基于虚拟发电厂概念的风火互补源网协同控制策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51606033
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0601.工程热力学
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

The usage of large-scale wind power has been became the serious actual issue of power system in China. The lack frequency regulation capability is regarded as the most reason. This project focuses on the improvement of wind power utilization. With virtual power plant theory, wind-thermal coordinated control and source-grid coordination will be studied. Based on the multi-scale decomposition of wind power, the configuration and characteristic of virtual power plant will be developed. With a few of complementary methods, a two-level dynamic optimization will be proposed to realize the multi-scale complementarity. The state approximate error and Pareto optimization will be synthesized to solve the performance problem of thermal power plant, where the optimality principle will be guaranteed. Both state feedback model predictive control and decoupling feed forward-feedback compound control will be proposed. The project proposes the multi-scale complementary control of hybrid wind-thermal power system for the first time. The major objective is to solve the problems in the development of renewable power system. While, the scientific problem will be refined and the development of related disciplines will be promoted.
规模化风电消纳已成为当前我国电力系统面临的重大现实问题,电网缺乏调频能力是高弃风率的主要原因。本项目以提高风电利用率为目标,在虚拟发电厂概念下研究风火互补、源网协调控制。项目在风功率多尺度分解的基础上开展虚拟发电厂聚合方法和整体特性研究;综合蓄热利用、机炉协调、可控负荷多种互补手段,提出分级优化、动态优化的厂级负荷分配新方法,实现多尺度互补控制;利用状态逼近误差表示不确定性,解决了参数不确定性矩阵难以在火电机组应用的问题;利用Pareto优化解决了混合H2/H∞控制中的性能问题,保证其最优性、次优性,提高设计灵活性;采用状态反馈—模型预测控制对锅炉动态特性进行确定性优化,提出解耦前馈反馈复合控制策略。本项目首次在虚拟发电厂概念下,提出了风火多尺度互补控制方法。项目的主要意义是从多元互补、源网协同的角度解决我国新能源电力系统发展中遇到的新问题,并凝炼其中的科学问题,推动相关学科的发展与进步。

结项摘要

规模化风电消纳已成为当前我国电力系统面临的重大现实问题,电网缺乏调频能力是高弃风率的主要原因。本项目以提高规模化风电消纳为目标,在虚拟发电厂概念下研究风火互补、源网协调控制问题。项目在风功率多尺度分解的基础上开展虚拟发电厂聚合方法和整体特性研究;综合蓄热利用、机炉协调、可控负荷多种互补手段,提出分级优化、动态优化的厂级负荷分配新方法,实现多尺度互补控制;利用状态逼近误差表示不确定性,解决了参数不确定性矩阵难以在火电机组应用的问题;采用状态反馈—模型预测控制对锅炉动态特性进行确定性优化,提出解耦前馈反馈复合控制策略。项目研究期间共发表SCI/EI检索论文8篇,项目主要研究成果获吉林省科学技术进步奖一等奖(项目负责人排名第三)。项目j进一步扩展了虚拟发电厂概念的外延,提出了更具工程实用性的风火多尺度互补控制方法,并推动了相关学科的发展与进步。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(1)
会议论文数量(3)
专利数量(0)
塔式光热电站定日镜的鲁棒自适应控制算法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中国电机工程学报
  • 影响因子:
    --
  • 作者:
    张秀宇;丁昊;祝国强;吕喆;李晓明
  • 通讯作者:
    李晓明
A neural power system stabilizer of DFIGs for power system stability support
用于电力系统稳定支持的双馈风力发电神经系统稳定器
  • DOI:
    10.1002/etep.2547
  • 发表时间:
    2018-06
  • 期刊:
    International Transactions on Electrical Energy Systems
  • 影响因子:
    2.3
  • 作者:
    Xiao-Ming Li;Jun-Feng Fu;Xiu-Yu Zhang
  • 通讯作者:
    Xiu-Yu Zhang
Approximate error considered fuzzy proportional–integral control of DFIG with regional pole placement for FRT improvement
考虑模糊比例近似误差的 DFIG 积分控制与区域极点布置以改善 FRT
  • DOI:
    10.1049/iet-gtd.2016.1825
  • 发表时间:
    2017-09
  • 期刊:
    IET Generation, Transmission & Distribution
  • 影响因子:
    --
  • 作者:
    Xiao-Ming Li;Kai Su;Xiu-Yu Zhang
  • 通讯作者:
    Xiu-Yu Zhang
Neural Adaptive Decentralized Coordinated Control with Fault-Tolerant Capability for DFIGs under Stochastic Disturbances
随机扰动下双馈电机容错神经自适应分散协调控制
  • DOI:
    10.1155/2017/6271341
  • 发表时间:
    2017-10
  • 期刊:
    Mathematical Problems in Engineering
  • 影响因子:
    --
  • 作者:
    X. M. Li;X. Y. Zhang;H. Cao;Z. W. Lin;J. G. Wang
  • 通讯作者:
    J. G. Wang
An Improved Flux Magnitude and Angle Control With LVRT Capability for DFIGs
改进的具有 LVRT 功能的 DFIG 磁通幅度和角度控制
  • DOI:
    10.1109/tpwrs.2017.2788438
  • 发表时间:
    2018-07
  • 期刊:
    IEEE Transactions on Power Systems
  • 影响因子:
    6.6
  • 作者:
    Xiao-Ming Li;Xiu-Yu Zhang;Zhong-Wei Lin;lzw@ncepu.edu.cn
  • 通讯作者:
    lzw@ncepu.edu.cn

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于单幅图像的摄像机畸变参数估计方法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机辅助设计与图形学学报
  • 影响因子:
    --
  • 作者:
    胡立华;张继福;张素兰;李晓明
  • 通讯作者:
    李晓明
DART:一种利用有向天线并适用于高速移动的自组织无线网络路由算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    赵通;严伟;李晓明
  • 通讯作者:
    李晓明
Postnatal development of two microcircuits involving fast-spiking interneurons in the mouse prefrontal cortex
涉及小鼠前额皮质中快速尖峰中间神经元的两个微电路的出生后发育
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    Cerebral Cortex
  • 影响因子:
    3.7
  • 作者:
    李晓明
  • 通讯作者:
    李晓明
MSP58基因表达水平与人脑胶质瘤恶性度的关系
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    现代肿瘤医学
  • 影响因子:
    --
  • 作者:
    林伟;罗小楠;蒋晓帆;王江;李晓明;章翔;费舟
  • 通讯作者:
    费舟
山楂属植物中苹果褪绿叶斑病毒的RT-PCR检测及病毒脱除方法
  • DOI:
    10.13925/j.cnki.gsxb.20160349
  • 发表时间:
    2016
  • 期刊:
    果树学报
  • 影响因子:
    --
  • 作者:
    郑文燕;郭巍;马跃;李晓明;代红艳
  • 通讯作者:
    代红艳

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码