CN112904721A - 可变速抽水蓄能机组协联控制方法 - Google Patents
可变速抽水蓄能机组协联控制方法 Download PDFInfo
- Publication number
- CN112904721A CN112904721A CN202110063342.8A CN202110063342A CN112904721A CN 112904721 A CN112904721 A CN 112904721A CN 202110063342 A CN202110063342 A CN 202110063342A CN 112904721 A CN112904721 A CN 112904721A
- Authority
- CN
- China
- Prior art keywords
- variable
- storage unit
- speed
- pumped storage
- speed pumped
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Water Turbines (AREA)
Abstract
本发明公开了一种可变速抽水蓄能机组协联控制方法,包括可变速抽水蓄能机组效率试验数据处理、可变速抽水蓄能机组最优运行曲线求解、可变速抽水蓄能机组协联插值三个流程。本发明用于可变速抽水蓄能机组的协联控制装置中,通过可变速抽水蓄能机组的运行水头和出力设定值,自动插值获得效率最优工况点对应的机械转速和导叶开度,从而实现调速系统和交流励磁系统的协联调节,保证可变速抽水蓄能机组处于高效率工况区运行。本发明解决了可变速抽水蓄能机组调速系统与交流励磁系统的协联控制问题,为保证可变速抽水蓄能机组高效稳定运行提供了有效的技术手段。
Description
技术领域
本发明涉及水力发电控制技术领域,具体涉及一种可变速抽水蓄能机组协联控制方法。
背景技术
当前,以风能、太阳能为代表的间歇性可再生能源快速发展,我国与世界各国都在探索促进可再生能源消纳的理论与实践,抽水蓄能是其中重要解决措施,是优化我国能源结构、契合我国电力发展战略需求的关键技术。基于双馈感应电机的可变速抽水蓄能机组具有运行调节的速动性、高效性、灵活性、可靠性等优势,是全球抽水蓄能行业新的发展方向。研究试点海水抽水蓄能,加强可变速抽水蓄能机组关键技术研究,推动建设海水抽水蓄能电站示范项目。因此,可变速机组的运行控制及性能提升相关自主研发迫在眉睫。
针对有功功率调节这一电网关键需求,可变速机组新增了转速调节的“自由度”,同时也带来了控制系统的复杂性及常规定速机组正常运行中不存在的“新型过渡过程”;协联控制是其中协调调速系统与交流励磁系统控制的关键,是常规定速机组运行中不存在的新问题及提升机组控制性能的关键。目前各国采用的协联控制器多种控制模式并存,综合性能优劣尚未明确,整体处于探索阶段,而我国的相关研究工作更是整体处在起步阶段;协联控制器的自主研发是亟待突破的技术瓶颈。
现有用于可变速抽水蓄能机组协联控制方法是基于模型综合特性曲线推求出效率特性,而不是直接采用水力机械设备厂家提供的效率试验测量数据,其准确性和可靠性有待进一步提升;由于厂家开展水泵水轮机模型效率试验的条件限制和成本约束,其效率实验数据难以涵盖机组在各水头、各转速条件下的完整数据,因此如何概化可变速抽水蓄能机组的各物理参量之间的内在关系,保证可变速抽水蓄能机组高效率运行是研究的难点。
发明内容
针对上述不足,本发明提出了一种可变速抽水蓄能机组协联控制方法,采用BP神经网络技术扩展了可变速抽水蓄能机组的效率试验测量数据,描述了可变速抽水蓄能机组各物理参数之间的内在规律,得出最优效率下的可变速抽水蓄能机组协联运行曲线,明确了调速系统与交流励磁系统之间的协联关系。为提高可变速抽水蓄能机组的运行效率,充分发挥可变速抽水蓄能机组快速调节、灵活变速的优势提供了有效的技术手段。
为了实现上述目的,本发明提供了一种可变速抽水蓄能机组协联控制方法,通过可变速抽水蓄能机组的运行水位和出力设定值,求解最优效率下的机械转速和导叶开度,实现调速系统和交流励磁系统的协联运行。
本发明提供的可变速抽水蓄能机组协联控制方法,由三个流程组成:
流程1:可变速抽水蓄能机组效率试验数据处理;
流程2:可变速抽水蓄能机组最优运行曲线求解;
流程3:可变速抽水蓄能机组协联运行插值。
作为优选方案,流程1可变速抽水蓄能机组效率试验数据处理包括如下步骤:
1.1)整理可变速抽水蓄能机组效率试验数据,并描述如下:
A1={N11,Q11,η}A2={N11,Q11,y};
其中,N11为单位转速,Q11为单位流量,η为水泵水轮机对应的效率点,y为导叶开度;
1.2)采用BP神经网络对试验数据进行训练,概化各参量之间的关系,
BP1:{N11,Q11}→ηBP2:{N11,Q11}→y;
