国家自然科学基金重点项目“多重耦合不确定影响下智能电网多时空尺度协调控制与主动防御”(61933005)
详细信息
    作者简介:

    李杰,1982-,男,工程师,硕士,主要研究方向为电网调运行(e-mail)2735516509@qq.com

    王杰,1992-,男,工程师,本科,主要研究方向为电力系统调度运行 (e-mail)wangjie@sgepri.sgcc.com.cn

    梁文腾,1988-,男,高级工程师,硕士,主要研究方向为电力系统调度运行 (e-mail)liangwt1@js.sgcc.com.cn

    石璐杉,1996-,助理工程师,本科,主要研究方向为电力工程(e-mail)shilushan@sgepri.sgcc.com.cn

    王博仑,1993-,男,工程师,硕士,主要研究方向为电力系统调度运行(e-mail)wangbl_sdu@js.sgcc.com

    熊宇峰,1997-,男,工程师,硕士,主要研究方向为电力系统调度运行(e-mail)xiongyf@js.sgcc.com.cn

    张良驹,2002-,男,硕士研究生,主要研究方向为电力系统调度运行(e-mail)zhanglj231@163.com

    周霞,1978-,女,副教授,博士,主要研究方向为电力系统调度运行,(e-mail)zhouxia@njupt.edu.cn

    通讯作者:

    周霞,(e-mail)zhouxia@njupt.edu.cn

  • 中图分类号: TM7; TM91; TP39

Load Model Construction and Parameter Identification Method of Inverter-Interfaced Distributed GeneratorEn

  • 摘要:
      目的  分布式电源(DG)对电网负荷侧的运行特性具有重要影响,然而当前研究侧重于单一类型的分布式电源特性分析和建模,针对能够对具有一定相似性的DG进行统一描述的通用模型研究较少。
      方法  文章对1种逆变型分布式电源(IIDG)模型进行搭建,并采用1种新颖的优化算法。首先基于对IIDG特点及其共有特性的分析,搭建了含IIDG的综合负荷模型;根据所搭建的统一模型进行分析计算,推导得到逆变型分布式电源系统的状态微分方程,系统模型的输出方程。为通过连续迭代和开关函数更新计算系统各时刻的状态和响应,给出系统的状态初值的计算公式。结合样本数据,给出统一模型辨识流程。最后采用白鲨优化算法(WSO)对模型进行参数辨识;最后考虑电压跌落扰动情况,通过对该系统模型进行采样分析。
      结果  仿真结果表明,所提出的统一模型在不同程度的电压跌落的情况下,均能够较好地反映IIDG特性。
      结论  建模误差与参数辨识结果表明所提出的统一模型具有良好的自描述能力及参数稳定性。
    Abstract:
      Introduction  Distributed generation (DG) has a significant impact on the operational characteristics of the load side of the power grid. However, current research focuses mainly on analyzing and modeling the characteristics of a single type of distributed generation, and there is limited research on general models that can uniformly describe DGs with certain similarities.
      Method  This article constructed an inverter-interfaced distributed generator (IIDG) model and employed a novel optimization algorithm. Firstly, based on the analysis of the characteristics and common features of IIDG, a comprehensive load model containing IIDG was constructed; According to the unified model, analytical calculations were performed to derive the state differential equation of the IIDG system and the output equation of the system model. To calculate the state and response of the system at each moment through continuous iteration and switch function updates, a formula for calculating the initial value of the system's state was provided. Combined with the sample data, the unified model identification process was given. Finally, the white shark optimizer (WSO) algorithm was employed to identify the parameters of the model; considering the voltage drop disturbance, the system model was sampled and analyzed.
      Result  The simulation results show that the proposed unified model can better reflect the IIDG characteristics in the case of different levels of voltage drop.
      Conclusion  The modeling error and parameter identification results show that the proposed unified model has good self-describing ability and parameter stability.
  • OA:https://www.energychina.press/

    开放科学(资源服务)二维码:

    2095-8676 © 2021 Energy China GEDI. Publishing services by Energy Observer Magazine Co., Ltd. on behalf of Energy China GEDI. This is an open access article under the CC BY-NC license (https://creativecommons.org/licenses/by-nc/4.0/).

