目錄
第1章 緒論 1
1.1 引言 1
1.2 背景與挑戰(zhàn) 2
1.3 研究現(xiàn)狀與趨勢 3
1.3.1 微能網(wǎng)規(guī)劃 3
1.3.2 微能網(wǎng)運(yùn)行控制 6
1.3.3 研究不足與局限 7
參考文獻(xiàn) 8
第2章 微能網(wǎng)數(shù)智化規(guī)劃與運(yùn)行控制基礎(chǔ)理論 15
2.1 引言 15
2.2 人工智能及其在電網(wǎng)領(lǐng)域的應(yīng)用 16
2.3 可再生能源系統(tǒng)不確定性建模與表征 22
2.3.1 場景分析法的基本原理 22
2.3.2 基于生成對抗網(wǎng)絡(luò)的場景分析法 23
2.3.3 常用的改進(jìn)生成對抗網(wǎng)絡(luò) 24
2.3.4 多時間尺度發(fā)電功率預(yù)測 26
2.3.5 可再生能源出力場景生成 28
2.4 微能網(wǎng)設(shè)備模型構(gòu)建及優(yōu)化配置 29
2.4.1 能量生產(chǎn)設(shè)備 30
2.4.2 能量轉(zhuǎn)換設(shè)備 30
2.4.3 能量儲存設(shè)備 32
2.4.4 微能網(wǎng)典型結(jié)構(gòu)分析 33
2.4.5 微能網(wǎng)容量優(yōu)化配置模型 34
2.5 微能網(wǎng)系統(tǒng)優(yōu)化運(yùn)行智能調(diào)度 35
2.5.1 日前優(yōu)化調(diào)度方法 35
2.5.2 日內(nèi)滾動優(yōu)化方法 36
2.5.3 實時決策調(diào)控方法 37
2.6 本章小結(jié) 38
參考文獻(xiàn) 38
第3章 數(shù)據(jù)驅(qū)動可再生能源場景可控生成方法 49
3.1 引言 49
3.2 可再生能源場景特性表征方法 50
3.3 基于生成對抗網(wǎng)絡(luò)的可控場景生成 51
3.3.1 可控可解釋生成模型框架 51
3.3.2 算法流程與數(shù)學(xué)描述 52
3.4 算例驗證與分析 54
3.4.1 數(shù)據(jù)及模型參數(shù)描述 54
3.4.2 場景生成統(tǒng)計相似性評價 55
3.4.3 可控場景模式生成驗證 58
3.5 本章小結(jié) 62
參考文獻(xiàn) 62
第4章 考慮能量優(yōu)化管理策略的微能網(wǎng)最優(yōu)容量規(guī)劃方法 64
4.1 引言 64
4.2 系統(tǒng)模型和方法概述 65
4.2.1 并網(wǎng)型微能網(wǎng)系統(tǒng)結(jié)構(gòu) 65
4.2.2 整體方法概述 66
4.3 可再生能源出力場景生成方法 67
4.3.1 基于改進(jìn)DCGAN的可再生能源出力場景生成 67
4.3.2 基于改進(jìn)k-medoids方法的場景削減 69
4.4 微能網(wǎng)最優(yōu)容量規(guī)劃問題建模 71
4.4.1 微能網(wǎng)能量管理策略 71
4.4.2 微能網(wǎng)規(guī)劃模型決策變量 72
4.4.3 微能網(wǎng)規(guī)劃模型目標(biāo)函數(shù) 72
4.4.4 微能網(wǎng)規(guī)劃模型約束條件 74
4.5 算例驗證與分析 75
4.5.1 數(shù)據(jù)描述和模型參數(shù)設(shè)置 75
4.5.2 可再生能源出力場景生成結(jié)果分析 77
4.5.3 場景聚類結(jié)果分析 78
4.5.4 最優(yōu)容量配置結(jié)果和對比算例分析 79
4.6 本章小結(jié) 83
參考文獻(xiàn) 83
第5章 光儲充一體化微能網(wǎng)協(xié)同優(yōu)化規(guī)劃方法 85
5.1 引言 85
5.2 電動汽車充電行為影響因素 86
5.3 電動汽車出行和充電需求預(yù)測模型 88
5.3.1 蒙特卡羅模擬方法 88
5.3.2 基于時間-電量的充電需求預(yù)測方法 91
5.3.3 算例驗證與分析 97
5.4 基于重力空間互動模型的電動汽車流量分析 101
5.4.1 重力空間互動模型 102
