風(fēng)電功率預(yù)測(cè)與微電網(wǎng)優(yōu)化問題研究.pdf

1、近年來，微電網(wǎng)技術(shù)得到迅速發(fā)展，對(duì)微電網(wǎng)相關(guān)技術(shù)的研究已成為智能電網(wǎng)技術(shù)研究的熱點(diǎn)。微電網(wǎng)建設(shè)已經(jīng)成為智能電網(wǎng)建設(shè)的主要內(nèi)容之一，也成為解決大型集中電網(wǎng)其他問題（如建設(shè)周期長(zhǎng)、運(yùn)行成本高、維護(hù)難度大、難以適應(yīng)越來越高的安全、可靠性及多樣化的供電需求等）的有效途徑和重要輔助手段。微電網(wǎng)已經(jīng)成為利用就地資源解決偏遠(yuǎn)農(nóng)村、海島供電的有效組網(wǎng)方式。合理的進(jìn)行微電源輸出功率預(yù)測(cè)和微電網(wǎng)優(yōu)化對(duì)于微電網(wǎng)系統(tǒng)的安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行具有重要的理論和現(xiàn)實(shí)意

2、義。本文對(duì)風(fēng)電功率預(yù)測(cè)和微電網(wǎng)的優(yōu)化問題進(jìn)行了系統(tǒng)深入的研究，針對(duì)不同的原始風(fēng)電功率序列和歷史數(shù)據(jù)情況，提出了兩種風(fēng)電功率預(yù)測(cè)方法，針對(duì)微電網(wǎng)中微電源的特點(diǎn)，構(gòu)建了兩種微電網(wǎng)有功功率輸出優(yōu)化模型。主要的研究工作和取得的研究成果如下:
　　1.針對(duì)原始風(fēng)電功率時(shí)間序列為混沌時(shí)間序列、歷史風(fēng)電功率數(shù)據(jù)較多時(shí)的情況，提出了一種改進(jìn)BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測(cè)方法。該方法首先應(yīng)用混沌相空間重構(gòu)技術(shù)對(duì)風(fēng)電輸出功率進(jìn)行相空間重構(gòu)，將一維變換為多維

3、，通過計(jì)算其最大李雅普諾夫指數(shù)，判斷其混沌與否，進(jìn)而得到最佳嵌入維數(shù)和最佳延遲時(shí)間，再根據(jù)最佳嵌入維數(shù)和最佳延遲時(shí)間構(gòu)造三層反向傳播神經(jīng)網(wǎng)絡(luò);然后采用遺傳算法對(duì)反向傳播神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化;最后將經(jīng)過這樣處理后的反向傳播神經(jīng)網(wǎng)絡(luò)用于風(fēng)電場(chǎng)輸出功率的預(yù)測(cè)并計(jì)算預(yù)測(cè)結(jié)果的相應(yīng)性能指標(biāo)。所得結(jié)果驗(yàn)證了該方法的有效性。
　　2.針對(duì)原始風(fēng)電功率時(shí)間序列滿足經(jīng)驗(yàn)?zāi)B(tài)分解的條件、歷史風(fēng)電功率數(shù)據(jù)較少的情況，提出了一種組合預(yù)測(cè)風(fēng)電功率的

4、方法。在該方法中，首先對(duì)原始風(fēng)電功率進(jìn)行預(yù)處理，即采用經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)將風(fēng)電輸出功率進(jìn)行分解，得到一系列本征特征模函數(shù).然后根據(jù)不同的本征特征模函數(shù)的特點(diǎn)，應(yīng)用小波神經(jīng)網(wǎng)絡(luò)和交叉驗(yàn)證參數(shù)優(yōu)化后的支持向量機(jī)模型對(duì)其進(jìn)行回歸預(yù)測(cè);最后將所有子序列的預(yù)測(cè)結(jié)果相疊加作為最終總的預(yù)測(cè)結(jié)果。通過預(yù)測(cè)結(jié)果性能指標(biāo)的計(jì)算對(duì)比，表明了該方法的正確性。當(dāng)兩種方法均能應(yīng)用的條件下，該方法預(yù)測(cè)結(jié)果更加接近真實(shí)值。
　　3.針對(duì)微電網(wǎng)中可再生能源為確定的情

5、況，考慮整個(gè)微電網(wǎng)系統(tǒng)以最優(yōu)方式（安全、穩(wěn)定、環(huán)保和經(jīng)濟(jì)）輸出時(shí)的成本最小為目標(biāo)，建立了包含約束條件的微電網(wǎng)功率輸出多目標(biāo)優(yōu)化模型，提出了一種基于擁擠距離的非支配近鄰免疫約束多目標(biāo)優(yōu)化算法，基于這種算法對(duì)相應(yīng)的模型進(jìn)行求解和優(yōu)化。對(duì)模型的求解過程為:首先將模型中的約束條件轉(zhuǎn)化成一個(gè)目標(biāo)函數(shù)，使模型的目標(biāo)函數(shù)在原來的基礎(chǔ)上增加一個(gè);然后在隨機(jī)產(chǎn)生的個(gè)體中，選擇少數(shù)相對(duì)孤立的非支配個(gè)體作為活性抗體，根據(jù)活性抗體的擁擠程度進(jìn)行相應(yīng)的克隆、重組

6、等免疫操作，從而加強(qiáng)當(dāng)前Pareto前端中較稀疏區(qū)域的搜索。應(yīng)用所提出的多目標(biāo)優(yōu)化算法對(duì)微電網(wǎng)出力在孤島和接入公用電網(wǎng)兩種模式下進(jìn)行優(yōu)化。
　　4.為了更好的考慮微電網(wǎng)的隨機(jī)性，建立了基于概率的微電網(wǎng)優(yōu)化模型，即包含概率形式的以微電網(wǎng)可控機(jī)組發(fā)電成本最小為目標(biāo)的優(yōu)化模型。在模型中，目標(biāo)函數(shù)表達(dá)式和旋轉(zhuǎn)備用的約束條件均考慮了不同置信水平，通過不同的置信水平來體現(xiàn)系統(tǒng)的隨機(jī)性。對(duì)于建立的模型，采用蒙特卡洛隨機(jī)模擬和粒子群優(yōu)化算法進(jìn)行了

7、優(yōu)化。該模型求得的是在置信水平不低于某一給定數(shù)值時(shí)的可控機(jī)組實(shí)際發(fā)電成本的上限值，其結(jié)果更加接近微電網(wǎng)的實(shí)際輸出。
　　5.為了考慮未來一段時(shí)間內(nèi)微電網(wǎng)機(jī)組以最優(yōu)輸出方式運(yùn)行時(shí)系統(tǒng)的發(fā)電量、生產(chǎn)成本以及可靠性指標(biāo)，文中對(duì)微電網(wǎng)進(jìn)行了隨機(jī)生產(chǎn)模擬。將微電網(wǎng)系統(tǒng)中的光伏出力分成白天和晚上兩個(gè)時(shí)段，并將其作為負(fù)值負(fù)荷;風(fēng)電出力轉(zhuǎn)化成多狀態(tài)機(jī)組出力模型，應(yīng)用等效電量法和半不變量法對(duì)周期為1年(8760h)，半年(4368h)和1個(gè)月30天