基于源—荷—温度场景深度联合生成的多能源微网优化配置研究
发布时间：2021-06-29 05:59
为应对环境污染与能源枯竭问题,节能环保、集中、多元融合、分布式协同、高效配置的多能互补模式逐步成为多能源微网的发展方向。为提高多能源微网系统内多能源互补能力与极端场景下供能可靠性,提出一种基于源-荷-温度场景深度联合生成的多能源微网系统优化配置方法。首先,考虑多能源微网系统设备多样性,分析多能源微网系统中常用设备的工作原理与运行特性,建立光伏、热电联供机组、储电系统、储热系统、电制冷机、电热泵、吸收式制冷机及燃气轮机的数学模型。其次,为深入挖掘不同气象条件下源-荷耦合特性,提升系统经济性与供能可靠性,针对历史气象数据开展聚类分析,获得典型气象类型簇。同时,以与用能负荷相关性最高的温度划分极端气象类型。然后,为准确刻画多能源系统内各类能源间耦合特性,提升多能源间互补潜力,在获得典型气象簇与极端气象数据后,以辐照、电负荷、温度历史数据为基础,针对典型场景与极端场景中每个气象模块,分别开展基于模块化去噪变分自编码器的辐照-电负荷-温度场景深度联合生成,并以温度确定多能源系统内冷热负荷,以获得准确描述不同气象类型下源-荷-温度场景,并对数据样本较少的极端用能场景进行扩充。其中,模块化建模可使生...
【文章来源】：东北电力大学吉林省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图３－１不同聚类数下的ＳＣ值??每个天气样本的ＳＣ为??
?东北电力大学工学硕士学位论文??气象类型聚类效果最合适。??图３－２为最优聚类数下，各气象类型的日样本在２０１７年４月１日至２０１８年３月３１日??间分布情况。并且，图３－２展示了一年中气象数据的最优聚类结果，主色调为红色的日期??为供暖期期间，主色调为蓝色的日期为非供暖期期间，并且每个颜色代表一个气象类型。??由图３－２可知，非供暖期时的气象类型为４类，供暖期时的气象类型为２类。??１?ＱＢ?Ｑ?ＱＥ３?Ｂ??２?＾?ＱＱ?：?０?供暖期间??３?０００?ＢｉＱ?ｍ?ｉＯｌｉｉｌｉ?ｓ??４１１１１１１１１１１１１１１１１１?１１１１１１１１１１??５１１１?１１１１１１１１?ｐ?１?１?１?１?１?１?ｕ?１１｜?１?１?１?ｔ?１?１??０?６?１＾１１?１１１１?ｐ?１１１１１??Ｗ７ｉＳｉ議ｉｉ麵ｉＳｉＥｉ?０?ｇ非供暖期??ｓ?Ｓ?．?ｉ．?＇Ｂ?ＯＱＯＱ??９?ｍｍ?ｑ?ｏｏｂｏ??！〇?１?〇□□□□?ＤＤＱＤＱＤＤＤＤＤＱＤＱＱＤＤＤＱＤＤａＤＱＤ??ＵＱＳ?ＱＱＱ?闕?ＱＱ?ｇ?ＥＵ?，ｍｍｍ??１２－?：?＾ｂｂ?■?：?：ｍ?：?ｔ夏期冋??１?２?３?４?５?６?７?８?９?１０ＩＩ１２Ｉ３?１４?１５?１６?１７１８１９?２０?２１２２２３?２４?２５?２６２７?２８?２９?３０?３１??曰期??图３－２供暖期间与非供暖期间的聚类结果??３．３源－荷？■温度场景深度联合生成方法??３Ｊ－Ｊ去噪变分自编码器??去噪变分自编码器（Ｄｅｎｏｉｓｉｎｇ?Ｖａｒｉａｔｉｏｎａｌ?Ａｕｔｏｅｎｃｏｄｅｒ，?ＤＶＡＥ?）是变分自编码器??（Ｖａｒｉａｔｉｏｎａｌ?
