最新新闻:

华北电力大学董静兰「电力系统分析何仰赞」

时间:2022-11-25 19:41:35来源:搜狐

今天带来华北电力大学董静兰「电力系统分析何仰赞」,关于华北电力大学董静兰「电力系统分析何仰赞」很多人还不知道,现在让我们一起来看看吧!

“双碳”目标下,建设以新能源为主体的电力系统,是我国能源领域的重大需求。随着强随机新能源主体地位上升,电力系统不确定性问题凸显,电源与负荷的随机平衡是制约电力系统安全稳定运行的瓶颈问题。近期,该校电气工程学院黎静华教授研究团队在新型电力系统源-荷平衡方面取得了一系列进展,相关成果相继发表在《IEEE电力系统汇刊》(IEEE Transactions on Power Systems)、《IEEE神经网络和学习系统汇刊》(IEEE Transactions on Neural Networks and Learning Systems)、《能源应用》(Applied Energy)、《中国电机工程学报》等电气工程及能源领域顶级期刊上。

研究团队历经10余年的探索,破解多重概率约束求解难题,辨识到满足多重概率约束的边界点,将难以求解的概率平衡问题转换为易于求解的确定性问题,并通过协调资源优势互补,提高电力系统平衡能力,为新能源电力系统源-荷平衡提供了重要理论和技术支撑。该成果以“Probability Efficient Point Method to Solve Joint Chance-Constrained Unit Commitment for Multi-Area Power Systems with Renewable Energy”为题发表于电力系统旗舰期刊IEEE Transactions on Power Systems(DOI: 10.1109/TPWRS.2022.3180111)。

新型电力系统源-荷平衡

准确预测新型电力系统负荷变化,是实现电力系统源-荷随机平衡的重要基础性工作。但是由于负荷变化受众多因素影响,且关系复杂,准确对其进行预测是一项极具挑战的工作。为了提取影响因素和负荷的关联特征,研究团队采用先进人工智能技术,通过反复模拟和试验,开辟了将高维样本空间映射到低维空间进行预测的新思路,既保留了关键信息,又降低了计算量,提升了负荷预测精度。该成果以“Combination of Manifold Learning and Deep Learning Algorithms for Mid-Term Electrical Load Forecasting”为题发表于电气工程及人工智能领域顶刊IEEE Transactions on Neural Networks and Learning Systems(DOI:10.1109/TNNLS.2021.3106968)。

高维空间到低维空间的映射示意图

黎静华教授研究团队长期致力于大规模新能源并网电力系统优化运行方面的研究并取得系列原创性研究成果。近年来,团队成员以第一作者或通信作者在IEEE Trans.汇刊、Applied Energy以及《中国电机工程学报》等能源领域高水平期刊上发表SCI/EI论文52篇,授权发明专利28项,主持国家自然科学基金面上项目3项,主持国家重点研发计划项目子课题1项。转化发明专利成果2项,研发了国内首套针对自备电厂大阶跃扰动的稳定控制装置,实现了“垃圾电力”友好并网。

声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。

图文推荐

热点排行

精彩文章

热门推荐