其中,N11和Q11是输入变量,η和y为输出变量;
1.3)根据可变速抽水蓄能机组的模型试验结果,对综合特性曲线的运行区域进行划分,然后利用样条函数插值,加密数据矩阵B200×200=[N11,Q11];
1.4)将数据矩阵B输入到神经网络BP1和BP2中,预测对应的效率值η和y,通过下式将数据序列A1和A2扩展为A3={N11,Q11,η,y,p11}。
p11=γQ11η;
其中,P11为单位出力,γ为水的容重;
1.5)根据可变速抽水蓄能机组的实际运行条件,划分运行水头范围,并按下式扩展每个水头下的对应的数据序列A4={N11,Q11,p11,N,H,P,η,y};
P=p11·D2·H1.5·ηe;
其中,N为机组机械转速,P为机组出力,H为对应的工作水头;
1.6)由A4数据序列可以绘制出力等值线,最优效率线可以通过出力等值线上的最高效率点连接而成。
进一步地,流程2可变速抽水蓄能机组最优运行曲线求解包括如下步骤:
2.1)根据可变速抽水蓄能机组的实际运行条件,划分变速运行范围、出力运行范围、导叶开度调节范围;
2.2)构建双输入(P,H),双输出(N,y)的BP神经网络BP3概化可变速抽水蓄能机组各物理参数之间的内在联系;
BP3:{P,H}→{N,y};
2.3)根据步骤1划定的运行范围,等间隔输入运行点(P,H),都可以得到最优效率下的(N, y),扩充了可变速抽水蓄能机组协联运行数据,并据此绘制可变速抽水蓄能机组的最优运行曲面和协联运行曲线。
更进一步地,协联控制器是连接监控系统、现地控制柜、调速系统、交流励磁系统的控制枢纽,协联控制器负责接收监控系统或现地控制柜的指令,进行协联插值计算,将实时的最优机械转速信号发送给交流励磁系统,同时将最优的导叶开度信号发送给调速系统。
更进一步地,可变速抽水蓄能机组的协联运行曲线存储在协联控制器中,协联控制器接收监控系统或现地控制柜发来的运行水位信号和出力设定信号,调用可变速抽水蓄能机组协联运行插值算法对协联运行曲线进行求解,输出最优效率下的最优机械转速信号给交流励磁系统进行转速调节,同时输出最优效率下的最优开度信号给调速系统进行开度调节。
更进一步地,所述流程3可变速抽水蓄能机组协联运行的插值方法可以是三元两点拉格朗日插值方法、样条插值方法、双三次B样条插值方法,也可以是基于协联控制器的控制逻辑提出的数字协联插值新方法或改进型方法。
与现有技术相比,本发明有如下优点和有益效果:
(1)本发明可变速抽水蓄能机组协联控制方法是基于水力机械设备厂家提供的效率试验测量数据,而非基于模型综合特性曲线推求出的效率特性。协联运行曲线的数据源来自实测数据,而非数学推导,因此本发明所提方法具有较高的可靠性。
(2)本发明可变速抽水蓄能机组协联控制方法采用BP神经网络技术概化了可变速抽水蓄能机组各物理参量之间的内在规律,使效率试验数据扩充为涵盖可变速抽水蓄能机组在其运行范围内的完整数据,有效突破了水力机械设备厂家开展效率试验的条件限制和成本约束。
(3)本发明可变速抽水蓄能机组协联控制方法将BP神经网络的训练过程和协联控制器的插值求解过程分开,使得本发明所提方法既能得益于BP神经网络强大的自学习和预测能力,又能有效避免复杂神经网络函数带来的运算负担,满足工程实时性需求。
附图说明
图1为本发明方法的流程示意图。
图2为本发明可变速抽水蓄能机组综合运行曲线。
图3为本发明可变速抽水蓄能机组最优效率线。
图4为本发明BP神经网络结构图。
图5为本发明最优运行曲面P-H-N。
图6为本发明最优运行曲面P-H-y。
图7为本发明可变速抽水蓄能机组协联运行曲线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合武汉大学水资源与水电工程科学国家重点实验室的可变速抽水蓄能机组实证平台的实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
如图1所示,可变速抽水蓄能机组协联控制方法,包括如下三个流程:
流程1:可变速抽水蓄能机组效率试验数据处理;
流程2:可变速抽水蓄能机组最优运行曲线求解;
流程3:可变速抽水蓄能机组协联运行插值。
进一步地,流程一中可变速抽水蓄能机组效率试验数据来源于哈尔滨电机厂真机效率试验。
进一步地,流程一中可变速抽水蓄能机组效率试验数据处理包含以下步骤:
步骤1.1:整理可变速抽水蓄能机组效率试验数据,并描述如下:
A1={N11,Q11,η}A2={N11,Q11,y};
其中,N11为单位转速,Q11为单位流量,η为水泵水轮机对应的效率点,y为导叶开度;
步骤1.2:采用BP神经网络对试验数据进行训练,概化各参量之间的关系:
BP1:{N11,Q11}→ηBP2:{N11,Q11}→y;
