基于分解集成预测模型框架及多目标对冲机制的水电—光伏联合调度研究
发布时间：2021-07-01 18:49
能源危机、全球气候变暖是人类发展面临的重要问题。加快发展新能源是解决这一何理的重要途径,由于光伏发电的难预测、波动性和间歇性特点,并网会导致电力系统的稳定性和安全性受到较大影响.从而出现较高的弃光率,造成大量能源浪费,水电是目前电力系统最好的调峰源,水电-光伏的联合调度可以增加新能源消纳,但目前主要存在两方面问题;一是光伏出力和水库米水预测精度较低,预测方式难与实际调度对接,需要合适的预测方式和方法:二是水电-光伏联合调度是一个多目标冲突问题,涉及水库的防洪目标、水电的发电目标和光伏的发电目标,多目标互为矛盾,需要建立合理的对冲机制来化解矛盾。基于此,本文在现有研究成果的基础上,以水库径流、光伏发电预测和水电-光伏联合调度为研究对象,对具有可操作性的分解集成预测模型框架、水电-光伏功率预测集成应用、多目标对冲机制和调度模型求解策略势关键技术进行了研究,开展了以下主度工作:（1）基于综合集成技术,提出了能够适应预测模型变化的分解集成预测框架。针对传统预测棋型精度较低、难以动态反馈集成的问题,运用综合集成及现代信息技术,构建了具有敏捷开发,快速适应的综合服务平台,提下出了分解集成预测型框架...
【文章来源】：西安理工大学陕西省
【文章页数】：157 页
【学位级别】：博士
【部分图文】：
图１－２?２００５－２０１８年我ａ光伏发电装机容Ｍ??Ｆｉｇ?１－２?Ｃｈｉｎａ＇ｓ?ｉｎｓｔａｌｌｅｄ?ｐｈｏｔｏｖｏｌｔａｉｃ?ｃａｐａｃｉｔｙ?ｆｒｏｍ?２００５?ｔｏ?２０１８??
?西安逋工大学博士学位论文???１．５技术路线??基于论文的研宄内容，采取的技术路线如图１－３所示。??綱（■亭：）?｜￣Ｓｉ￣??｜?，?ｉ?■?１?■?｜??研究ｆｆｆｔ?ｉｉｍｉｉｉｉ?｜?｜存在问尨及发展ｔ＇＿ｉ势??￣￣ｆ??ＨＵＪＵｉ丨视化技术??刮ｈ?Ｐ顿獅如．呢：：；＿光伏联合调度运杼此术稍［ｊ机件＆狀??ｒ￣￣＇?士?１?￣￣＇?＇￣￣￣ｔ??ｆｉｌｔｆｉ?＇＝Ｊ?ｉ？ｆＶ?｜?捞?ｆ?！｜：；Ｖｒ＾＾＾；ｓｆｃ?ｉｆｒ?ＬＪｆＳｌＵ：ｉ：ｌ（１ｌ．??ｆ?－ｉｐｓ．??水电光伏联合的集成调度??招光伏分解集成预测校铟抿．站?｜?ｆ?＿光伏联合调ｉｆ的多０标对冲机制??（？２Ｓ）?（笫?６ｉＴ）??．ｔ?ｔ?ｔ?＇?ｔ?ｒ－＾ｎ?ｉ?＊?ｉ?ｉ?ｔ?，?．?ｉ?．?＿ｉ＿?＿ｉ＿??＾?｜?ｊｔ?■：．￥?ｆａ：丨?Ｕ?Ｊ?！Ｋ?（＊＞！?＇；?ａ?＇ｕｉ??＿ｉ＿ｌ?水■?＾?ｕ?（?，！；?ｉｉＫｒ?（＾ｉｈ?丨刚?ｍ－山丨丨丨??ｆｖ；?ｄ?ＰＭ?ｊ－ｒ＾Ｈ?Ｓ?ｔ?６?，；ｖ：?ｔｉ＇ｉｉｌ?Ｕ：??．ｉ?Ｉ?ｆｆｌ?＂ｒ?＂?擬在，＿?ｍ??ｍ?ｉ．：?｜此?丨此??水电日径流预溉?｜光伏功率短助预?｜水电－光伏联合调度?｜对冲机制Ｋ联合调??集成应Ｗ?＾３?■集成应用?＿?相关性分析?＿＿?度集成应用??（第腾）?ｒ?｜?（辨）?Ｉ?（第５章＇）?｜?＜第７章）??水电光伏联合调度集成应用??ｉ??高论及＆靖??（第８章）??图１－３技术路线图??Ｆｉｇ?１－３?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｆｉｇｕｒｅ??１２??
图２－５综合限务平台??Ｆｉｇ?２－５?Ｔｈｅ?ｉｎｔｅｇｒａｔＬｉｄ?ｓｅｒｖｉｃｅ?ｐｌａｔｔｂｒｎｉ??ｍ业务可视化财??
