收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于神经网络的海上风场最优功率控制策略研究

郭秉涛  
【摘要】:由于海上风电场拓扑结构的复杂性,在潮流计算中使用传统的加权平均参数法难以准确描述等效模型,同时由于风电的快速发展与其在电网的比重增加,风场的功率控制显得尤为重要。因此,本文针对风电场在潮流计算中难以准确描述的问题与缺乏有效功率分配的问题,采用稳态数学模型、神经网络、改进粒子群算法构建了一个双神经网络的等效模型,在满足电网调度指令的前提下,以达到快速准确地进行供电能力评估和功率最优分配的目的。本文先针对风电场在潮流计算中难以准确描述的问题,采用了稳态数学模型结合神经网络的方法进行探究。以双馈感应发电机(DFIG)为例,建立了一个简单的反向传播(BP)神经网络模型用于等效单个DFIG,该模型根据实际DFIG仿真得到神经网络的训练数据,其中风速、定转子电压作为输入,发电机有功和无功功率作为输出。在此基础上,利用实际的102MW含34台双馈风力发电机组,由统计风速、等效电压及其数据误差作为输入,建立了基于双馈风力发电机组的BP模型,并对其进行了训练。仿真结果表明BP神经网络能够对风电场进行有效建模,能够对风场供电能力进行快速评估,一定程度解决了风电场在电力系统潮流计算中难以简化的问题,并具有较高的精度。然后本文针对风电场功率优化分配问题,采用改进粒子群算法结合神经网络的方法进行探究。将海上风电场内每台双馈发电机的功率值作为优化变量;根据海上风电场双馈发电机的功率调节方式和风机状态获取每台风机的功率可调范围,将其作为约束条件,同时确保风场的输出与电网调度指令之间的误差在足够小的范围内,也将其作为约束条件。以风电场线路损耗最小为优化目标,通过改进粒子群算法获得功率分配优化数据,并以此优化数据作为人工神经网络聚合模型的学习数据。以风电场出口电网侧有功、无功需求和各风机的风速作为人工神经网络的输入,将各双馈发电机直接功率控制的有功和无功参考值作为输出,搭建了某海上风电场34台3MW双馈发电机构成的四层36-102-102-68节点人工神经网络聚合模型。根据上述方法解决风电场功率的快速优化分配问题。由仿真结果表明该方法在功率可调节区域显著降低了线路损耗,具有良好性能;同时具有快速响应的特性。一定程度解决了在保证输出精度前提下的功率快速准确优化分配的问题。最后,本文针对构建海上风电场功率控制体系的问题,通过上述构建的等值神经模型与功率分配神经网络模型相结合的方式进行研究,形成了一个自上而下的风电体系,通过对优化传统模型、非优化传统模型、优化神经网络模型和非优化神经网络模型的特点进行分析比较,发现优化神经网络模式是最适合风场优化控制的模型,一定程度解决了海上风电场优化体系构建的问题,该模型兼具响应快、误差小、性能指标优的特点,可以在满足电网调度侧指令前提下,实现准确快速地向电网调度侧反馈供电能力,并在内部实现功率优化策略,该模型在风电场等值及其功率优化控制中具有明显优势。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 任怀庆;梁艳春;孙亮;;基于神经网络的滚动时域优化控制[J];北京邮电大学学报;2009年01期
2 刘可文,程新丽,涂利锐;神经网络在水泥窑优化控制系统中的应用[J];武汉理工大学学报;2001年10期
3 冉宁;;粒子群算法在神经网络非线性函数拟合中的应用[J];科技信息;2012年05期
4 胡泽新;甲醛生产优化控制的神经网络新方法[J];华东理工大学学报;1994年02期
5 宋风忠;;基于粒子群算法风力发电系统风速预测研究[J];电气应用;2011年24期
6 钱超群;;基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用[J];建筑技术开发;2019年13期
7 李杰;李志强;刘晓;闫白鹭;;基于神经网络和粒子群算法的遗传位点与患病信息的关联性分析[J];北京化工大学学报(自然科学版);2018年01期
8 陈攀;杜坤;周明;毛润康;雷雨晴;丁榕艺;;基于粒子群算法优化的城市供水量预测模型研究[J];软件导刊;2019年07期
9 李龙,徐松岭,杨惟高;BP 神经网络在窑外分解窑优化控制中的应用[J];河北工业科技;2001年02期
10 李辉;王军;;基于粒子群算法与循环神经网络的短期电力负荷预测[J];软件导刊;2017年11期
11 王哲;王喆;曾伟;;基于改进粒子群算法的主动配电网有功无功协调优化控制[J];制造业自动化;2021年07期
12 刘代飞;李劼;陈湘涛;丁凤其;邹忠;;基于神经网络的氢氧化铝焙烧优化控制系统[J];中北大学学报(自然科学版);2008年02期
13 李敏;曲大义;张西龙;张永亮;潘福全;;基于粒子群算法的神经网络的驾驶意图识别[J];科学技术与工程;2018年36期
14 张路;李志华;;优化的神经网络在模拟电路故障诊断中的应用[J];信息技术;2013年01期
15 李万;冯芬玲;蒋琦玮;;改进粒子群算法优化LSTM神经网络的铁路客运量预测[J];铁道科学与工程学报;2018年12期
16 乔晓梅;;基于粒子群算法优化的神经网络在入侵检测中的应用[J];商场现代化;2006年18期
17 曹志勇;邱靖;曹志娟;杨毅;;基于改进型神经网络的植物病虫害预警模型的构建(英文)[J];Agricultural Science & Technology;2009年06期
18 程志强;刘载文;王小艺;崔莉凤;;基于粒子群算法的神经网络在污水处理优化中的应用[J];北京工商大学学报(自然科学版);2008年04期
19 王爽心;杨辉;李亚光;;协调控制系统神经网络PID优化控制与仿真研究[J];中国电机工程学报;2007年35期
中国重要会议论文全文数据库 前20条
1 梁龙;房桂干;;神经网络结合粒子群算法优化制浆浸渍工艺[A];2019中国制浆造纸自动化技术与智能制造研讨会论文集[C];2019年
2 谢晓竹;侯冰;;基于改进自适应粒子群算法和BP神经网络的地面声目标识别[A];中国自动化学会控制理论专业委员会A卷[C];2011年
3 蒋子超;江俊扬;姚清河;杨耿超;;基于神经网络的差分方程快速求解方法[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
4 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
5 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
6 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
7 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
8 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
9 马昕鹏;李艳坤;庞佳烽;;人工神经网络预测血清中血红蛋白含量[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
10 康忠健;罗霖;;基于长短期记忆网络的配电网线损预测方法研究[A];第三十九届中国控制会议论文集(7)[C];2020年
11 闫岱峻;刘伟;于圣炜;赵旭;;基于神经网络的散货船阻力预报方法研究[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
12 郝立柱;韩阳;潘子英;;循环神经网络方法预报船舶操纵运动研究[A];第三十一届全国水动力学研讨会论文集(下册)[C];2020年
13 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