    中通道柔直背靠背换流站工程是广东电网东西分区电力交换的重要联络通道,应保留和维持现有通道电力交换能力,继续发挥联网容量效益;事故情况下可提供紧急支援;作为广东电网目标网架东西组团间的异步联网工程的重要组成部分,远景背靠背直流还起到事故隔离的作用。

    换流站建设规模如下:

    1)直流输电容量:3 GW,本期建设2个柔性背靠背直流单元,每个直流单元额定输送功率为1.5 GW,直流额定电压为±300 kV;柔性直流的动态无功输出最大为30%额定直流功率。

    2)直流主接线方式:直流侧采用对称单极接线。

    3)柔直变配置:单相双绕组,(12+1)×575 MVA。

    4)交流500 kV出线:本期4回,远期9回。

    图1所示,中通道柔直背靠背换流站位于广州市增城区经济开发区,增城变电站东南侧,与增城站变电站毗邻。站址周边大部分为规划的工业区,人口密度较大。站址北侧为已有住宅小区、东侧为规划的工业区、西南为自然村落,人口密度较大。工程建设方案必须考虑与周围环境的协调一致。为满足这一要求,本文对站内的设备选型与总平面的布置方案进行了优化设计,尽量减少对周围居民噪声、感观的影响。

    为了减少中通道柔直背靠背换流站对周围环境的影响,换流站尽量采用户内布置,针对该需求提出如下措施。

    为了降低柔直变压器对周围的噪音影响以及感观影响,考虑柔直变采用户内布置

    启动回路主要噪音源为桥臂电抗器,为了降低桥抗的噪音影响以及启动回路对周围的感观影响,考虑启动回路采用户内布置。一方面,桥臂电抗器处于启动回路户内中部,距离网侧方向敞开侧距离约29 m,可认为基本不对站区周围有噪音贡献;另一方面,通过优化设计可实现桥臂电抗器的自然对流通风,减少了风机及空调噪音-

    站内500 kV配电装置的连接在靠近小区侧采用GIS分支母线,减少架空导线,连接更美观,对感观的影响较小。

    基于本项目东北侧紧邻小区且布置有柔性直流研究基地,为降低阀冷设备对柔直基地的影响,消除阀冷设备对小区的噪声影响,本项目对阀冷塔的布置进行了优化。具体措施如下:将站内北侧的2组阀外冷设备调整至南侧布置,如图2所示;北侧阀厅热量通过长距离去离子循环水迁移至南侧冷却塔散热,循环管道采用管沟和架空结合方式安装。

    图 2 外冷设备布置示意图
    图  2  外冷设备布置示意图
    Figure  2.  Layout of external-cooling equipment

    在站址与北侧小区之间设置约70 m高的综合建筑体,可以有效得实现噪音阻挡及视线阻挡。

    下面具体介绍柔直变区域、启动回路区域、500 kV配电装置区域的布置方案优化。

    为了尽量降低柔直变噪声对周围环境的影响,对常用的三种冷却方式进行了比较。

    图3~图4所示,变压器采用强迫油循环风冷方式(OFAF/ODAF),为了降低噪音,需采用低噪音风冷却器和油泵。

    图 3 变压器采用OFAF/ODAF冷却方式的俯视图
    图  3  变压器采用OFAF/ODAF冷却方式的俯视图
    Figure  3.  Top view of transformer cooled by OFAF/ODAF
    图 4 变压器采用OFAF/ODAF冷却方式的侧视图
    图  4  变压器采用OFAF/ODAF冷却方式的侧视图
    Figure  4.  Side view of transformer cooled by OFAF/ODAF