【参考文献】：
期刊论文
[1]考虑经济效益的风储联合发电系统的最优功率预测[J]. 任立阳,付昱,王宝财,宋田宇,赵芳琦. 东北电力大学学报. 2020(03)
[2]基于SVM-神经网络融合反馈的触电电流检测方法[J]. 刘永梅,杜松怀,盛万兴. 电网技术. 2020(05)
[3]基于SVR-UKF的光伏电站功率预测[J]. 俞娜燕,李向超,费科,任佳琦,倪晓宇. 自动化与仪器仪表. 2020(04)
[4]基于PSO-DBN神经网络的光伏短期发电出力预测[J]. 李正明,梁彩霞,王满商. 电力系统保护与控制. 2020(08)
[5]基于改进多目标粒子群优化算法的配电网削峰填谷优化[J]. 邵振,邹晓松,袁旭峰,熊炜,袁勇,苗宇. 科学技术与工程. 2020(10)
[6]基于EMD-LSTM的光伏发电预测模型[J]. 朱玥,顾洁,孟璐. 电力工程技术. 2020(02)
[7]基于LSTM和时间序列分析法的短期风速预测[J]. 李蓉蓉,戴永. 计算机仿真. 2020(03)
[8]基于Gumbel Copula函数的滇中高原湖泊区湿度变化[J]. 陈晶,顾世祥,陈金明. 水电能源科学. 2020(02)
[9]基于大数据平台的点负荷近中期负荷预测及行业负荷增长特征分析[J]. 李健,王琛,林韶生,杜佩仁. 电力大数据. 2020(02)
[10]基于Copula函数的多源径流预报误差联合分布研究[J]. 陈冲,纪昌明,张验科,刘源,张佳新. 水资源研究. 2020(01)
博士论文
[1]基于Copula模型的相依现状数据的回归分析[D]. 崔琪.吉林大学 2018
[2]引汉济渭跨流域调水工程运行调度模式研究及实现[D]. 张晓.西安理工大学 2018
[3]含风电场的电力系统功率预测与优化调度研究[D]. 李天.华北电力大学(北京) 2018
[4]水光互补协调运行的理论与方法研究[D]. 安源.西安理工大学 2016
[5]水库汛期防洪与兴利协调控制模型及应用研究[D]. 丁伟.大连理工大学 2016
[6]风电短期功率预测与并网多目标调度优化研究[D]. 王贺.武汉大学 2014
[7]网络组织集成及其机制研究[D]. 喻红阳.武汉理工大学 2005
硕士论文
[1]大规模多目标水库防洪调度算法研究[D]. 雷娇娇.西安电子科技大学 2019
[2]基于贝叶斯方法的风电功率概率性预测分析及研究[D]. 付果.华北电力大学(北京) 2019
[3]考虑风功率预测不确定性的水电风电联合调度[D]. 张蕾.西安理工大学 2018
[4]基于分解思想的多目标进化算法研究[D]. 张奇胜.湖南大学 2018
[5]电网变电设备选型决策方法研究及仿真系统实现[D]. 解佗.西安理工大学 2016
[6]Copula的理论与应用研究[D]. 张晓宇.天津工业大学 2015
[7]多能源互补微网的综合优化配置[D]. 曹蓓.南昌大学 2014
[8]基于来水和需水的周期规律及不确定性的水资源配置模型[D]. 侯丽娜.中国水利水电科学研究院 2013
[9]洪水预报模型组件化及集成应用[D]. 张刚.西安理工大学 2010
本文编号：3259675
【文章来源】：西安理工大学陕西省
【文章页数】：157 页
【学位级别】：博士
【部分图文】：
图１－２?２００５－２０１８年我ａ光伏发电装机容Ｍ??Ｆｉｇ?１－２?Ｃｈｉｎａ＇ｓ?ｉｎｓｔａｌｌｅｄ?ｐｈｏｔｏｖｏｌｔａｉｃ?ｃａｐａｃｉｔｙ?ｆｒｏｍ?２００５?ｔｏ?２０１８??