14 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
15 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
16 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
17 华阳;孟晓;秦智勇;;深度卷积神经网络压缩方法研究[A];中国航天电子技术研究院科学技术委员会2020年学术年会优秀论文集[C];2020年
18 孙澄宇;胡苇;;大范围工业建筑屋面太阳能潜力的快速评估方法[A];数智营造:2020年全国建筑院系建筑数字技术教学与研究学术研讨会论文集[C];2020年
19 王畅;叶舒然;张珍;王一伟;;基于卷积神经网络的空化水翼表面的压力预测[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
20 梁泽华;刘亚平;胡宏昌;;基于LSTM神经网络的地下水位时空模拟[A];2020中国环境科学学会科学技术年会论文集(第三卷)[C];2020年
中国博士学位论文全文数据库 前20条
1 纪厚业;异质图神经网络关键技术研究[D];北京邮电大学;2021年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
4 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
5 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
6 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
7 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
8 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
9 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
10 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
11 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
12 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
13 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
14 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
15 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年
16 冉令燕;基于卷积神经网络的图像分类研究[D];西北工业大学;2018年
17 于佳;语音文档的故事分割技术研究[D];西北工业大学;2018年
18 申晨;基于卷积神经网络的行人再识别算法研究[D];浙江大学;2018年
19 田树耀;基于多尺度变分算法及深度卷积神经网络的图像压缩感知重建[D];燕山大学;2019年
20 孙诗昭;深度学习中深度问题与大模型问题的研究[D];南开大学;2018年
中国硕士学位论文全文数据库 前20条
1 郭秉涛;基于神经网络的海上风场最优功率控制策略研究[D];上海交通大学;2020年
2 邱建章;神经网络在催化裂化装置模拟优化控制中应用的初步研究[D];石油化工科学研究院;2000年
3 周美刚;循环流化床燃烧系统优化控制研究[D];华东理工大学;2012年
4 宫孟孟;基于神经网络的移动机器人路径规划方法研究[D];哈尔滨工业大学;2017年
5 侯艳飞;基于改进模糊粒子群算法优化神经网络的热轧带钢宽度组合智能模型研究[D];太原理工大学;2012年
6 李田田;基于循环神经网络的短期电力负荷预测研究[D];南京大学;2020年
7 汪诗雨;基于神经网络的发送端优化处理技术[D];北京邮电大学;2020年
8 林莹莹;基于粒子群优化的神经网络智能控制[D];南京邮电大学;2013年
9 裴子龙;基于卷积神经网络的人脸性别识别研究[D];山西师范大学;2017年
10 任东红;基于集成神经网络的污水处理出水水质软测量模型[D];北京工业大学;2013年
11 何谐;基于组态王的生物发酵多参数优化控制系统的研究[D];江苏大学;2007年
12 王桂洋;基于神经网络的土壤源热泵系统运行优化控制究[D];北京工业大学;2013年
13 赵蕾;基于粒子群优化神经网络的GDP预测[D];华北电力大学;2017年
14 刘浩策;基于粒子群神经网络的人脸识别[D];东北石油大学;2014年
15 李严;基于联想记忆神经网络的故障识别[D];燕山大学;2012年
16 韩基超;基于粒子群优化的神经网络及其集成算法研究[D];大连海事大学;2011年
17 姚瑶;基于深度信念网络和神经网络的模拟电路故障诊断[D];合肥工业大学;2020年
18 周茜;基于A平台尾货的采购预测研究[D];厦门大学;2018年
19 郭亚强;基于神经网络在矢量水听器中的波达方向角的应用研究[D];中北大学;2017年
20 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年
中国重要报纸全文数据库 前20条
1 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
2 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
3 彭琛;神经网络:连结数据科学和电子显微镜技术的纽带[N];中国航空报;2021年
4 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
5 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
6 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
7 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
8 ;神经网络小史[N];电子报;2018年
9 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
10 ;人工智能将取得大面积突破[N];中国企业报;2017年
11 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
12 ;人类正迎来云端机器人时代[N];中国企业报;2017年
13 张斌;谁还需要“同传”[N];文汇报;2017年
14 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
15 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
16 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
17 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
18 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
19 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
20 本报记者 喻思娈;人工智能有多智能?[N];人民日报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978