    风冷布置方式优点:为常规布置方式,风冷却器挂在变压器本体上,占地面积小。维护工作量小。

    风冷布置方式的缺点:即使采用低噪音风冷却器和油泵,噪音仍较大。风冷却器和油泵的噪声同自身运行的振动和声源传播存在一定关系-。冷却器的噪声既有风扇机械结构振动性噪声,又有流体中存在非稳定过程,流体与管壁相互作用而产生的管内噪声,出入口处有辐射噪声等。采用柔直变户内布置时,考虑到散热问题,风冷却器和油泵宜布置在户外,不利于噪音控制。

    图5~图6所示,变压器采用强迫油循环水冷方式,采用水冷却器以及低噪音油泵。变压器及冷却器可采用全户内布置。

    图 5 变压器采用OFWF/ODWF冷却方式的侧视图
    图  5  变压器采用OFWF/ODWF冷却方式的侧视图
    Figure  5.  Side view of transformer cooled by OFWF/ODWF
    图 6 变压器采用OFWF/ODWF冷却方式的侧视图
    图  6  变压器采用OFWF/ODWF冷却方式的侧视图
    Figure  6.  Side view of transformer cooled by OFWF/ODWF

    水冷布置方式优点:对噪音控制效果最好,变压器本体及水冷却器可认为对外界基本无噪音影响。该布置方式为地下站变压器常用布置方式,且本站变压器水冷却外冷系统可与换流阀外冷系统布置统一考虑。空气的比热系数仅为水的1/4。空气侧的传热系数比水冷却器传热系数低,所以冷却容量基本相同的两种冷却器,水冷却器要比风冷却器的体积小、重量轻、噪声低。此外,水冷却器对周围环境要求低,而且对于主变压器布置在地下洞内、户内或布置空间狭小、散热不利时宜采用水冷却方式,可以避免风冷却器对环境方面的影响,提高设备运行可靠性。主变压器采用水冷方式在国内大型水电站和地下站内已得到广泛采用。

    水冷布置方式缺点:(1)采用水冷系统,增加了运行维护工作量;(2)需要考虑水外冷系统的噪音控制措施,本站可与阀外冷系统的噪音控制一并考虑。

    图7~图8所示,变压器采用分体式布置,本体户内布置。户外布置多组散热器及低转速风机

    图 7 变压器采用ONAN+ONAF+ODAF冷却方式的俯视图
    图  7  变压器采用ONAN+ONAF+ODAF冷却方式的俯视图
    Figure  7.  Top view of transformer cooled by ONAN+ONAF+ODAF
    图 8 变压器采用ONAN+ONAF+ODAF冷却方式的侧视图
    图  8  变压器采用ONAN+ONAF+ODAF冷却方式的侧视图
    Figure  8.  Side view of transformer cooled by ONAN+ONAF+ODAF

    自冷布置方式优点:(1)相比水冷运维工作量小;(2)相比OFAF/ODAF噪音略低

    自冷布置方式缺点:(1)大容量变压器特别是柔直变压器尚无此种冷却方式的运行经验;(2)散热器组数多,占地面积大,运维有一定不便,对噪音控制与小区居民的感观有一定影响

    大容量变压器没有分体式强迫油循环自然风冷方式的运行经验,同时散热器占地面积大,如图9所示,若采用此冷却方式,平面布置将超过红线,因此不考虑这种冷却方式。

    图 9 变压器采用ONAN+ONAF+ODAF冷却方式的布置图
    图  9  变压器采用ONAN+ONAF+ODAF冷却方式的布置图
    Figure  9.  Layout of transformer cooled by ONAN+ONAF+ODAF

    下面对强迫油循环风冷、水冷两种冷却方式进行对比,如表1所示:

    表  1  变压器采用水冷、风冷方式对比表
    Table  1.  Compare of transformer water cooling and air cooling
    冷却方式噪音计算值技术成熟度
    风冷方式风冷却器和油泵布置在户外,不利于噪音控制。敏感点的噪音值不能达到2类声环境标准技术成熟,应用广泛
    水冷方式变压器本体及水冷却器户内布置,噪音较小;变压器水外冷系统可采用集中降噪措施。敏感点的噪音值达到2类声环境标准。在地下站与水电站应用较多
    下载: 导出CSV 
    | 显示表格

