陈萍
- 作品数：3 被引量：72H指数：2
- 供职机构：湖南大学电气与信息工程学院更多>>
- 相关领域：电气工程更多>>
- 充电站对配电网电能质量的影响分析被引量：1
- 2015年
- 大量的充电站接入电网会对配电网电能质量产生影响,而电动汽车采用不同的充放电模式对电网的影响与谐波污染不同.本文设计了充电机等效充放电模型以及电路中各参数数值,根据V2G原理与充放电机等效模型,研究了充电机充放电过程对电网的谐波影响.通过simulink仿真分析了多辆电动汽车共用一个充电机和多个充电机同时放电时对电网的影响.分析结果表明当采用多台充电机同时充放电,并且每台充电机有多台电动汽车同时放电时,有利于减少充电站对电网的谐波污染.通过对仿真结果的分析提出了几种可行性对策,使谐波影响降到最小.
- 童伟毛弋陈萍陈艳平张毅磊
- 关键词：谐波充电机V2G
- 基于多目标粒子群算法的配电网多目标优化重构被引量：15
- 2016年
- 本文建立了系统有功损耗、节点最低电压幅值及开关操作次数的配电网多目标优化重构模型,并运用多目标粒子群优化算法求解。多目标粒子群算法的关键是如何选取个体的极值和全局极值,本文依据Pareto支配关系对个体极值进行选择,外部存储器就是全局极值的候选解集,计算外部存储器中各粒子与其他粒子的海明距离之和并作为各粒子的适应值,然后采用与适应值呈比例的轮盘赌方式选取粒子的全局最优位置,避免种群多样性的丧失。带时限的粒子全局极值淘汰策略使粒子能跳出局部最优,防止算法早熟收敛,保持了良好的收敛性。通过IEEE 33节点测试系统仿真计算,实验结果表明了该方法的可行性和有效性。
- 陈萍毛弋童伟邓海潮陈艳平胡躲华
- 关键词：多目标优化配电网重构粒子群算法PARETO支配海明距离
- 基于EEMD-样本熵和Elman神经网络的短期电力负荷预测被引量：56
- 2016年
- 针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法。为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验。仿真结果表明该方法能有效地提高负荷预测的精度。
- 陈艳平毛弋陈萍童伟袁建亮
- 关键词：短期负荷预测ELMAN神经网络