5.4.2 電動汽車流量分析模型 104
5.5 基于排隊論的電動汽車快速充電站模型 105
5.5.1 排隊理論模型 105
5.5.2 電動汽車快速充電站排隊模型 107
5.6 考慮經(jīng)濟(jì)性的電動汽車快速充電站規(guī)劃 109
5.6.1 經(jīng)濟(jì)性規(guī)劃模型構(gòu)建 109
5.6.2 算例驗證與分析 112
5.7 分布式電源出力不確定性分析 116
5.7.1 聚類算法 116
5.7.2 算例分析 118
5.8 電動汽車充電站與分布式電源協(xié)同規(guī)劃 119
5.8.1 分層求解方法 119
5.8.2 規(guī)劃流程 121
5.8.3 算例驗證與分析 124
5.9 本章小結(jié) 128
參考文獻(xiàn) 129
第6章 基于進(jìn)化模糊邏輯的微能網(wǎng)多目標(biāo)優(yōu)化調(diào)度方法 130
6.1 引言 130
6.2 并網(wǎng)模式下微能網(wǎng)多目標(biāo)優(yōu)化與調(diào)度 131
6.3 基于自適應(yīng)模糊推理系統(tǒng)的實時決策方法 133
6.3.1 模糊推理系統(tǒng) 134
6.3.2 新型啟發(fā)式優(yōu)化算法 135
6.3.3 自適應(yīng)進(jìn)化模糊推理系統(tǒng) 137
6.4 算例驗證與分析 139
6.4.1 仿真設(shè)置及對比方法描述 139
6.4.2 可解釋性知識庫自適應(yīng)優(yōu)化結(jié)果 141
6.4.3 多目標(biāo)評價下能量調(diào)度結(jié)果分析 144
6.5 本章小結(jié) 147
參考文獻(xiàn) 148
第7章 基于模仿學(xué)習(xí)與云-邊計算框架的微能網(wǎng)調(diào)度方法 150
7.1 引言 150
7.2 孤島模式下微能網(wǎng)經(jīng)濟(jì)運(yùn)行與調(diào)度 151
7.3 基于模仿學(xué)習(xí)范式的實時決策方法 153
7.3.1 云-邊計算架構(gòu)下能量管理 153
7.3.2 模仿學(xué)習(xí)范式 154
7.3.3 基于端到端模仿學(xué)習(xí)的實時調(diào)度模型 156
7.4 算例驗證與分析 159
7.4.1 仿真設(shè)置及對比方法描述 159
7.4.2 經(jīng)濟(jì)運(yùn)行調(diào)度結(jié)果分析 161
7.5 本章小結(jié) 164
參考文獻(xiàn) 164
第8章 基于混合學(xué)習(xí)的微能網(wǎng)實時電價下經(jīng)濟(jì)調(diào)度方法 165
8.1 引言 165
8.2 實時電價下微能網(wǎng)經(jīng)濟(jì)運(yùn)行與調(diào)度 166
8.3 基于混合機(jī)器學(xué)習(xí)的實時決策方法 167
8.3.1 混合機(jī)器學(xué)習(xí)決策模型框架 167
8.3.2 基于無監(jiān)督學(xué)習(xí)的模式感知 168
8.3.3 基于監(jiān)督學(xué)習(xí)的決策調(diào)度 169
8.4 算例驗證與分析 171
8.4.1 仿真設(shè)置 171
8.4.2 實時調(diào)度結(jié)果及分析 172
8.4.3 不同方法經(jīng)濟(jì)性比較 174
8.5 本章小結(jié) 177
參考文獻(xiàn) 177
第9章 基于改進(jìn)強(qiáng)化學(xué)習(xí)的微能網(wǎng)經(jīng)濟(jì)調(diào)度方法 178
9.1 引言 178
9.2 微能網(wǎng)經(jīng)濟(jì)調(diào)度問題建模 178
9.2.1 微能網(wǎng)經(jīng)濟(jì)調(diào)度目標(biāo) 178
9.2.2 微能網(wǎng)運(yùn)行約束 179
9.2.3 微能網(wǎng)廣義產(chǎn)消能力 181
9.3 強(qiáng)化學(xué)習(xí)算法模型設(shè)計 181
9.3.1 基本模型 181
