智能电网中适应不稳定大规模清洁能源发电的联合智能调度管理理论研究

本项目对智能电网中适应不稳定大规模清洁能源发电的联合智能调度管理理论进行研究，这对我国大力发展大规模清洁能源和可持续发展具有重要实际意义，同时也是一个至今没有解决的严重制约风电和光伏发电大规模发展的管理理论难题。.研究内容：1、通过自主提出的拟境知识挖掘，探索气象影响条件下风电和光伏发电的功率形态变化规律；2、建立用于智能调度的不稳定大规模风电和光伏功率智能预测模型，称为：基于拟境知识挖掘的自适应微分进化寻优神经网络风电和光伏功率智能预测模型；3、研究一种改进型智能微分进化方法，用于建立和优化不稳定大规模光风火电联合智能调度多目标决策模型，综合考虑成本、环境、收益、稳定等问题的解决；4、研究和建立基于拟境知识挖掘技术的联合智能调度运行分析评价指标体系；5、对不稳定大规模光风火电联合智能调度模型进行仿真和实证研究。.力争取得突破性成果，建立一套智能调度管理理论，为清洁能源发展做出自己的贡献。

本项目对智能电网中适应不稳定大规模清洁能源发电的联合智能调度管理理论进行研究，按照项目申请书的立项内容全部完成了研究任务。主要研究工作包括以下五个方面。.第一、通过自主提出的拟境知识挖掘，探索了气象影响条件下风电和光伏发电的功率形态变化规律。建立了基于混合模拟退火算法改进SVM的风速预测模型；建立历史气象和输出功率数据库，利用拟境知识挖掘，探索挖掘气象信息、风电和光伏发电功率的潜在规律。.第二、在智能预测模型方面，结合风电和光伏发电输出功率形态变化规律，建立了基于拟境知识挖掘的风电场功率预测模型，基于相似日聚类和贝叶斯神经网络的光伏发电功率预测模型和结合拟境知识挖掘的RBF神经网络光伏发电预测模型。.第三、在联合智能调度方面，建立了基于并行自适应粒子群优化算法的经济环境发电调度模型，建立了基于KKT和量子遗传算法的风火电联合上网智能调度模型。建立了不稳定大规模风、光、火电联合运营智能调度多目标优化模型，利用KKT框架转化多目标函数，进行多目标决策模型的优化。.第四、在联合智能调度运行分析评价指标体系方面，建立了基于Vague集和D-S证据理论的混合电力系统综合评价模型，研究给出了电网多种发电模式联合运营综合效益评价体系方法、基于绿色经济的风火电联合运营规划及效益评价体系方法，给出了基于低碳经济的发电行业节能减排路径。.第五、对不稳定大规模光风火电联合智能调度模型进行仿真和实证研究。签订了6项相关实际应用的项目协议，所研成果已在国务院、广东省、江苏省、浙江省、甘肃省等地应用，开发了相应软件，获得了应用单位的好评，国家电网公司验收意见被评为“国际先进”，并联合申报了1项发明专利。.项目所取得的成果包括：公开发表并被标注的期刊论文25篇，其中，SCI收录11篇，SCI待收录1篇，EI（核心版）收录7篇，中文核心期刊论文9篇；出版著作2部，待出版著作1部；所发表的一组相关论文被登载国际顶级尖端研究成果的《Nature》网站和《Nature》的专业期刊《Nature Climate Change》发表专文评论和肯定。共参加国内外学术会议15次，应邀做大会或分会场报告11次。获得1项甘肃省科学技术进步奖二等奖，1项中国管理科学学会管理科学奖（学术奖），1项河北省教学成果奖二等奖，1项浙江省电力公司科学技术进步奖二等奖。培养博士后4人，毕业博士10人，毕业硕士12人。

内容获取失败，请点击重试