微电网能量管理的算法研究及实现

发布时间：2017-08-05 19:02

  本文关键词：微电网能量管理的算法研究及实现

  更多相关文章： 微电网能量管理 发用电预测 储能优化 量子优化算法

【摘要】：全球范围内的能源危机与环境问题凸显,促使以新能源和可再生能源为主要发电形式的微电网受到各国研究机构广泛的关注、研究。目前,风光储荷是微电网较为常见的运营模式,在稳定运行的基础上,实现微电网的能量优化管理能保证微电网更加经济、可靠的运行。论文基于现阶段微电网能量管理进行分析研究,选择以储能为主要可控单元的微电网能量管理策略作为研究对象,具体的研究工作如下：1) 基于微电网能量管理算法的需求分析,提出以发用电预测为基础,储能单元经济、寿命模型及优化控制策略作为重心,依据改进的优化算法,实现完整的微电网能量管理。2) 按照风光、负荷的性能分析与模型建立,明确各单元功率的影响要素,并通过基于相似日的神经网络算法实现发用电功率预测,并对光伏出力、负荷需求给出预测算例,验证该算法的准确性。3) 储能作为微电网中的重要可控单元,且发电特性不同于一般发电单元,需考虑对储能的充放电,以及储能老化更替。针对储能特性详细分析,对新旧电池建立通用的使用成本模型,为储能单元经济性进行分析并提出参考性依据;提出寿命优化模型,对不同损耗程度的储能进行优化利用,为微电网能量管理给出合理的运行约束、规范。4) 对现有的优化方法进行了分析比较,并提出基于量子思想的改进算法,大幅提升了算法的计算性能,强化算法的全局寻优能力。在对各单元建模的基础上,统筹微电网能量管理,将预测数据及储能优化策略导入算法,最终得到各单元的优化调度计划。5) 在给出完整的微电网能量管理算法、策略后,分析微电网能量管理的应用框架,对各功能实现模块进行开发应用。将其与工程应用相结合,应用于微电网实验室。完整的微电网能量管理集成了预测算法、储能优化策略、能量优化算法,以及完整的人机界面,实现能量管理的运行、展示
【关键词】：微电网能量管理 发用电预测 储能优化 量子优化算法
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM73
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 绪论8-14
• §1.1 课题研究背景及意义8-9
• §1.2 国内外研究现状9-11
• §1.3 论文的研究工作与章节安排11-14
• 第2章 发用电单元建模与预测14-30
• §2.1 光伏发电单元模型14-17
• §2.2 风力发电单元模型17-18
• §2.3 负荷单元模型18-20
• §2.4 基于相似日的神经网络预测算法20-29
• §2.4.1 神经网络预测原理20-21
• §2.4.2 基于相似日的BP神经网络预测算法实现21-24
• §2.4.3 算例分析24-29
• §2.5 本章小结29-30
• 第3章 储能单元建模与优化30-44
• §3.1 储能单元模型30-33
• §3.2 储能单元经济模型33-37
• §3.3 储能单元寿命优化模型37-41
• §3.3.1 储能寿命评估模型37-38
• §3.3.2 储能优化约束38-41
• §3.4 优化算例41-42
• §3.5 本章小结42-44
• 第4章 基于量子遗传算法的微电网能量优化算法44-60
• §4.1 优化目标及约束条件44-45
• §4.2 优化算法的应用性分析45-47
• §4.3 QGA算法的原理与实现47-50
• §4.4 能量优化算例分析50-59
• §4.5 本章小结59-60
• 第5章 微电网能量管理算法的工程应用60-74
• §5.1 微电网能量管理算法的应用框架60-62
• §5.2 微电网能量管理算法的设计62-68
• §5.3 江西电科院微电网能量管理工程应用68-71
• §5.3.1 微电网工程概况68-69
• §5.3.2 微电网能量管理运行69-71
• §5.4 光—科技微电网能量管理工程应用71-73
• §5.4.1 微电网工程概况71
• §5.4.2 微电网能量管理运行71-73
• §5.5 本章小结73-74
• 第6章 总结与展望74-76
• §6.1 论文研究工作总结74
• §6.2 研究的不足与展望74-76
• 致谢76-78
• 参考文献78-82
• 攻读硕士学位期间发表成果82

【参考文献】

中国期刊全文数据库 前10条

1 王伟;薛金花;叶季蕾;王晓华;吴福保;杨波;;基于SOC调控的用于抑制光伏波动的电池储能优化控制方法[J];电力系统保护与控制;2014年02期

2 孙振新;刘汉强;赵U，

本文编号：626428