    为了降低变压器对周围环境噪声的影响,推荐柔直变压器采用户内水冷方案。

    启动回路主要噪音源为桥臂电抗器,为了降低桥抗对周围的环境影响,启动回路采用户内布置。一方面,桥臂电抗器处于启动回路户内中部,距离网侧方向的敞开侧距离约29 m,认为基本不对站区周围有噪音贡献;另一方面,采用户内布置优化设计后可实现桥臂电抗器的自然对流通风,减少了风机及空调噪音-

    桥臂电抗器采用干式空心电抗器,通过管母引接至阀厅穿墙套管。进线回路隔离开关以及启动电阻并排布置,充分利用宽度方向空间,节省纵向尺寸。在桥臂电抗器与阀厅穿墙套管之间预留位置,主要用于桥臂电抗器与套管的运输和吊装。所有设备均要求布置在MC1防磁范围外,除与电抗器相连的避雷器可以布置在MC2防磁范围内,考虑其余启动回路设备均布置在电抗器的MC2防磁范围外,避免形成涡流发热。

    500 kV配电装置区域包括换流站东南侧500 kV GIS场地、西北侧500 kV柔直变进线区域。

    500 kV配电装置区域布置因地制宜,考虑运行的需要,结合GIS母线布局,合理安排配串,使GIS分支母线长度减小、交叉减少,节省投资;采用户内布置方案,利于运行。

    500 kV GIS设备的母线采用分相高式布置,配电装置完整串断路器一字型布置。结合线路出线方向、500 kV配电装置接线的配串及站址地形条件,经优化,东南侧500 kV GIS室尺寸为110 m×16 m。

    东南侧GIS区域布置:500 kV出线构架布置于东南侧GIS室的东南边。柔直变进线采用GIS分支母线或GIL管道,连接美观。GIS本体区域采取紧凑型布置。GIS室东南侧场地用于布置500 kV继电器小室。

    增城侧毗邻500 kV增城站,本期采用柔直变直接接入500 kV增城站串中的布置方式。靠增城侧进线采用GIS分支母线或GIL管道,无架空线,连接更美观。预留远期500 kV GIS场地。

    550 kV GIS分支母线多使用气隔盆式绝缘子或者非气隔的支撑盆式绝缘子,绝缘子之间距离一般为7 m左右,绝缘子安装在两个法兰之间,因此外壳上每隔7 m左右设一个法兰。GIS分支母线标准长度为7 m,每根母线均需使用支架支撑(固定或活动支撑),一般相隔25 m使用一处固定支撑,两个相邻支架间距约为7 m,每两个固定支撑之间需配置一处温补伸缩节,用于补偿母线的热胀冷缩的伸缩量。550 kV GIS分支母线最大跨距为10 m。

    GIS母线的中间导体与盆式绝缘子触座使用插接结构;GIS母线相对GIL标准母线长度较短,存在导电微粒时容易检查,通常不专门设置微粒陷阱以捕获导电微粒。

    GIS分支母线无三支柱,且应用的时间久,经验多,可避免GIL常见的主要问题。

    GIL母线为盆式绝缘子和三支柱绝缘子结构,标准母线长度12 m;每根长母线至少使用一处支架支撑(固定或活动支撑),一般相隔24~36 m间使用一处固定支撑,两个相邻支架间距约为10 m。

    GIL的绝缘子完全处于外壳内部,除气隔使用少量盆式绝缘子外,大量采用三支柱绝缘子进行支撑。GIL的中间导体与支柱绝缘子采用焊接结构,再与触座进行插接。GIL标准母线长度较长,安装地点的环境条件较不易控制,通常设置微粒陷阱。

