基于智能预测的能源互联网协同控制研究

发布时间：2022-12-18 07:56

　　在全球能源危机和环境污染问题日益严重的情形下,能源互联网已成为国际学术界和工业界关注的焦点。能源互联网提供了一个开放的框架,将涉及能源生产、传输、存储、交换和消费的每个实体与信息通信技术集成在一起。其中,对可再生能源和能源需求进行有效预测,以及对各种分布式能源进行协同控制是目前能源互联网发展亟需解决的两大问题。能源互联网协同控制的主要目的是在满足能源互联网内能源需求的同时,保证能源互联网更经济、高效、安全的运行。本论文以包含产-销-用的能源互联网为研究对象,研究了能源互联网中各个实体之间的协同控制问题,主要完成了以下工作:（1）提出了一种基于交叉变异和梯度加速的粒子群算法,并基于该算法提出了一种基于改进粒子群算法优化的神经网络。该神经网络利用改进的粒子群算法确定神经网络的参数,随后将此神经网络应用于能源互联网中的光伏输出预测、风电输出预测和能源需求预测。（2）建立了一个包含产-销-用三个层次的能源互联网模型,在短期预测的基础上,结合经济调度和主从博弈,提出了一种基于短期预测的能源互联网协同控制方法,该方法最小化发电公司的发电成本,同时能够最大化零售商利润和微电网的效用,实现能源互联网的... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文主要研究内容
第二章 基于神经网络的能源互联网能源预测研究
    2.1 能源互联网能源预测研究
    2.2 基于改进粒子群算法优化的神经网络
        2.2.1 神经网络优化分析
        2.2.2 标准粒子群算法
        2.2.3 基于交叉变异和梯度加速的改进粒子群算法
        2.2.4 基于改进粒子群算法优化的前馈神经网络
    2.3 基于改进粒子群算法优化的神经网络的能源互联网能源预测方法
    2.4 实验分析
    2.5 本章小结
第三章 基于短期预测的能源互联网协同控制方法
    3.1 能源互联网协同控制模型
        3.1.1 发电公司发电模型
        3.1.2 电力零售商模型
        3.1.3 微电网模型
        3.1.4 系统约束
    3.2 基于短期预测的能源互联网协同控制方法
        3.2.1 ISO经济调度与价格分析
        3.2.2 微电网零售商主从博弈分析
        3.2.3 基于短期预测的能源互联网协同控制方法
    3.3 实验分析
    3.4 本章小结
第四章 计及预测误差的能源互联网协同控制方法
    4.1 能源互联网能源预测的非精确性
    4.2 计及预测误差的能源互联网协同控制方法
        4.2.1 能源互联网预测误差影响分析
        4.2.2 计及预测误差的能源互联网协同控制方法
    4.3 实验分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 后续工作展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]能源互联网及其关键控制问题[J]. 孙秋野,滕菲,张化光.  自动化学报. 2017(02)
[2]基于协同演化博弈算法的微网和配电网动态优化[J]. 徐意婷,艾芊,胡剑生.  电力系统保护与控制. 2016(18)
[3]能源互联网“源–网–荷–储”协调优化运营模式及关键技术[J]. 曾鸣,杨雍琦,刘敦楠,曾博,欧阳邵杰,林海英,韩旭.  电网技术. 2016(01)
[4]能源互联网架构设计与拓扑模型[J]. 赵海,蔡巍,王进法,贾思媛.  电工技术学报. 2015(11)
[5]能源互联网与能源路由器[J]. 曹军威,孟坤,王继业,杨明博,陈震,李文焯,林闯.  中国科学:信息科学. 2014(06)
[6]基于MCS-PSO算法的邻近海岛多微网动态调度[J]. 周永智,吴浩,李怡宁,辛焕海,宋永华.  电力系统自动化. 2014(09)
[7]电力系统负荷预测研究综述与发展方向的探讨[J]. 王倩.  中国高新技术企业. 2013(29)
[8]差分进化粒子群混合优化算法的研究与应用[J]. 杨妍,陈如清,俞金寿.  计算机工程与应用. 2010(25)

博士论文
[1]基于数据挖掘的电力短期负荷预测模型及方法的研究[D]. 程其云.重庆大学 2004



本文编号：3721674