【摘 要】
：
风电预测精度和火电厂的调节速率对于风电消纳影响较大.考虑到风电预测精度随预测时间尺度的缩短而提高,同时计及碳捕集电厂更深的调节范围和更快的调节速率,提出提高电力系
【机 构】
：
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林省吉林市 132012;国网甘肃省电力公司调度控制中心,甘肃省兰州市 730030;国网青海省电力公司调度控制中心,青海省西宁
论文部分内容阅读
风电预测精度和火电厂的调节速率对于风电消纳影响较大.考虑到风电预测精度随预测时间尺度的缩短而提高,同时计及碳捕集电厂更深的调节范围和更快的调节速率,提出提高电力系统弃风消纳水平的多时间尺度优化调度策略.首先,将其分为日前、日内、实时调度阶段,分析各个阶段的相互关系,并对碳捕集电厂不同时间尺度下的调度策略进行研究,分析其对于解决弃风消纳问题的合理性.其次,建立日前、日内、实时三时间尺度优化调度模型,并分析实时阶段碳捕集电厂调节量和风电调整量的关系.最后,基于IEEE39节点电网模型并利用CPLEX对该文方法应对弃风消纳以及失负荷情况的有效性进行仿真验证.
其他文献
文中提出一种联合扩展卡尔曼滤波的滑模观测器算法用于电动汽车电池的荷电状态(state of charge,SOC)估计.电池模型采用二阶Thevenin等效电路模型,辨识不同温度下的模型参数,
二氧化碳的排放导致了严重的环境和生态问题,而碳捕集、利用和封存技术(carbon capture,utilization and storage,CCUS)是减缓CO2排放的有效途径.在众多的CCUS方法中,膜分离
锂离子电池常被作为储能元件以实现电能的存储和转化,然而其荷电状态(state of charge,SOC)和健康状态(state of health,SOH)无法被直接测量.为了实现锂离子电池SOC和SOH联合