其中,BP1和BP2均为两输入、单输出、双隐含层神经网络;N11和Q11是输入变量,η和y为输出变量。
步骤1.3:根据可变速抽水蓄能机组的模型试验结果,对综合特性曲线的运行区域进行划分,N11的范围为46–64;Q11的范围为250–850,然后利用样条函数插值,利用MATLAB的linspace函数样条插值形成数据矩阵B200×200=[N11,Q11];
步骤1.4:将数据矩阵B输入到神经网络BP1和BP2中,预测对应的效率值η和y,通过下式将数据序列A1和A2扩展为A3={N11,Q11,η,y,p11}。
p11=γQ11η;
其中,γ为水的容重;
步骤1.5:根据可变速抽水蓄能机组的实际运行条件,划分运行水头范围为23.25m-32.20 m,并按下式扩展每个水头下的对应的数据序列A4={N11,Q11,p11,N,H,P,η,y};
P=p11·D2·H1.5·ηe;
其中,N为机组机械转速,P为机组出力,H为对应的工作水头;
步骤1.6:由A4数据序列可以绘制出力等值线,最优效率线可以通过出力等值线上的最高效率点连接而成。出力等值线可以绘制如图2所示。
值得指出的是,最高效率点对应于每条等出力线下的最低流量点,并且最优效率曲线可以转换到p11-N11坐标平面,如图3所示,在给定可变速抽水蓄能机组出力时,最高效率下的最优转速可以相应得出。
流程2可变速抽水蓄能机组最优运行曲线求解包括如下步骤:
步骤2.1:根据可变速抽水蓄能机组的实际运行条件,划分变速运行范围920rpm–1020 rpm、出力运行范围30kW-80kW、导叶开度调节范围0-100%;
步骤2.2:构建双输入(P,H),双输出(N,y)的BP神经网络BP3概化可变速抽水蓄能机组各物理参数之间的内在联系,其包含如下子步骤:
步骤2.2.1:设置神经网络的工作参数。最大迭代次数为4000,隐含层神经元节点数为10,学习率为0.005,训练误差为2e-15,训练函数为‘trainlm’。训练数据为6600组,测试数据为 2800组,神经网络结构如图4所示;
步骤2.2.2:对神经网络进行可靠性验证及回归分析;
步骤2.3:根据步骤1划定的运行范围,等间隔输入运行点(P,H),可以得到最优效率下的(N,y),扩充了可变速抽水蓄能机组协联运行数据,并据此绘制可变速抽水蓄能机组的最优运行曲面如图5和图6所示,可变速抽水蓄能机组协联运行曲线如图7所示。
本实施例中的协联控制器由武汉大学自主研发,控制芯片选用西门子的可编程控制器 (PLC),协联控制器是连接监控系统、现地控制柜、调速系统、交流励磁系统的控制枢纽,其功能是负责接收监控系统或现地控制柜的指令,进行协联插值计算,将实时的最优转速信号发送给交流励磁系统,同时将最优的导叶开度信号发送给调速系统,实现可变速抽水蓄能机组的协联控制。
可变速抽水蓄能机组的协联运行曲线存储在协联控制器中,协联控制器接收监控系统或现地控制柜发来的运行水位信号和出力设定信号,调用可变速抽水蓄能机组协联运行插值算法对协联运行曲线进行求解,输出最优效率下的最优机械转速信号给交流励磁系统进行转速调节,同时输出最优效率下的最优开度信号给调速系统进行开度调节。
本实施例中的协联运行插值算法采用两元三点拉格朗日插值方法,其表达式如下:
其中,Z(P,H)为曲线待求点,也就是N和y,Pp~Pp+2、Hq~Hq+2为插值区域的运行水位及出力设定值。
如上即为本发明的实施例。上述实施例以及实施例中的具体参数仅是为了清楚表述发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (7)
1.一种可变速抽水蓄能机组协联控制方法,其特征在于:所述方法包括如下三个流程:
流程1:可变速抽水蓄能机组效率试验数据处理;
流程2:可变速抽水蓄能机组最优运行曲线求解;
流程3:可变速抽水蓄能机组协联运行插值。
2.根据权利要求1所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述流程1可变速抽水蓄能机组效率试验数据处理,包含如下步骤:
1.1)整理可变速抽水蓄能机组效率试验数据,并描述如下:
A1={N11,Q11,η}A2={N11,Q11,y};
其中,N11为单位转速,Q11为单位流量,η为水泵水轮机对应的效率点,y为导叶开度;
1.2)采用BP神经网络对试验数据进行训练,概化各参量之间的关系,
BP1:{N11,Q11}→ηBP2:{N11,Q11}→y;
其中,N11和Q11是输入变量,η和y为输出变量;
1.3)根据可变速抽水蓄能机组的模型试验结果,对综合特性曲线的运行区域进行划分,然后利用样条函数插值,加密数据矩阵B200×200=[N11,Q11];
1.4)将数据矩阵B输入到神经网络BP1和BP2中,预测对应的效率值η和y,通过下式将数据序列A1和A2扩展为A3={N11,Q11,η,y,p11};
