基于生物质热电混合供能的城镇综合能源双层优化

生物质发电相当于小型火电,单独发电时效率低,且现有研究对含生物质热电联产机组系统的优化调度关注较少。针对上述问题,提出了适用于城镇综合能源系统的多种新能源高效消纳的综合能源运行双层优化方法。通过补燃设备调整热天然气和生物质电联产机组的运行状态,建立可补燃生物质热电联产运行模型;研究了多个可补燃热电联产机组的联合控制,分别以综合供能费用和能源利用效率作为上下层优化目标,同时对热电联产机组间的能源分配调度和各热电联产机组内部运行状态进行优化,构建包含光伏生物质和天然气在内的区域能量枢纽双层优化模型。算例验证了可补燃的生物质热电混合供能对提高系统能效、降低供能费用的设计目标。     

基于SWLSTM-Stacking集成学习的源荷区间预测方法

针对光伏出力和电动汽车充电特性的随机特性对电力系统的冲击不断增强,准确及时的源荷预测是实现增强电力系统适应性和稳定性的重要课题。因此,提出一种基于共享权重长短期记忆网络（shared weight long short-term networks,SWLSTM）与Stacking集成模型相结合的源荷区间预测方法。首先,光伏出力存在时序性特征,采用局部线性嵌入改进k-means算法聚类提取特征日,在实现数据降维同时,减少了网络训练难度;其次,在Stacking集成模型的框架下,将SWLSTM作为元学习器,并通过Q统计量筛选合适的基学习器模型,从而实现多模型融合的多异学习器Stacking集成学习的源荷预测;紧接着,为了得到预测的不确定信息,引入置信度区间预测;最后,采用实测数据对本文所提方法进行验证。结果表明改进k-means算法能够降低其求解难度,加快求解速度,可以快速获取聚类特征;所引入集成学习模型和置信度区间,有效表征源荷预测的不确定性,提升区间预测模型的泛化能力。