基于启发式知识的微网经济调度场景分析研究
项目介绍
AI项目解读
基本信息
- 批准号:51607111
- 项目类别:青年科学基金项目
- 资助金额:19.0万
- 负责人:
- 依托单位:
- 学科分类:E0704.电力系统与综合能源
- 结题年份:2019
- 批准年份:2016
- 项目状态:已结题
- 起止时间:2017-01-01 至2019-12-31
- 项目参与者:杨宁; 张传林; 陈辉; 贺小东; 杨剑; 黄瑶妹;
- 关键词:
项目摘要
The intermittent and stochastic property of renewable energy generation proposed new demands of dealing with uncertainty for the microgrid economic dispatch problems. Traditional stochastic programming approach focuses on the probability distribution of the random variable, while ignoring the impact on the decision results. Based on the features of the microgrid economic dispatch problems, a scenario analysis method is proposed to handling the forecast error uncertainty. Considering the impact of the forecast error on the economy and reliability, the method explores and extracts the heuristic knowledge from the objective function, feasibility and energy balance constraints, and builds a scenario analysis framework for microgrid economic dispatch problems. The feasibility and effectiveness of the method is verified by the microgrid demonstration project of Shanghai University of Electric Power. The proposed method can not only reduce the input probability distribution of the distance between the scenarios, but also to minimize the difference between the scenario set with the economic and reliability of the scenario’s distribution. It also provides a new way to improve the economics and reliability of the microgrid.
由于可再生能源发电具有间歇性和随机性,因此微网系统经济调度问题中对不确定性的处理难度大大增加。传统的不确定性处理方法仅从随机变量概率分布角度考虑不确定性,而忽略了随机变量对决策结果的影响。本项目以此为线索,结合微网经济调度问题的特点,探索构建考虑预测误差不确定性的微网经济调度场景分析方法。项目立足于预测误差对决策结果经济性和可靠性的影响,从目标函数、可行性和活跃约束三个方面,提取场景影响决策结果的启发式知识,致力于建立基于启发式知识的微网经济调度场景分析方法的一般性设计体系和微网经济调度解决方案,并以上海电力学院微网示范工程为案例,验证上述方法的可行性和有效性。本课题提出的场景分析方法既从概率上分析了场景发生规律,又挖掘了场景对问题经济性和可靠性的影响。课题研究成果将为微网经济调度场景分析设计提供一条新思路,并为提高可再生能源的消纳以及微网经济调度的经济性和可靠性提供一种新方法。
结项摘要
针对微网系统调度问题中不确定性处理困难的问题,本项目结合微网调度的启发式知识,开展了微网经济调度场景分析方法研究,提出了一套基于启发式知识微网经济调度场景分析的设计方法和微网经济调度解决方案。研究内容主要包括以下四个方面:1) 微网场景启发式知识的提取和表达研究。首先以人工神经网络为基础,采用自适应参数调整方法,提出一种基于自适应超参数调整人工神经网络的可再生能源发电预测方法,提高了可再生能源发电的预测精度,降低了微网调度问题的不确定性。其次,根据多元随机变量协方差参数辨识方法,提出一种多风电相关性场景生成方法,实现了微网调度中多可再生能源发电不确定性的处理。基于微网经济性、可行性、风电大幅度爬坡和不确定性处理潜力等启发式知识,提出了基于风电爬坡指标、微网灵活性指标和Kriging代理模型的场景估计方法,实现了对场景多方面启发式知识的提取和表达。2)场景分析方法的设计框架研究。将上述场景启发式知识测度引入到微网场景消减过程,并结合场景聚类和场景启发式消减方法,实现了场景分析方法结合启发式知识的设计框架。3)集成场景启发式知识的微网经济调度解决方案。在微网经济调度模型中引入场景启发式知识,建立了考虑可再生能源发电功率预测误差的微网经济调度模型和配电网优化模型,并利用传统数学规划方法和多目标规划方法求解了这些问题,形成了集成场景启发式知识的微网经济调度解决方案。4)微网系统经济调度应用研究问题。为了验证基于启发式知识微网经济调度场景分析方法的有效性,本项目针对微网系统和配电网系统进行了仿真实验。实验结果表明基于启发式方法的场景分析方法能够有效地提高微网经济调度的可靠性和经济性。. 本项目的研究成果丰富了微网调度解决方案不确定性处理的理论和方法,为微网调度解决方案的设计和工程应用提供理论基础和技术依据。
项目成果
期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(2)
融资租赁模式下储能电站项目的经济效益与风险分析
- DOI:--
- 发表时间:2018
- 期刊:储能科学与技术
- 影响因子:--
- 作者:吴善进;崔承刚;杨宁;陈辉
- 通讯作者:陈辉
Robust Output Voltage Regulation for DC-DC Buck Converters Under Load Variations via Sampled-Data Sensorless Control
通过采样数据无传感器控制实现负载变化时 DC-DC 降压转换器的稳健输出电压调节
- DOI:10.1109/access.2018.2794458
- 发表时间:2018
- 期刊:IEEE Access
- 影响因子:3.9
- 作者:Song Pengfei;Cui Chenggang;Bai Yanlong
- 通讯作者:Bai Yanlong
基于深度强化学习的微电网储能调度策略研究
- DOI:10.13941/j.cnki.21-1469/tk.2019.08.018
- 发表时间:2019
- 期刊:可再生能源
- 影响因子:--
- 作者:王亚东;崔承刚;钱申晟;杨宁;陈辉;奚培锋
- 通讯作者:奚培锋
超临界火电机组主蒸汽温度控制算法研究
- DOI:10.16146/j.cnki.rndlgc.2019.10.011
- 发表时间:2019
- 期刊:热能动力工程
- 影响因子:--
- 作者:刘备;崔承刚;李炳楠;郭为民
- 通讯作者:郭为民
关于能源企业推进能源互联网建设的实施研究
- DOI:10.14097/j.cnki.5392/20180905.001
- 发表时间:2018
- 期刊:现代商业
- 影响因子:--
- 作者:杨锦成;盛晏;崔承刚
- 通讯作者:崔承刚
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--"}}
- 发表时间:{{ item.publish_year || "--" }}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--"}}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ patent.updateTime }}
其他文献
其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--" }}
- 发表时间:{{ item.publish_year || "--"}}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--" }}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
内容获取失败,请点击重试
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:
AI项目摘要
AI项目思路
AI技术路线图
请为本次AI项目解读的内容对您的实用性打分
非常不实用
非常实用
1
2
3
4
5
6
7
8
9
10
您认为此功能如何分析更能满足您的需求,请填写您的反馈:
相似国自然基金
{{ item.name }}
- 批准号:{{ item.ratify_no }}
- 批准年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}
相似海外基金
{{
item.name }}
{{ item.translate_name }}
- 批准号:{{ item.ratify_no }}
- 财政年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}