p11=γQ11η;
其中,γ为水的容重;
1.5)根据可变速抽水蓄能机组的实际运行条件,划分运行水头范围,并按下式扩展每个水头下的对应的数据序列A4={N11,Q11,p11,N,H,P,η,y};
P=p11·D2·H1.5·ηe;
其中,N为机组机械转速,P为机组出力,H为对应的工作水头;
1.6)由A4数据序列可以绘制出力等值线,最优效率线可以通过出力等值线上的最高效率点连接而成。
3.如权利要求1或2所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述流程2可变速抽水蓄能机组最优运行曲线求解,包含如下步骤:
2.1)根据可变速抽水蓄能机组的实际运行条件,划分变速运行范围、出力运行范围、导叶开度调节范围;
2.2)构建双输入(P,H),双输出(N,y)的BP神经网络BP3概化可变速抽水蓄能机组各物理参数之间的内在联系;
BP3:{P,H}→{N,y};
2.3)根据步骤2.1)划定的运行范围,等间隔输入运行点(P,H),都可以得到最优效率下的(N,y),扩充了可变速抽水蓄能机组协联运行数据,并据此绘制可变速抽水蓄能机组的最优运行曲面和协联运行曲线。
4.根据权利要求1或2所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述流程3可变速抽水蓄能机组协联运行插值由可变速抽水蓄能机组的协联控制器执行,协联运行曲线存储在协联控制器中;所述协联控制器是连接监控系统、现地控制柜、调速系统、交流励磁系统的控制枢纽,协联控制器负责接收监控系统或现地控制柜的指令,进行协联插值计算,将实时的最优机械转速信号发送给交流励磁系统,同时将最优的导叶开度信号发送给调速系统。
5.根据权利要求3所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述流程3可变速抽水蓄能机组协联运行插值由可变速抽水蓄能机组的协联控制器执行,协联运行曲线存储在协联控制器中;所述协联控制器是连接监控系统、现地控制柜、调速系统、交流励磁系统的控制枢纽,协联控制器负责接收监控系统或现地控制柜的指令,进行协联插值计算,将实时的最优机械转速信号发送给交流励磁系统,同时将最优的导叶开度信号发送给调速系统。
6.根据权利要求5所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述协联控制器接收监控系统或现地控制柜发来的运行水位信号和出力设定信号,调用可变速抽水蓄能机组协联运行插值算法对协联运行曲线进行求解,输出最优效率下的最优机械转速信号给交流励磁系统进行转速调节,同时输出最优效率下的最优开度信号给调速系统进行开度调节。
7.根据权利要求1或2或5或6所述的可变速抽水蓄能机组协联控制方法,其特征在于:所述流程3可变速抽水蓄能机组协联运行的插值方法为三元两点拉格朗日插值方法、样条插值方法、双三次B样条插值方法或者基于协联控制器的控制逻辑提出的数字协联插值新方法或改进型方法中任一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063342.8A CN112904721B (zh) | 2021-01-18 | 2021-01-18 | 可变速抽水蓄能机组协联控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063342.8A CN112904721B (zh) | 2021-01-18 | 2021-01-18 | 可变速抽水蓄能机组协联控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904721A true CN112904721A (zh) | 2021-06-04 |
CN112904721B CN112904721B (zh) | 2022-02-01 |
Family
ID=76115257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110063342.8A Active CN112904721B (zh) | 2021-01-18 | 2021-01-18 | 可变速抽水蓄能机组协联控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904721B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849936A (zh) * | 2021-09-30 | 2021-12-28 | 武汉大学 | 一种大范围降速运行的水泵最佳转速确定方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060045750A1 (en) * | 2004-08-26 | 2006-03-02 | Pentair Pool Products, Inc. | Variable speed pumping system and method |
