摘要：光伏出力的有效预测估计数据对电网的优化运行与规划设计具有重要意义。针对传统回归模型难以有效提取光伏数据的规律信息和深度学习模型容易导致过拟合的问题,提出一种基于ResNet-GRU的深度学习模型。首先,对大量历史数据进行清洗,剔除异常值,进行时间编码,根据相关性高低选取相应的气象元素与历史功率作为预测模型的输入特征;然后,采用残差卷积神经网络对输入进行特征提取,输出到门循环单元对历史功率进行时序拟合,输出光伏发电功率的预测值;最后,以某地区光伏系统数据为仿真算例进行分析,结果表明,所提出的模型与传统深度学习模型相比可以有效提高预测精度,验证了该模型的有效性。

摘要：分析了目前多端口直流(DC, direct current)转DC(DC/DC)能源路由器的特点和缺陷,优化设计了一种面向能源互联网的多端口DC/DC能源路由器。通过对不同工况下运行电压的需求分析,对多端口DC/DC能源路由器进行了子模块全桥比例设计,在此基础上提出了一种实现无闭锁穿越直流故障的交直流(AC/DC, alternating current/DC)解耦的控制策略。该多端口DC/DC能源路由器用于实现多个电压等级不同的直流电网的相互连接,既保留了传统直流自耦变压器技术低成本、低损耗的优势,又有效改善了其无法应对直流故障的缺点。最后,在MATLAB/Simulink环境进行了仿真测试,验证了该技术正常运行时的稳定性、抑制直流故障的可行性和控制策略的有效性。