    GIL中三支柱绝缘子部分的参数和性能要求没有固定的国家标准,运行中发现的问题较多-。根据南方电网公司反事故措施(2019版)补充条款要求,新建工程(未投运工程)应审慎使用GIL设备,若必须使用GIL设备应对其安装空间、电磁环境、地形条件、环境条件、传输损耗等要求的必要性进行充分论证。

    考虑设备的运行可靠性,推荐西北侧柔直变采用GIS分支母线接入500 kV增城站、东南侧柔直变采用GIS分支母线与500 kV配电装置相连。

    图10所示,增城站场地与换流站场地标高相差10 m左右,增城站500 kV出线间隔通过GIS分支母线与换流站内柔直变相连。利用GIS分支母线的垂直段以及加高GIS分支母线的支撑来实现两站的高差过渡。

    图 10 增城站与中通道连接GIS分支母线示意图
    图  10  增城站与中通道连接GIS分支母线示意图
    Figure  10.  Layout of GIS branch bus connecting Zengcheng substation and middle passage converter station

    按照目前的设计方案,GIS分支母线需横跨柔直变运输道路,柔直变高度约为10 m,宽度约为11.5 m。考虑一定裕度,GIS分支母线横跨柔直变运输道路时,跨距应不小于15 m,净空高度不小于12.5 m。

    咨询国内的主要500 kV GIS厂家,GIS标准母线长度约7 m,最大跨距不超过10 m,底部支撑的高度不超过7.5 m,不满足本工程的要求;考虑在GIS分支母线的跨路部分底部做一个门型构架,对分支母线进行固定支撑。满足柔直变的运输要求,如图11所示。

    图 11 GIS分支母线跨路门型构架示意图
    图  11  GIS分支母线跨路门型构架示意图
    Figure  11.  Layout of frame for GIS branch bus

    由于中通道背靠背换流站地理位置的特殊性,工程建设方案须考虑与周围环境的协调一致性,对站内的设备选型与总平面进行了布置优化;并分区域对柔直变压器布置方案、启动回路布置方案、500 kV交流配电装置布置方案进行了比较研究与优化设计,得出以下结论:

    1)柔直变区域:比较变压器常用三种冷却方式各自的优缺点,并结合柔直变的参数分析各冷却方式的可行性与噪音水平,推荐噪音水平低、可全户内布置的强油循环水冷方式(OFWF/ODWF)。

    2)启动回路区域:推荐启动回路采用户内布置。所有设备均要求布置在MC1防磁范围外,除与电抗器相连的避雷器可以布置在MC2防磁范围内,考虑其余启动回路设备均布置在电抗器的MC2防磁范围外,避免形成涡流发热。

    3)500 kV交流配电装置区域:考虑设备的运行可靠性与美观性,推荐西北侧柔直变采用GIS分支母线直接接入500 kV增城站,东南侧500 kV配电装置选用户内GIS。增城站与换流站的10 m高差利用GIS分支母线的垂直段以及GIS分支母线的底部支撑来实现;考虑在GIS分支母线的跨柔直变运输道路部分的底部做门型构架,对分支母线进行固定支撑。

  • 图  1   含逆变型分布式电源的负荷模型构建的原理图

    Figure  1.   Construction schematic diagram of the load model of IIDG

    图  2   IIDG统一模型等值电路

    Figure  2.   Equivalent circuit of the unified model for IIDG

    图  3   辨识流程图

    Figure  3.   Identification flow

    图  4   白鲨优化算法辨识流程

    Figure  4.   Identification process of WSO

    图  5   五节点系统单线图

    Figure  5.   Single-line diagram of the five-node system

    图  6   电压跌落30%输入曲线

    Figure  6.   Input curve for a 30% voltage drop

    图  7   电压跌落30%时的模型有功拟合曲线

    Figure  7.   Active power fitting curve of model for a 30% voltage drop

    表  1   辨识算法残差对比

    Table  1   Comparison of residuals for identification algorithms

    辨识算法电压跌落20%MTG电压跌落20%FC电压跌落20%PV电压跌落30%MTG电压跌落30%FC电压跌落30%PV
    WSO0.000 130.000 890.000 490.000 250.001 030.000 83
    PSO0.036 000.005 310.007 440.004 210.007 120.008 13
    NLSM0.076 180.009 620.012 520.005 690.004 210.022 52
    下载: 导出CSV