第３章计及气象因素的源－荷－温度场景深度联合生成与缩减??温度，可以得到最终的典型气象的源－荷－温度联合场景，其实现流程如图３－３所示。??广?ｘ??１?输入稱合气象特征集?—????－Ｔ??根据聚类结果获取多组典??＾?ｐ?型气象类型??根据气象特征进行聚类??ｐ???????ｉ???ｉ?将历史辐照－电负荷－温度数??０?据按气象类型分组??是否为最佳聚类数二，??否＾?对各族辐照－电负荷－温度数??厂———更新織?—：?据进行ＭＤＶＡＥ建模??Ｉ?ｉ??实现典型气象源－荷－温度场￣??一｜按式（３－４）计算聚类双７值＿?景集生成??＇?．．．．．．．—?——．．．．．—」?、?、?ｙ??图３－３典型气象的源－荷－温度联合场景生成流程图??图３－４中（ａ）和（ｂ）分别代表在供暖期与非供暖期时ＭＤＶＡＥ模型在不同迭代次数??下的训练损失值变化趋势。由图３－４可知，随迭代次数增加，ＭＤＶＡＥ训练损失逐渐下降，??当迭代次数达到５００次时，损失值基本趋于稳定。??３４０１?＾???■￣￣?＾???－［?３４０?｜?＾?■?，■￣￣．．．．．．．．．．．．??＇一＂训练损失?一训练损失??３３０?????３３０??；???３２０?３２０??□ｇ－３１０?Ｄｇ－３１０??＝３００?，?塗３００??＾?＾?＼??２９０?＼?２９０?＼??２８０?Ｖ．?２８０?？八〇？，人人ｕ一?人??２７０１?＇?１?１?ｉ??２７０??＇?１?１?１???０?１００
【参考文献】：
期刊论文
[1]废锂离子动力电池三元正极材料回收研究进展[J]. 徐建兵,洪侃,李忠岐,赖耀斌,梁鑫. 有色金属(冶炼部分). 2020(01)
[2]考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J]. 林顺富,刘持涛,李东东,符杨. 中国电机工程学报. 2020(05)
[3]考虑电转气设备和风电场协同扩建的气电互联综合能源系统规划[J]. 刘天琪,曾红,何川,苏学能,胡晓通,艾青,卢俊. 电力自动化设备. 2019(08)
[4]计及不确定性的区域综合能源系统双层优化配置规划模型[J]. 仇知,王蓓蓓,贲树俊,胡楠. 电力自动化设备. 2019(08)
[5]含电转气的热电联产微网电/热综合储能优化配置[J]. 赵冬梅,夏轩,陶然. 电力系统自动化. 2019(17)
[6]计及多评价指标的园区能源互联网双层优化配置[J]. 林晓明,张勇军,陈伯达,范苏纯,陈泽兴. 电力系统自动化. 2019(20)
[7]离岸微型综合能源系统多目标随机规划[J]. 张安安,张红,吴建中,Meysam QADRDAN,李茜. 电力系统自动化. 2019(07)
[8]新型园区综合能源系统规划方法[J]. 朱旭,杨军,刘源,何博,王阳. 可再生能源. 2018(10)
[9]考虑电转气消纳风电的电–气综合能源系统双层优化调度[J]. 张儒峰,姜涛,李国庆,陈厚合,李雪,宁若汐. 中国电机工程学报. 2018(19)
[10]风电和光伏随机场景生成的条件变分自动编码器方法[J]. 王守相,陈海文,李小平,舒欣. 电网技术. 2018(06)
硕士论文
[1]计及热惯性的电热联合系统优化调度策略研究[D]. 黄征.东北电力大学 2019
[2]计及源—荷时序特性的含分布式电源配电网扩展规划[D]. 唐雪晨.东北电力大学 2019
[3]基于风光储的微网多能互补集成多目标规划优化研究[D]. 于海洋.华北电力大学(北京) 2019
[4]并网型微电网优化配置研究[D]. 许肖楠.华北电力大学(北京) 2017
本文编号：3255880
【文章来源】：东北电力大学吉林省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图３－１不同聚类数下的ＳＣ值??每个天气样本的ＳＣ为??
?东北电力大学工学硕士学位论文??气象类型聚类效果最合适。??图３－２为最优聚类数下，各气象类型的日样本在２０１７年４月１日至２０１８年３月３１日??间分布情况。并且，图３－２展示了一年中气象数据的最优聚类结果，主色调为红色的日期??为供暖期期间，主色调为蓝色的日期为非供暖期期间，并且每个颜色代表一个气象类型。??由图３－２可知，非供暖期时的气象类型为４类，供暖期时的气象类型为２类。??１?ＱＢ?Ｑ?ＱＥ３?Ｂ??２?＾?ＱＱ?：?０?供暖期间??３?０００?ＢｉＱ?ｍ?ｉＯｌｉｉｌｉ?ｓ??４１１１１１１１１１１１１１１１１１?１１１１１１１１１１??５１１１?１１１１１１１１?ｐ?１?１?１?１?１?１?ｕ?１１｜?１?１?１?ｔ?１?１??０?６?１＾１１?１１１１?ｐ?１１１１１??Ｗ７ｉＳｉ議ｉｉ麵ｉＳｉＥｉ?０?ｇ非供暖期??ｓ?Ｓ?．?ｉ．?＇Ｂ?ＯＱＯＱ??９?ｍｍ?ｑ?ｏｏｂｏ??！〇?１?〇□□□□?ＤＤＱＤＱＤＤＤＤＤＱＤＱＱＤＤＤＱＤＤａＤＱＤ??ＵＱＳ?ＱＱＱ?闕?ＱＱ?ｇ?ＥＵ?，ｍｍｍ??１２－?：?＾ｂｂ?■?：?：ｍ?：?ｔ夏期冋??１?２?３?４?５?６?７?８?９?１０ＩＩ１２Ｉ３?１４?１５?１６?１７１８１９?２０?２１２２２３?２４?２５?２６２７?２８?２９?３０?３１??曰期??图３－２供暖期间与非供暖期间的聚类结果??３．３源－荷？■温度场景深度联合生成方法??３Ｊ－Ｊ去噪变分自编码器??去噪变分自编码器（Ｄｅｎｏｉｓｉｎｇ?Ｖａｒｉａｔｉｏｎａｌ?Ａｕｔｏｅｎｃｏｄｅｒ，?ＤＶＡＥ?）是变分自编码器??（Ｖａｒｉａｔｉｏｎａｌ?
