Print

一种基于数据驱动与物理模型融合的含风电系统频率响应分析方法

论文摘要

当前已有的基于物理模型或数据驱动方法在含风电电力系统实际应用中,存在着计算效率、预测精度以及计算结果可靠性之间的矛盾,为此提出了一种基于数据驱动与物理模型融合的电力系统扰动后频率动态响应分析方法。首先推导能够计及风电机组参与频率调节的系统频率响应（system frequency response, SFR）模型,解决传统的SFR模型无法准确适用于风电渗透率较高电网的问题;然后考虑SFR模型存在的计算精度问题,提出一种基于多输出支持向量机回归（support vector regression, SVR）的频率动态响应预测方法;最后利用基于自适应神经模糊推理系统（adaptive neural fuzzy inference system, ANFIS）模型实现将改进后的SFR模型方法与SVR模型方法相融合,得到在小容量样本下快速获得高精度的频率动态响应预测结果。借助IEEE-39节点的含风电系统仿真算例分析验证了所提方法的适用性、准确性和优越性。

论文目录

  • 1 含风电系统的频率响应分析模型
  • 2 基于SVR的含风电系统扰动后频率动态响应预测方法
  •   2.1 SVR算法基本原理
  •   2.2 基于SVR的风电系统频率预测方法
  • 3 基于ANFIS的物理模型-数据驱动融合频率预测方法
  •   3.1 物理模型-数据驱动融合方法的建模思路
  •   3.2 5层ANFIS模型建立
  •   3.3 在线应用实现方法
  • 4 系统仿真及结果分析
  •   4.1 仿真系统
  •   4.2 仿真算例
  •     4.2.1 基于物理模型的频率动态响应分析方法验证
  •     4.2.2 基于SVR模型的频率动态响应预测方法验证
  •     4.2.3 基于ANFIS的物理模型-数据驱动融合频率预测方法
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 温玉琦

    关键词: 含风电电力系统,频率动态响应,系统频率响应,支持向量机回归,自适应神经模糊推理系统

    来源: 广东电力 2019年09期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 广东电网有限责任公司佛山供电局

    基金: 中国博士后科学基金项目(2015M582443)

    分类号: TM614

    页码: 167-176

    总页数: 10

    文件大小: 2499K

    下载量: 220

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/dbb32bf08b83113e8f344452.html