    表  2   WSO算法参数辨识结果

    Table  2   Parameter identification results of the WSO algorithm

    DG类型 电压跌落 R L C ki1 kp1 ki2 kp2
    MTG 20% 0.009 0.061 0.159 0.179 5.672 0.022 9.876
    30% 0.008 0.059 0.124 0.245 5.691 0.027 9.241
    PV 20% 0.004 0.086 0.030 0.058 9.678 0.070 5.672
    30% 0.009 0.069 0.051 0.043 8.365 0.142 4.239
    FC 20% 0.018 0.059 9.194 0.027 4.515 0.171 6.379
    30% 0.024 0.345 8.214 0.148 3.517 0.249 7.369
    下载: 导出CSV
  • [1] 李颖峰, 史腾肖, 库城银, 等. 分布式电源接入对配电网网络损耗的影响研究 [J]. 电工技术, 2022(14): 160-163. DOI: 10.19768/j.cnki.dgjs.2022.14.049.

    LI Y F, SHI T X, KU C Y, et al. Research on the influence of distributed power access on distribution network loss [J]. Electric engineering, 2022(14): 160-163. DOI: 10.19768/j.cnki.dgjs.2022.14.049.

    [2] 肖峻, 王传奇. 配电网分布式发电渗透率极限值定义与计算方法 [J]. 电网技术, 2024, 48(1): 352-360. DOI: 10.13335/j.1000-3673.pst.2022.1977.

    XIAO J, WANG C Q. Definition and calculation method of DG penetration limit values of distribution network [J]. Power system technology, 2024, 48(1): 352-360. DOI: 10.13335/j.1000-3673.pst.2022.1977.

    [3] 韩平平, 张楠, 潘薇, 等. 配电网状态估计可观性研究综述 [J]. 电力系统及其自动化学报, 2022, 34(4): 11-21. DOI: 10.19635/j.cnki.csu-epsa.000787.

    HAN P P, ZHANG N, PAN W, et al. Review of research on observability of distribution network state estimation [J]. Proceedings of the CSU-EPSA, 2022, 34(4): 11-21. DOI: 10.19635/j.cnki.csu-epsa.000787.

    [4] 王吉利, 贺仁睦, 马进. 配网侧接入电源对负荷建模的影响 [J]. 电力系统自动化, 2007, 31(20): 22-26, 40. DOI: 10.3321/j.issn:1000-1026.2007.20.005.

    WANG J L, HE R M, MA J. Impact of connecting power sources on load modeling in a distribution network [J]. Automation of electric power systems, 2007, 31(20): 22-26, 40. DOI: 10.3321/j.issn:1000-1026.2007.20.005.

    [5] 毛万成, 李勇, 彭衍建, 等. 光伏/微型燃气轮机混合微电网协调控制策略 [J]. 电力系统及其自动化学报, 2018, 30(4): 22-29. DOI: 10.3969/j.issn.1003-8930.2018.04.004.

    MAO W C, LI Y, PENG Y J, et al. Coordination control strategy for PV/micro-turbine hybrid micro-grid [J]. Proceedings of the CSU-EPSA, 2018, 30(4): 22-29. DOI: 10.3969/j.issn.1003-8930.2018.04.004.

    [6] 刘君, 穆世霞, 李岩松, 等. 微电网中微型燃气轮机发电系统整体建模与仿真 [J]. 电力系统自动化, 2010, 34(7): 85-89.

    LIU J, MU S X, LI Y S, et al. Overall modeling and simulation of microturbine generation systems in microgrids [J]. Automation of electric power systems, 2010, 34(7): 85-89.