9.3.2 DQN算法及其改進(jìn)算法 183
9.4 微能網(wǎng)場景下的改進(jìn)強(qiáng)化學(xué)習(xí)算法 184
9.4.1 算例分析 187
9.4.2 確定性場景 188
9.4.3 隨機(jī)性場景 192
9.5 本章小結(jié) 195
參考文獻(xiàn) 195
第10章 光伏發(fā)電制氫系統(tǒng)功率協(xié)同控制方法 196
10.1 引言 196
10.2 典型結(jié)構(gòu)光伏陣列動態(tài)重構(gòu)方法 196
10.2.1 SP 結(jié)構(gòu)光伏陣列模型 197
10.2.2 拓?fù)渲貥?gòu)策略 198
10.2.3 重構(gòu)優(yōu)化算法 199
10.2.4 算例驗證與分析 201
10.3 組串式光伏陣列動態(tài)重構(gòu)方法 206
10.3.1 TCT結(jié)構(gòu)光伏陣列模型 207
10.3.2 拓?fù)渲貥?gòu)策略 207
10.3.3 重構(gòu)優(yōu)化算法 210
10.3.4 算例驗證與分析 212
10.4 基于電流注入裝置的光伏陣列動態(tài)重構(gòu)方法 216
10.4.1 拓?fù)渲貥?gòu)策略 216
10.4.2 重構(gòu)優(yōu)化算法 217
10.4.3 算例驗證及分析 219
10.5 系統(tǒng)模型 220
10.5.1 光伏發(fā)電制氫系統(tǒng)模型 220
10.5.2 各設(shè)備單元數(shù)學(xué)模型 222
10.6 功率協(xié)同控制策略 223
10.6.1 FLF算法模型 223
10.6.2 基于FLF算法的功率協(xié)同控制策略 224
10.7 算例驗證與分析 228
10.7.1 數(shù)據(jù)及模型參數(shù)描述 228
10.7.2 功率協(xié)同控制結(jié)果分析 229
10.8 本章小結(jié) 236
參考文獻(xiàn) 236
第11章 氫-電耦合微能網(wǎng)系統(tǒng)的能量優(yōu)化調(diào)度方法 238
11.1 引言 238
11.2 氫-電耦合微能網(wǎng)系統(tǒng)能量優(yōu)化調(diào)度方法 238
11.2.1 系統(tǒng)模型 239
11.2.2 兩階段能量優(yōu)化調(diào)度算法 241
11.2.3 算例驗證與分析 244
11.3 計及短距離輸氫的氫-電-熱微能網(wǎng)系統(tǒng)能量優(yōu)化調(diào)度方法 252
11.3.1 系統(tǒng)模型 252
11.3.2 多時間尺度的能量優(yōu)化調(diào)度算法 254
11.4 算例驗證與分析 258
11.4.1 數(shù)據(jù)及模型參數(shù)描述 259
11.4.2 日前規(guī)劃結(jié)果分析 261
11.4.3 日內(nèi)調(diào)度結(jié)果分析 263
11.5 本章小結(jié) 267
參考文獻(xiàn) 267
第12章 氫-電-熱耦合區(qū)域供能系統(tǒng)能量優(yōu)化調(diào)度方法 270
12.1 引言 270
12.2 系統(tǒng)模型 270
12.2.1 HRES 系統(tǒng)模型 270
12.2.2 各設(shè)備單元數(shù)學(xué)模型 271
12.2.3 能量平衡模型 272
12.2.4 配電網(wǎng)潮流模型 273
12.3 多階段多時間尺度能量優(yōu)化調(diào)度方法 274
12.3.1 日前規(guī)劃階段 275
12.3.2 日內(nèi)滾動調(diào)度階段 276
12.3.3 電力實時調(diào)度階段 277
12.4 算例驗證與分析 277
12.4.1 數(shù)據(jù)及模型參數(shù)描述 278
12.4.2 運(yùn)行調(diào)度結(jié)果分析 280
12.5 本章小結(jié) 284
參考文獻(xiàn) 284
第13章 結(jié)語 286
13.1 總結(jié) 286
13.2 研究展望 288