基于功率预测的配电网分布式储能分层分区优化调度研究

发布时间：2024-02-22 13:53

　　配电网中风电、光伏等可再生能源大规模接入会因其输出功率波动性和随机性影响系统稳定运行,产生安全隐患。同时,火电、水电等传统电源因响应时间长、爬坡速率低,无法适应新能源高渗透率情况下的配电网发展需求。提高新能源接入后电网的稳定性主要有两种途径,一种是利用储能装置平衡新能源出力波动;另一种是通过精准的功率预测技术,优化风、光、储等新能源调度和负荷控制。在此背景下,本文以配电网分布式储能系统为研究对象,对光伏、风电功率预测和负荷预测技术进行了分析和讨论,并基于功率预测数据,对分布式储能的优化调度策略进行了研究,主要进行以下几个方面的工作:首先,针对风、光、负荷功率预测问题,提出了基于长短时神经网络的功率预测模型,并利用该模型确定储能功率和容量需求区间。研究了传统神经网络和长短时神经网络的基本原理和结构,并分析了神经网络技术发展过程以及优缺点,探讨了长短时神经网络技术在处理“梯度”问题的优势;探究了功率预测过程中,长短时神经网络输入数据的预处理过程、网络构建方式、网络训练方法等,构建了长短时神经网络功率预测模型;基于预测结果确定储能功率和容量需求区间,为制定储能系统调度计划提供依据;通过与BP...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图２．９风电、负荷２４ｈ实际曲线和风电预测曲线??

＿Ｔ?ｌ?、??＼ｘｔ??图２．８输出门结构示意图??２．３．２输入数据预处理??由于神经网络激活函数特性，使得其对［－１，１］内的数据敏感，如果输入的数??据为［－１，１］，则会大大加速神经网络的训练速度和训练效果。因此需要对输入量??进行归一化处理：??Ｘ＇＝－Ｘ￣Ｘｍｉｎ?....

图２．１０风电预测曲线以及误差区间??

?一?？风电预测曲线??图２．１０风电预测曲线以及误差区间??图２．９为风电、负荷２４ｈ实际曲线和风电预测曲线，设置风电历史误差百分??比为７％。图２．１０为某地风电预测曲线以及误差区间，由于负荷误差较小，为简??化说明内容，此处忽略负荷预测误差。根据风光负荷的功率波动区间和负荷....

图２．１１负荷与风电功率差值曲线??２０??

风电颅测功率下限?一?？风电预测曲线??图２．１０风电预测曲线以及误差区间??图２．９为风电、负荷２４ｈ实际曲线和风电预测曲线，设置风电历史误差百分??比为７％。图２．１０为某地风电预测曲线以及误差区间，由于负荷误差较小，为简??化说明内容，此处忽略负荷预测误差。根据风光负荷的功....

图２．１２储能系统充放电需求柱状图??

风电颅测功率下限?一?？风电预测曲线??图２．１０风电预测曲线以及误差区间??图２．９为风电、负荷２４ｈ实际曲线和风电预测曲线，设置风电历史误差百分??比为７％。图２．１０为某地风电预测曲线以及误差区间，由于负荷误差较小，为简??化说明内容，此处忽略负荷预测误差。根据风光负荷的功....

本文编号：3906841