    [7]

    GHOLAMI A, AMERI M, ZANDI M, et al. A fast and precise double-diode model for predicting photovoltaic panel electrical behavior in variable environmental conditions [J]. International journal of ambient energy, 2023, 44(1): 1298-1315. DOI: 10.1080/01430750.2023.2173290.

    [8] 屈星, 李欣然, 盛义发, 等. 面向广义负荷的光伏发电系统等效建模研究 [J]. 电网技术, 2020, 44(6): 2143-2150. DOI: 10.13335/j.1000-3673.pst.2019.1498.

    QU X, LI X R, SHENG Y F, et al. Research on equivalent modeling of PV generation system for generalized load [J]. Power system technology, 2020, 44(6): 2143-2150. DOI: 10.13335/j.1000-3673.pst.2019.1498.

    [9] 王善立, 龙军. 含分布式储能的光伏发电系统建模与仿真 [J]. 电源技术, 2016, 40(10): 1973-1975, 2047. DOI: 10.3969/j.issn.1002-087X.2016.10.021.

    WANG S L, LONG J. Modeling and simulation of a PV system with DESS [J]. Chinese journal of power sources, 2016, 40(10): 1973-1975, 2047. DOI: 10.3969/j.issn.1002-087X.2016.10.021.

    [10] 马腾, 付常亮, 祝得治, 等. 固体氧化物燃料电池电堆电特性的建模 [J]. 电源技术, 2011, 35(11): 1364-1367. DOI: 10.3969/j.issn.1002-087X.2011.11.010.

    MA T, FU C L, ZHU D Z, et al. Modeling of electrical characteristics of a SOFC stack [J]. Chinese journal of power sources, 2011, 35(11): 1364-1367. DOI: 10.3969/j.issn.1002-087X.2011.11.010.

    [11]

    YU R J, GUO H, CHEN H, et al. Influence of different parameters on PEM fuel cell output power: a three-dimensional simulation using agglomerate model [J]. Energy conversion and management, 2023, 280: 116845. DOI: 10.1016/j.enconman.2023.116845.

    [12] 王玲, 李欣然, 马亚辉, 等. 燃料电池发电系统的机电动态模型 [J]. 中国电机工程学报, 2011, 31(22): 40-47. DOI: 10.13334/j.0258-8013.pcsee.2011.22.001.

    WANG L, LI X R, MA Y H, et al. Dynamic model of fuel cell power generating system [J]. Proceedings of the CSEE, 2011, 31(22): 40-47. DOI: 10.13334/j.0258-8013.pcsee.2011.22.001.

    [13] 刘普仁, 李奇, 孟翔, 等. 基于多向差分进化算法的氢燃料电池市域动车组运行协同优化 [J]. 中国电机工程学报, 2024, 44(3): 1007-1019. DOI: 10.13334/j.0258-8013.pcsee.221627.

    LIU P R, LI Q, MENG X, et al. Collaborative optimization of hydrogen fuel cell urban emu operation based on multi-directional differential evolution algorithm [J]. Proceedings of the CSEE, 2024, 44(3): 1007-1019. DOI: 10.13334/j.0258-8013.pcsee.221627.

    [14] 汪海姗, 王冰, 张秋桥, 等. 独立直流微电网中多组燃料电池分布式协同控制 [J]. 电气自动化, 2021, 43(2): 44-46. DOI: 10.3969/j.issn.1000-3886.2021.02.016.

    WANG H S, WANG B, ZHANG Q Q, et al. Distributed cooperative control of multi-group fuel cells in independent DC micro-grids [J]. Electrical automation, 2021, 43(2): 44-46. DOI: 10.3969/j.issn.1000-3886.2021.02.016.

    [15] 何雄峰, 李先允, 谈益珲, 等. 微型燃气轮机发电系统LVRT特性分析研究 [J]. 电气技术, 2016, 17(6): 18-24. DOI: 10.3969/j.issn.1673-3800.2016.06.005.

    HE X F, LI X Y, TAN Y H, et al. Performance analysis and research on microturbine generation system with LVRT [J]. Electrical engineering, 2016, 17(6): 18-24. DOI: 10.3969/j.issn.1673-3800.2016.06.005.