第３章计及气象因素的源－荷－温度场景深度联合生成与缩减??温度，可以得到最终的典型气象的源－荷－温度联合场景，其实现流程如图３－３所示。??广?ｘ??１?输入稱合气象特征集?—????－Ｔ??根据聚类结果获取多组典??＾?ｐ?型气象类型??根据气象特征进行聚类??ｐ???????ｉ???ｉ?将历史辐照－电负荷－温度数??０?据按气象类型分组??是否为最佳聚类数二，??否＾?对各族辐照－电负荷－温度数??厂———更新織?—：?据进行ＭＤＶＡＥ建模??Ｉ?ｉ??实现典型气象源－荷－温度场￣??一｜按式（３－４）计算聚类双７值＿?景集生成??＇?．．．．．．．—?——．．．．．—」?、?、?ｙ??图３－３典型气象的源－荷－温度联合场景生成流程图??图３－４中（ａ）和（ｂ）分别代表在供暖期与非供暖期时ＭＤＶＡＥ模型在不同迭代次数??下的训练损失值变化趋势。由图３－４可知，随迭代次数增加，ＭＤＶＡＥ训练损失逐渐下降，??当迭代次数达到５００次时，损失值基本趋于稳定。??３４０１?＾???■￣￣?＾???－［?３４０?｜?＾?■?，■￣￣．．．．．．．．．．．．??＇一＂训练损失?一训练损失??３３０?????３３０??；???３２０?３２０??□ｇ－３１０?Ｄｇ－３１０??＝３００?，?塗３００??＾?＾?＼??２９０?＼?２９０?＼??２８０?Ｖ．?２８０?？八〇？，人人ｕ一?人??２７０１?＇?１?１?ｉ??２７０??＇?１?１?１???０?１００
【参考文献】：
期刊论文
[1]废锂离子动力电池三元正极材料回收研究进展[J]. 徐建兵,洪侃,李忠岐,赖耀斌,梁鑫. 有色金属(冶炼部分). 2020(01)
[2]考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J]. 林顺富,刘持涛,李东东,符杨. 中国电机工程学报. 2020(05)
[3]考虑电转气设备和风电场协同扩建的气电互联综合能源系统规划[J]. 刘天琪,曾红,何川,苏学能,胡晓通,艾青,卢俊. 电力自动化设备. 2019(08)
[4]计及不确定性的区域综合能源系统双层优化配置规划模型[J]. 仇知,王蓓蓓,贲树俊,胡楠. 电力自动化设备. 2019(08)
[5]含电转气的热电联产微网电/热综合储能优化配置[J]. 赵冬梅,夏轩,陶然. 电力系统自动化. 2019(17)
[6]计及多评价指标的园区能源互联网双层优化配置[J]. 林晓明,张勇军,陈伯达,范苏纯,陈泽兴. 电力系统自动化. 2019(20)
[7]离岸微型综合能源系统多目标随机规划[J]. 张安安,张红,吴建中,Meysam QADRDAN,李茜. 电力系统自动化. 2019(07)
[8]新型园区综合能源系统规划方法[J]. 朱旭,杨军,刘源,何博,王阳. 可再生能源. 2018(10)
[9]考虑电转气消纳风电的电–气综合能源系统双层优化调度[J]. 张儒峰,姜涛,李国庆,陈厚合,李雪,宁若汐. 中国电机工程学报. 2018(19)
[10]风电和光伏随机场景生成的条件变分自动编码器方法[J]. 王守相,陈海文,李小平,舒欣. 电网技术. 2018(06)
硕士论文
[1]计及热惯性的电热联合系统优化调度策略研究[D]. 黄征.东北电力大学 2019
[2]计及源—荷时序特性的含分布式电源配电网扩展规划[D]. 唐雪晨.东北电力大学 2019
[3]基于风光储的微网多能互补集成多目标规划优化研究[D]. 于海洋.华北电力大学(北京) 2019
[4]并网型微电网优化配置研究[D]. 许肖楠.华北电力大学(北京) 2017
本文编号：3255880
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3255880.html