?西安逋工大学博士学位论文???１．５技术路线??基于论文的研宄内容，采取的技术路线如图１－３所示。??綱（■亭：）?｜￣Ｓｉ￣??｜?，?ｉ?■?１?■?｜??研究ｆｆｆｔ?ｉｉｍｉｉｉｉ?｜?｜存在问尨及发展ｔ＇＿ｉ势??￣￣ｆ??ＨＵＪＵｉ丨视化技术??刮ｈ?Ｐ顿獅如．呢：：；＿光伏联合调度运杼此术稍［ｊ机件＆狀??ｒ￣￣＇?士?１?￣￣＇?＇￣￣￣ｔ??ｆｉｌｔｆｉ?＇＝Ｊ?ｉ？ｆＶ?｜?捞?ｆ?！｜：；Ｖｒ＾＾＾；ｓｆｃ?ｉｆｒ?ＬＪｆＳｌＵ：ｉ：ｌ（１ｌ．??ｆ?－ｉｐｓ．??水电光伏联合的集成调度??招光伏分解集成预测校铟抿．站?｜?ｆ?＿光伏联合调ｉｆ的多０标对冲机制??（？２Ｓ）?（笫?６ｉＴ）??．ｔ?ｔ?ｔ?＇?ｔ?ｒ－＾ｎ?ｉ?＊?ｉ?ｉ?ｔ?，?．?ｉ?．?＿ｉ＿?＿ｉ＿??＾?｜?ｊｔ?■：．￥?ｆａ：丨?Ｕ?Ｊ?！Ｋ?（＊＞！?＇；?ａ?＇ｕｉ??＿ｉ＿ｌ?水■?＾?ｕ?（?，！；?ｉｉＫｒ?（＾ｉｈ?丨刚?ｍ－山丨丨丨??ｆｖ；?ｄ?ＰＭ?ｊ－ｒ＾Ｈ?Ｓ?ｔ?６?，；ｖ：?ｔｉ＇ｉｉｌ?Ｕ：??．ｉ?Ｉ?ｆｆｌ?＂ｒ?＂?擬在，＿?ｍ??ｍ?ｉ．：?｜此?丨此??水电日径流预溉?｜光伏功率短助预?｜水电－光伏联合调度?｜对冲机制Ｋ联合调??集成应Ｗ?＾３?■集成应用?＿?相关性分析?＿＿?度集成应用??（第腾）?ｒ?｜?（辨）?Ｉ?（第５章＇）?｜?＜第７章）??水电光伏联合调度集成应用??ｉ??高论及＆靖??（第８章）??图１－３技术路线图??Ｆｉｇ?１－３?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｆｉｇｕｒｅ??１２??
图２－５综合限务平台??Ｆｉｇ?２－５?Ｔｈｅ?ｉｎｔｅｇｒａｔＬｉｄ?ｓｅｒｖｉｃｅ?ｐｌａｔｔｂｒｎｉ??ｍ业务可视化财??
【参考文献】：
期刊论文
[1]考虑经济效益的风储联合发电系统的最优功率预测[J]. 任立阳,付昱,王宝财,宋田宇,赵芳琦. 东北电力大学学报. 2020(03)
[2]基于SVM-神经网络融合反馈的触电电流检测方法[J]. 刘永梅,杜松怀,盛万兴. 电网技术. 2020(05)
[3]基于SVR-UKF的光伏电站功率预测[J]. 俞娜燕,李向超,费科,任佳琦,倪晓宇. 自动化与仪器仪表. 2020(04)
[4]基于PSO-DBN神经网络的光伏短期发电出力预测[J]. 李正明,梁彩霞,王满商. 电力系统保护与控制. 2020(08)
[5]基于改进多目标粒子群优化算法的配电网削峰填谷优化[J]. 邵振,邹晓松,袁旭峰,熊炜,袁勇,苗宇. 科学技术与工程. 2020(10)
[6]基于EMD-LSTM的光伏发电预测模型[J]. 朱玥,顾洁,孟璐. 电力工程技术. 2020(02)
[7]基于LSTM和时间序列分析法的短期风速预测[J]. 李蓉蓉,戴永. 计算机仿真. 2020(03)
[8]基于Gumbel Copula函数的滇中高原湖泊区湿度变化[J]. 陈晶,顾世祥,陈金明. 水电能源科学. 2020(02)
[9]基于大数据平台的点负荷近中期负荷预测及行业负荷增长特征分析[J]. 李健,王琛,林韶生,杜佩仁. 电力大数据. 2020(02)
[10]基于Copula函数的多源径流预报误差联合分布研究[J]. 陈冲,纪昌明,张验科,刘源,张佳新. 水资源研究. 2020(01)
博士论文
[1]基于Copula模型的相依现状数据的回归分析[D]. 崔琪.吉林大学 2018
[2]引汉济渭跨流域调水工程运行调度模式研究及实现[D]. 张晓.西安理工大学 2018
[3]含风电场的电力系统功率预测与优化调度研究[D]. 李天.华北电力大学(北京) 2018
[4]水光互补协调运行的理论与方法研究[D]. 安源.西安理工大学 2016
[5]水库汛期防洪与兴利协调控制模型及应用研究[D]. 丁伟.大连理工大学 2016
[6]风电短期功率预测与并网多目标调度优化研究[D]. 王贺.武汉大学 2014
[7]网络组织集成及其机制研究[D]. 喻红阳.武汉理工大学 2005
硕士论文
[1]大规模多目标水库防洪调度算法研究[D]. 雷娇娇.西安电子科技大学 2019
[2]基于贝叶斯方法的风电功率概率性预测分析及研究[D]. 付果.华北电力大学(北京) 2019
[3]考虑风功率预测不确定性的水电风电联合调度[D]. 张蕾.西安理工大学 2018
[4]基于分解思想的多目标进化算法研究[D]. 张奇胜.湖南大学 2018
[5]电网变电设备选型决策方法研究及仿真系统实现[D]. 解佗.西安理工大学 2016
[6]Copula的理论与应用研究[D]. 张晓宇.天津工业大学 2015
[7]多能源互补微网的综合优化配置[D]. 曹蓓.南昌大学 2014
[8]基于来水和需水的周期规律及不确定性的水资源配置模型[D]. 侯丽娜.中国水利水电科学研究院 2013
[9]洪水预报模型组件化及集成应用[D]. 张刚.西安理工大学 2010
本文编号：3259675
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3259675.html
