您的位置: 专家智库 > 作者详情>刘剑

刘剑

作品数:4 被引量:26H指数:2
供职机构:上海电机学院电气学院更多>>
发文基金:上海市教育委员会创新基金上海市自然科学基金国家自然科学基金更多>>
相关领域:电气工程更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇电气工程

主题

  • 4篇风电
  • 3篇风电场
  • 2篇电力
  • 2篇电力系统
  • 1篇等值
  • 1篇等值建模
  • 1篇动态等值
  • 1篇动态特性
  • 1篇神经网
  • 1篇神经网络
  • 1篇随机微分
  • 1篇随机微分方程
  • 1篇网络
  • 1篇微分
  • 1篇微分方程
  • 1篇稳定性
  • 1篇小干扰稳定
  • 1篇接入
  • 1篇灰狼
  • 1篇功率

机构

  • 4篇上海电机学院

作者

  • 4篇刘三明
  • 4篇刘剑
  • 3篇王致杰

传媒

  • 1篇电测与仪表
  • 1篇现代电力
  • 1篇系统仿真技术
  • 1篇科技创新与应...

年份

  • 2篇2018
  • 1篇2017
  • 1篇2016
4 条 记 录,以下是 1-4
排序方式:
基于随机微分方程的含风电电力系统研究综述
2017年
随着大规模风电与其他新能源广泛接入电网,由于风电功率或其他分布式电源功率的随机波动,带来的一系列的随机性问题不可忽视。为此,文章首先概括分析了基于随机含风电电力系统分析的研究现状,进而总结了含风电电力系统随机动态模型的构建,随后概括了一些随机积分的数值解法用于求解电力系统随机模型动态响应,最后对于数值解作电力系统随机稳定性分析。
孙元存刘三明刘剑曹天行
关键词:风电电力系统稳定性
基于集合经验模态和深浅层学习组合的风电场功率短期预测研究被引量:18
2018年
风电功率的准确预测是减少风电接入电网的不良影响的必要前提。然而风电功率序列在时间上和空间上表现出非平稳性使其难以准确预测,因此提出一种基于集合经验模态分解(EEMD)和深浅层学习组合的短期风电功率组合预测方法,其中深度学习使用稀疏自编码器(SAE)而浅层学习则使用BP神经网络,从而建立EEMD-SAEBP预测模型。该模型先用EEMD将风电功率原始序列分解为一系列按不同时间尺度分布的分量;然后针对分量中的高频分量建立SAE预测模型,对低频分量则用BP网络建立预测模型;最后将各子序列预测结果叠加得到最终的风电功率预测结果。通过比较几种预测模型的结果,文中所提出的预测模型能有效地提高预测精度,有较高的实用价值。
曹天行刘三明王致杰刘剑孙元存
关键词:风电功率预测BP神经网络
基于IGWO-K-means的风电场动态等值建模被引量:6
2018年
风电场等值建模是分析风电系统的前提和基础,为了提高风电场动态等值建模精度,降低等值难度,本文基于风(风速和风向)、风机本体、风电输出效果和风机工作环境等4个方面,从内蒙古某风电场24台机组实际采样的运行数据中选取了14个变量作为分群指标,全面描述了风电场特性。其次提出了收敛因子非线性策略和动态参考率策略两个控制策略,改进了灰狼优化算法(GWO),并结合K-means聚类算法寻找最佳聚类中心,输出聚类结果,建立风电场动态等值模型。最后在MATLAB/Simulink平台上建立风电场聚类模型,验证该模型的可行性。结果表明,该方法提高了风电场等值建模的精度,能够更好地描述风电场的动态特性。
孙元存刘三明王致杰刘剑曹天行
关键词:风电场动态等值
大规模风电接入对电力系统动态特性影响的研究被引量:2
2016年
本文针对风电场并网对电力系统小干扰稳定性问题进行了研究。建立了风电场的模型,利用小干扰稳定理论,将系统线性化,根据状态矩阵的特征值,定性的分析了两区域互联系统并网前后阻尼特性的变化情况。搭建了两区域四机系统,将风电场并入,仿真结果表明:风电场并网后系统的动态特性变差并且风电场接在不同区域系统表现出的稳定性不同。
孙元存刘三明王致杰曹天行刘剑
关键词:风电场动态特性电力系统小干扰稳定
共1页<1>
聚类工具0