多微网系统的优化调度策略研究

发布时间：2024-10-17 13:20

　　为应对能源危机和环境污染加重等问题,全球开始大力推广微电网以实现清洁能源的高效灵活应用。通过对相邻区域内各微网互联构成的多微网系统实施优化调度,可有效分配电能,增加新能源的消纳比重,显著提高系统运行的稳定性和经济性。多微网系统的优化调度问题是典型的复杂多目标非线性问题,优化调度策略的形成需要依靠准确的数据预测、合理的数学描述以及对算法应用场景的设计。为此,本文用深度学习算法更新了数据预测方法,在单微网系统优化调度中计及网损的影响,并以此为基础,最终提出了多微网系统优化调度策略。首先利用深度学习技术实现对微网新能源出力和负荷的相关数据预测。在分析深度学习原理的基础上,构建长短序列网络的预测模型以实现光照强度、风速和负荷的短期预测与超短期预测。通过对电源端和负荷端的预测结果分析,有效证明了该网络不仅泛化能力强且预测较为准确,为多微网系统的优化调度奠定了基础。考虑到微网大多接入中低压配电系统,其线路上产生的损耗无法忽略不计,故研究了计及网损的单微网优化调度策略。鉴于微网源荷侧运行特性的不同,先对其进行数学建模。在此理论基础上,构建以最小化微网运行成本、污染物排放质量和网损的单微网优化调度数学模...

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图2-4光照强度预测的训练模型迭代过程图

哈尔滨工业大学工程硕士学位论文-16-从中选取4343个数据作为训练数据，选择5月最后一天的数据作为测试数据，该预测结果包括根据历史数据的日前预测和实际数据更正的超短期预测，通过输出的均方差曲线和误差曲线判断模型的精确度。图2-4光照强度预测的训练模型迭代过程图光照强度预测模型的....

图2-11风速预测的训练模型迭代过程图

050100150200250300350时间/30min24681012风速m/s图2-10某地一周的风速变化曲线

图2-16负荷预测的模型迭代训练过程图

哈尔滨工业大学工程硕士学位论文-21-2.5负荷端预测结果分析负荷端的预测包括常规负荷和可中断负荷。采用2.3的模型进行训练预测。2.5.1常规负荷本文采取某地2014年3月-5月的负荷作为数据集，如图2-15所示，该组数据时间间隔为60分钟，共包括2207个数据。选取2183个....

图2-20可中断负荷预测模型训练的迭代过程

哈尔滨工业大学工程硕士学位论文-23-05101520257000750080008500负荷数据/kW观测值预测值-200-1000100误差RMSE=67.53170510152025时间/h图2-19实时数据修正的负荷超短期预测误差图2.5.2可中断负荷考虑到可中断负荷在短....

本文编号：4008062