CN103870709A (zh) * | 2014-03-31 | 2014-06-18 | 武汉大学 | 一种水泵水轮机全特性曲线的构造方法 |
CN109659931A (zh) * | 2018-12-19 | 2019-04-19 | 南瑞集团有限公司 | 一种基于径向基函数插值模型的变速机组协调控制方法 |
CN110165702A (zh) * | 2019-05-16 | 2019-08-23 | 科诺伟业风能设备(北京)有限公司 | 全功率变速抽水蓄能机组一次调频协调控制系统 |
CN110397548A (zh) * | 2019-06-25 | 2019-11-01 | 武汉大学 | 一种双馈式变速抽水蓄能机组的多模型预测控制方法 |
CN111144027A (zh) * | 2020-01-02 | 2020-05-12 | 辽宁石油化工大学 | 一种基于bp神经网络全特性曲线函数的逼近方法 |
CN111597687A (zh) * | 2020-04-17 | 2020-08-28 | 西安理工大学 | 一种可变速抽水蓄能机组水泵工况效率寻优方法 |
WO2020259917A1 (de) * | 2019-06-27 | 2020-12-30 | Ebm-Papst Mulfingen Gmbh & Co. Kg | Verfahren und eine vorrichtung zum sensorlosen bestimmen des volumenstromes und druckes |
-
2021
- 2021-01-18 CN CN202110063342.8A patent/CN112904721B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060045750A1 (en) * | 2004-08-26 | 2006-03-02 | Pentair Pool Products, Inc. | Variable speed pumping system and method |
CN103870709A (zh) * | 2014-03-31 | 2014-06-18 | 武汉大学 | 一种水泵水轮机全特性曲线的构造方法 |
CN109659931A (zh) * | 2018-12-19 | 2019-04-19 | 南瑞集团有限公司 | 一种基于径向基函数插值模型的变速机组协调控制方法 |
CN110165702A (zh) * | 2019-05-16 | 2019-08-23 | 科诺伟业风能设备(北京)有限公司 | 全功率变速抽水蓄能机组一次调频协调控制系统 |
CN110397548A (zh) * | 2019-06-25 | 2019-11-01 | 武汉大学 | 一种双馈式变速抽水蓄能机组的多模型预测控制方法 |
WO2020259917A1 (de) * | 2019-06-27 | 2020-12-30 | Ebm-Papst Mulfingen Gmbh & Co. Kg | Verfahren und eine vorrichtung zum sensorlosen bestimmen des volumenstromes und druckes |
CN111144027A (zh) * | 2020-01-02 | 2020-05-12 | 辽宁石油化工大学 | 一种基于bp神经网络全特性曲线函数的逼近方法 |
CN111597687A (zh) * | 2020-04-17 | 2020-08-28 | 西安理工大学 | 一种可变速抽水蓄能机组水泵工况效率寻优方法 |
Non-Patent Citations (7)
Title |
---|
RUI JIN: "Energy Saving Strategy of the Variable-Speed Variable-Displacement Pump Unit Based on Neural Network", 《PROCEDIA CIRP》 * |
WEIJIA YANG: "Advantage of variable-speed pumped storage plants for mitigating wind power variations: Integrated modelling and performance assessment", 《APPLIED ENERGY》 * |
