陈珍
- 作品数：6 被引量：136H指数：5
- 供职机构：武汉大学电气工程学院更多>>
- 发文基金：国家教育部博士点基金国家重点实验室开放基金中央高校基本科研业务费专项资金更多>>
- 相关领域：电气工程更多>>
- 含风电场的互联电力系统辨识与广域时滞阻尼控制器设计被引量：9
- 2014年
- 针对大规模风电的远距离输送以及大区域电网互联将面临的区域低频振荡问题,提出一种适用于风电场并网背景下的广域阻尼控制器设计方法。该方法利用增益调度思想将风电场平均风速划分为若干个控制区域,并逐一对每个控制区域进行系统辨识以及阻尼控制器设计,以解决风电场出力的不确定性造成的控制器失效的问题。提出了改进自回归滑动平均(ARMA)方法和自由权矩阵方法分别完成上述系统辨识以及控制器设计过程。含风电场的EPRI-8机36节点测试系统仿真表明:所提辨识方法克服了传统ARMA方法辨识精度不高的问题,所提控制器设计方法允许的时滞裕度优于传统线性矩阵不等式方法。所提的增益调度控制方法能满足风电场出力变化的实际情况,具有较高的实用价值。
- 索江镭胡志坚张子泳刘宇凯陈珍
- 关键词：自由权矩阵增益调度
- 基于集合经验模态分解和小波神经网络的短期风功率组合预测被引量：79
- 2013年
- 从挖掘风功率特性出发,提出一种基于集合经验模态分解(EEMD)和小波神经网络(WNN)的新型风功率组合预测模型。首先对风功率序列进行集合经验模态分解,以降低风功率序列的非平稳性特征;其次基于相空间重构挖掘各子序列的统计特性,以避免预测模型输入维数选取的随意性;然后对各子序列建立小波神经网络预测模型;最后叠加各子序列预测结果得到风功率预测值。实例研究表明本文所提的组合预测模型具有较高的预测精度和较大的工程应用潜力。
- 王贺胡志坚陈珍仉梦林贺建波李晨
- 关键词：小波神经网络
- 基于PSO-BBO混合优化算法的动态经济调度问题被引量：15
- 2014年
- 动态经济调度(Dynamic Economic Dispatch,DED)问题是电力系统运行与控制领域比较经典的多变量、非线性、强约束优化问题。为解决该问题,提出了将粒子群优化算法(Particle Swarm Optimization,PSO)和基本生物地理学优化算法(Biogeography-Based Optimization,BBO)相结合的改进生物地理学优化算法,并将该改进方法应用于一天24时段10机39节点标准算例。在考虑网损与不考虑网损两种情况下分别进行仿真分析,并将仿真结果与PSO和基本BBO算法以及参考文献中提出的六种智能算法进行对比,验证了该改进算法的有效性及在寻优能力上的提高。
- 陈珍胡志坚
- 关键词：动态经济调度生物地理学优化算法阀点效应
- 基于果蝇优化算法的广域阻尼控制器设计被引量：5
- 2014年
- 针对大规模互联电网区间低频振荡问题,提出了基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的广域阻尼控制器设计方法。以标准16机68节点系统为例,对系统进行线性化,并进行模态分析,找出系统区间振荡模式及阻尼比。根据区域低频振荡模式下参与因子选择广域反馈信号。分析了广域控制器结构,并采用FOA算法对其参数进行优化。仿真结果表明,提出的广域控制器方法能有效地提高区间振荡阻尼比,为电力系统低频振荡优化控制提供了新的思路。
- 刘宇凯胡志坚索江镭陈珍
- 关键词：低频振荡广域阻尼控制器阻尼比参与因子
- 考虑系统实时响应风险水平约束的风–火–水电力系统协调优化调度被引量：20
- 2014年
- 随着风电入网规模的日益增加,合理协调风电出力与传统电力能源已成为电力系统调度面临的一个新挑战。通过定义实时电力不足期望(real-time EDNS,REDNS)以衡量系统实时响应风险水平,在此基础上提出了实时响应风险水平约束,并将该约束纳入调度当中,与用确定性方法确定系统备用容量相比,采用REDNS水平约束可以使系统在调度周期内各个时段响应风险水平维持一致,自动调整系统备用容量。在风电优先上网的前提下,以降低系统运行的经济性指标和保证火电、水电机组平稳运行为目标,构建了风?火?水多目标协调优化调度模型。通过引进学习环节和构建独立的备用选择集改进多目标粒子群算法性能,提出了一种新的多目标粒子群算法(new multi-objective particle swarm optimization,NMPSO)。采用加入一个风电场的10机组测试系统进行了仿真,结果验证了上述方法和模型的正确性和有效性。
- 贺建波胡志坚仉梦林王贺李晨陈珍
- 关键词：风电
- 电力系统动态环境经济调度问题的建模与求解被引量：8
- 2017年
- 为了在电力系统优化调度中同时兼顾整个时段的经济和环境效益,该文建立了考虑阀点效应和系统网损的电力系统动态环境经济调度模型,提出了一种改进的多目标教与学优化算法对模型进行求解。算法引入了反向学习策略、外部最优解集策略、基于个体稀疏度的教师选取策略、模糊满意度和动态班级策略,通过动态启发式随机约束处理与罚函数相结合的方法对违背约束的个体进行修正与惩罚。最后,用10机算例对文中提出的模型和算法进行了仿真测试,并与其他算法进行了对比。仿真结果表明文中算法的有效性和优越性。
- 李晨胡志坚仉梦林贺建波陈珍