    [16] 马亚辉. 含分布式电源的综合负荷建模方法研究 [D]. 长沙: 湖南大学, 2013.

    MA Y H. Studies on composite load modeling of distribution network considering distributed generation [D]. Changsha: Hunan University, 2013.

    [17] 任晓红, 万红, 俞啸, 等. 基于Park变换的三电平逆变器开路故障诊断 [J]. 工矿自动化, 2020, 46(5): 82-86, 93. DOI: 10.13272/j.issn.1671-251x.17523.

    REN X H, WAN H, YU X, et al. Open-circuit fault diagnosis of three-level inverter based on Park transformation [J]. Industry and mine automation, 2020, 46(5): 82-86, 93. DOI: 10.13272/j.issn.1671-251x.17523.

    [18] 冯茜, 李擎, 全威, 等. 多目标粒子群优化算法研究综述 [J]. 工程科学学报, 2021, 43(6): 745-753. DOI: 10.13374/j.issn2095-9389.2020.10.31.001.

    FENG Q, LI Q, QUAN W, et al. Overview of multiobjective particle swarm optimization algorithm [J]. Chinese journal of engineering, 2021, 43(6): 745-753. DOI: 10.13374/j.issn2095-9389.2020.10.31.001.

    [19]

    GOLDBERG D E. Genetic algorithms in search, optimization, and machine learning [M]. Reading: Addison-Wesley Pub. Co., 1989.

    [20]

    GREWAL M S, ANDREWS A P. Kalman filtering: theory and practice using MATLAB® (3rd ed. ) [M]. Hoboken: Wiley-IEEE Press, 2008.

    [21]

    GUO P, ZHU L. Ant colony optimization for continuous domains [C]//2012 8th International Conference on Natural Computation, Chongqing, China, May 29-31, 2012. Chongqing: IEEE, 2012: 758-762. DOI: 10.1109/ICNC.2012.6234538.

    [22]

    BRAIK M, HAMMOURI A, ATWAN J, et al. White shark optimizer: a novel bio-inspired meta-heuristic algorithm for global optimization problems [J]. Knowledge-based systems, 2022, 243: 108457. DOI: 10.1016/j.knosys.2022.108457.

    [23]

    FATHY A, YOUSRI D, ALHARBI A G, et al. A new hybrid white shark and whale optimization approach for estimating the Li-ion battery model parameters [J]. Sustainability, 2023, 15(7): 5667. DOI: 10.3390/su15075667.

    [24] 李小明, 董智, 高明, 等. 基于粒子群算法的中低压配电网网格化规划模型 [J]. 电气自动化, 2023, 45(2): 58-60. DOI: 10.3969/j.issn.1000-3886.2023.02.018.

    LI X M, DONG Z, GAO M, et al. Grid planning model of medium and low voltage distribution network based on particle swarm algorithm [J]. Electrical automation, 2023, 45(2): 58-60. DOI: 10.3969/j.issn.1000-3886.2023.02.018.

    [25] 谢涛, 张春炯, 徐永健. 基于历史梯度平均方差缩减的协同参数更新方法 [J]. 电子与信息学报, 2021, 43(4): 956-964. DOI: 10.11999/JEIT200061.

    XIE T, ZHANG C J, XU Y J. Collaborative parameter update based on average variance reduction of historical gradients [J]. Journal of electronics & information technology, 2021, 43(4): 956-964. DOI: 10.11999/JEIT200061.

图(7)  /  表(2)
计量
  • 文章访问数:  249
  • HTML全文浏览量:  90
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-12-11
  • 修回日期:  2024-03-12
  • 网络出版日期:  2024-09-09
  • 刊出日期:  2024-11-29

目录

Corresponding author: ZHOU Xia, zhouxia@njupt.edu.cn

  1. On this Site
  2. On Google Scholar
  3. On PubMed

/

返回文章
返回