WEIJIA YANG: "Evaluating fast power response of variable speed pumped storage plants to balance wind power variations", 《ENERGY PROCEDIA》 * |
余向阳: "双馈水轮发电机快速功率响应的控制策略研究", 《水力发电学报》 * |
周喜军: "可变速抽水蓄能机组大波动工况转速上升规律", 《水力发电学报》 * |
张高高: "基于机组运行特性曲线的变速抽水蓄能机组自适应协调控制方法", 《水力发电》 * |
蔡卫江: "大型变速抽水蓄能机组的转速及开度寻优策略研究", 《大电机技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849936A (zh) * | 2021-09-30 | 2021-12-28 | 武汉大学 | 一种大范围降速运行的水泵最佳转速确定方法 |
CN113849936B (zh) * | 2021-09-30 | 2023-11-10 | 武汉大学 | 一种大范围降速运行的水泵最佳转速确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112904721B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106979126B (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
CN108695857B (zh) | 风电场自动电压控制方法、装置及系统 | |
CN105354632B (zh) | 一种考虑尾流效应的风电场功率优化分配策略 | |
CN105914796A (zh) | 一种风力发电场有功功率控制方法 | |
CN110017184B (zh) | 一种基于强化学习算法的分布式余压发电系统及其控制方法 | |
CN112904721B (zh) | 可变速抽水蓄能机组协联控制方法 | |
CN114294151B (zh) | 一种用于无级变速抽水蓄能电站的调速器与变流器的联合调控系统和方法 | |
CN109376426B (zh) | 一种风电并网功率调度方法及装置 | |
CN115544884A (zh) | 一种基于数据驱动的大型风电场尾流快速计算方法及系统 | |
CN116910519B (zh) | 基于深度学习的水轮发电机组故障预警系统及方法 | |
CN116667344B (zh) | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 | |
CN118100138A (zh) | 水下抽水蓄能控制方法、装置、电子设备及存储介质 | |
CN114033713A (zh) | 基于正交试验-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 | |
CN116707033A (zh) | 一种交流配电的微网群分布式协调优化控制方法及系统 | |
CN110829484A (zh) | 一种基于时空分解的全球能源互联电力平衡优化方法 | |
CN114017248B (zh) | 全功率变频抽蓄水轮机工况运行全路径优化方法和系统 | |
CN111414573B (zh) | 一种工程应用领域的输入输出数据处理方法和系统 | |
CN112528431B (zh) | 基于相似原理的变速混流式水轮机最佳转速计算方法 | |
CN105673333B (zh) | 风力发电机运行状态展示方法 | |
CN111075648B (zh) | 一种混合励磁海上风力发电系统 | |
CN114035432A (zh) | 基于线性整数-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 | |
CN110889223B (zh) | 以转速及桨叶开度为变量的转桨式水轮机效率寻优方法 | |
CN108879767B (zh) | 风力发电机组高电压穿越控制方法、装置及系统 | |
Lei | Application of improved PID control technology in hydraulic turbine governing systems | |
CN114611402B (zh) | 基于分块互联模型和数据驱动的直驱风机动态拟合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |