摘要——我们提出了一种新颖的数据驱动方法来加速交替方向乘数法 (ADMM) 的收敛,该方法用于解决分布式直流最优潮流 (DC-OPF),其中线路由独立的网络分区共享。利用对给定系统在不同负载下 ADMM 轨迹的先前观察,该方法训练循环神经网络 (RNN) 来预测对偶变量和共识变量的收敛值。给定系统负载的新实现,将少量初始 ADMM 迭代作为输入来推断收敛值并将其直接注入迭代中。我们通过经验证明,对于不同负载场景下的分区 14、118 和 2848 节点测试系统,将这些值在线注入 ADMM 迭代中可显著加快收敛速度。所提出的方法有几个优点:它保持了共识 ADMM 固有的私有决策变量的安全性;推理速度很快,因此可以在在线设置中使用; RNN 生成的预测可以显著缩短收敛时间,但从构造上讲,它永远不会导致不可行的 ADMM 子问题;它可以轻松集成到现有的软件实现中。虽然我们在本文中重点介绍分布式 DC-OPF 的 ADMM 公式,但所提出的想法自然会扩展到其他分布式优化问题。索引术语 — 直流最优功率流、递归神经网络、交替方向乘数法、机器学习、数据驱动优化
本文基于能量分析,提出了一种用于独立直流微电网中基于转换器的可再生能源的新型本地控制方法。所研究的直流微电网包括可再生能源、备用发电单元和基于电池的储能系统,它们通过降压和双向降压-升压转换器连接到公共直流母线。所提出的控制方法通过控制转换器的开关功能来满足微电网输出变量的稳定性以及电流控制和电压调节,而与能源动态无关。通过数学方法利用状态反馈将开关函数的动态分量提取为控制信号。控制输入基于 Lyapunov 稳定性定理设计,通过能量分析保证独立直流微电网中输出变量(直流母线电压和发电电流)的稳定性。所提出的分布式控制器可以很容易地推广为一个平台,其中包含各种独立直流微电网,包括任何类型或数量的分布式发电,例如可再生能源、基于化石燃料的发电和储能单元。这种局部控制方法的其他特点是简单、快速、全面和独立于分布式发电。通过在 MATLAB/SIMULINK 环境中的仿真验证了所提出的控制器的动态性能评估。结果验证了所提出的控制策略在各种运行条件下的准确性和稳定性。
如果客户按照汽车规格和标准将产品用于汽车设计或使用,则 (a) 客户不得在恩智浦半导体对此类汽车应用、用途和规格提供产品保证的情况下使用产品;(b) 如果客户将产品用于超出恩智浦半导体规格的汽车应用,则此类使用风险完全由客户自行承担;(c) 客户设计并将产品用于超出恩智浦半导体标准保证和恩智浦半导体产品规格的汽车应用,由此导致的任何责任、损害或产品索赔失败,客户应全额赔偿恩智浦半导体。
前言 几年前发生了两起涉及 HVDC 晶闸管阀的重大火灾事件,一起发生在 1989 年 5 月,地点是巴西 Itaipu ± 600 kV 6300 MW 双极 HVDC 系统的 Foz do Iguaçu 换流站,另一起发生在 1990 年 6 月,地点是印度 Rihand - Delhi ± 500 kV 1500 MW 双极 HVDC 系统的 Rihand 换流站。CIGRÉ 第 14 研究委员会:直流链路和电力电子设备,应其成员在 1991 年 9 月于印度新德里举行的研究委员会会议上的要求,被分配了研究“HVDC 阀和阀厅的火灾问题”的任务,并就该主题向 CIGRÉ 工作组 14.01:“HVDC 和 SVC 的阀门”提交报告。 1992 年 5 月成立了 14.01.04 特别工作组:“高压直流阀门和阀厅的火灾问题”。1993 年 10 月 30 日,美国加利福尼亚州 ± 500 kV 1100 MW 太平洋高压直流联络线扩建计划的西尔玛换流站(东)发生了第三次重大高压直流晶闸管阀门火灾。本报告是特别工作组对火灾问题进行审查的结果。报告提供:。调查阀门和阀厅火灾的可能原因。。通过向用户提供有关实际系统和实践的信息来协助用户。。为用户和供应商提供的指南,特别是在规范、工程和施工方面。。各种火灾探测和保护系统的比较信息。。有关火灾报警和火灾控制系统的信息。。有关
– 提高系统效率 – 降低系统成本和安装成本 – 能源存储系统 (ESS) 和可再生能源(风能、太阳能等) – 分布式能源资源 (DER) 的能源管理系统 (EMS) • 优化大规模电动汽车 DCFC 带来的日常能源需求对于减少对公用电网的影响至关重要
1 印度班加罗尔国家心理健康和神经科学研究所 (NIMHANS) 神经影像学和介入放射学,2 新加坡南洋理工大学计算机科学与工程学院,3 印度班加罗尔国家心理健康和神经科学研究所神经生理学系,4 新加坡南洋理工大学社会科学学院 (SSS) 心理学,5 印度班加罗尔国家心理健康和神经科学研究所 (NIMHANS) 精神病学系精神分裂症诊所 InSTAR 计划,6 沙特阿拉伯达曼法赫德国王专科医院神经科学中心,7 美国马里兰州巴尔的摩约翰霍普金斯大学医学院,8 新加坡南洋理工大学学习研究与发展中心 (CRADLE),9 新加坡南洋理工大学李光前医学院 (LKC Medicine),10教育背景:新加坡南洋理工大学
决策(DM)是一个复杂的认知过程,在日常环境中起着至关重要的作用,涵盖了人们生活中的各个领域(Lannello等,2017; Colautti等人,2022年)。通常,做出决定涉及在不确定性条件下推理,因为无法预测选择的结果或后果。以这种方式,可以根据与可用替代方案相关的结果的概率进行DM情况分类:在两个主要条件下:DM在歧义和风险下的DM。Ambiguity involves situations where the probability of positive or negative outcomes associated with at least one option is unknown, while risk involves situations where the probabilities for each possible consequence are known, presenting a higher number of data to be considered throughout the decisional process ( Bechara and Martin, 2004 ; Brand et al., 2007 ; Lauriola et al., 2007 ; Colautti et al., 2022 ).
在本文中,我们提出了一种新的分散控制和功率共享策略来管理能源 (ES)、储能系统 (ESS) 和公共直流链路之间的功率流。在所提出的技术中,我们消除了 ESS 之间的所有通信,以降低复杂性并提高可靠性,保持直流链路电压恢复。在这种情况下,电池和超级电容器 (UC) 是 ESS,而 ES 可以是任何电源,例如光伏、风能、燃料电池等。该技术根据电池的充电状态 (SoC) 和能量容量按比例共享电池之间的微电网功率不平衡,实现 SoC 均衡。该技术还促进了 UC 的电压恢复,在功率瞬变期间提供功率峰值后保持其平均电压恒定。对于所有 ESS,仅测量局部变量,例如局部电流和直流链路电压,ESS 之间没有共享数据。进行了小信号和稳定性分析,以及实验室台架上的实验结果,证明了该技术的可行性和性能。
混合发电是几种可再生能源发电厂的组合或集成。通常使用的发电系统是太阳能发电厂和风力发电厂。两种类型的发电厂在一个轨道/母线上一起运行以提供最大负载。本研究将测试基于使用升降压转换器的 DC-AC 逆变器的混合发电厂(太阳能和风能)的同步系统。逆变器的输入电压保持恒定在 12 伏,负载为 220 瓦。测试在交流负载和直流负载上进行。 关键词 可再生能源、转换器、逆变器、混合 1. 简介 根据能源和矿产资源部的数据,印度尼西亚太阳能的潜力在 2024 年为 0.87 GW,风能的潜力在 2025 年为 0.97 GW。为了支持这一潜力,政府颁布了国家能源政策法规(Kemenkumham 2006)。北苏门答腊的地形高度为 0-1400 米,导致许多偏远地区无法接入电网。能源专家找到解决这些问题的方法非常重要。因此,通过结合多种可再生能源,可再生能源的可用性研究仍在继续进行(Zhou 等人,2010 年)。混合动力发电厂是几种基于可再生能源的发电厂的组合或集成(Hayu 和 Siregar,2018 年)。两种类型的发电厂同时在一条轨道/母线上运行以服务负载。独立的混合可再生能源系统通常比光伏 (PV) 或风能系统(Bhandari 等人,2014 年)和(Bhandari 等人,2015 年)成本更低,可靠性更高。混合动力系统的范围可以从能够为一个家庭提供电能的小型系统到可以为一个村庄或岛屿输送电力的大型系统。混合电力系统对偏远地区影响很大,特别是那些在技术和经济上不具备国家电网可行性的发展中国家(Bhandari 等人,2015 年)和(Nehrir 等人,2011 年)。印度尼西亚的太阳能潜力总体上处于足够的水平(Nurliyanti 和 Pandin,2014 年)。地球表面接收的太阳能供应量达到每年 3x1024 焦耳,这相当于 2x1017 瓦特。这个能量相当于当今世界能源消耗的 10,000 倍。印度尼西亚的风力发电能力也足够,因为印度尼西亚的平均风速为 3-6 米/秒。努沙登加拉地区可以获得更高的风速。而苏门答腊、爪哇、加里曼丹、苏拉威西和巴布亚等岛屿的风速只有 2.7–4.5 米/秒。通用设计的风力涡轮机来自欧洲和美洲,这两个大洲的风力潜力最大,风速约为 9-12 米/秒(Wuriyandani 2015),因此有必要在印度尼西亚进行与合适风力涡轮机设计相关的研究。使用 CAD / CAA 工具通过线性规划技术分析混合系统,目的是最大限度地降低平均电力生产成本,并实现可靠的系统,同时在设计和运行中考虑环境因素(Chedid 1997)。混合电站产生的单向电能储存在电池中,转化为交流电能。这是由需要交流电的电负载引起的,例如电视、灯光和
摘要 — 本文提出了一种基于动态一致性算法的非线性 IV 下垂控制,用于平衡直流纳米电网 (DCNG) 中储能系统 (ESS) 的充电状态。动态一致性算法 (DCA) 提供了一种协调的二次控制,在分布式发电 (DG) 单元之间共享信息,以根据 ESS 的容量和充电状态 (SoC) 调节每个 DG 的输出功率。此外,在二次控制级应用了一种新型高带宽分数阶广义 2 型模糊逻辑比例积分微分 (FOGT2FPID) 控制器,以确保快速准确的电压调节和 DCNG 中的 SoC 平衡。在一次控制级,非线性 IV 下垂控制方法可在 DG 之间提供快速动态和准确的功率共享。此外,所提出的控制方法可以提供可靠性、模块化和灵活性。与传统方法相比,所提出的控制器可以防止 DG 的过流故障和突然断开。此外,它可以通过平衡 DCNG 中的 SoC 来提供电压调节。实验结果显示了使用奥尔堡大学微电网实验室的设施在不同场景下验证所提出的控制方案的有效性。