排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
针对微电网中源荷匹配较弱及储能应用不充分的问题,计及需求侧管理与碳排放对其源荷储进行协调优化。所研究的并网型微网优化分为需求侧管理与调度两阶段。首先,第一阶段引入需求侧管理模型,结合储能电池并采用纵横交叉算法求解,使微网的净负荷最小与自供率最大。然后,第二阶段依托第一阶段需求侧管理后的信息从经济和环保角度出发,建立以综合成本最小及碳排放量最低为目标的风光燃储微网日前优化调度模型,利用改进多目标灰狼优化算法进行求解。最后,以福建某实际微网为例,通过仿真表明引入需求侧管理可有效利用储能电池改善微网源荷匹配度,充分挖掘需求响应潜力。相比单阶段优化,两阶段优化更有利于提高可再生能源渗透率,降低微网日运行成本与碳排放量,实现微网的低碳经济运行。 相似文献
2.
3.
4.
提出一种综合灰色关联理论的数据挖掘方法选取相似日,运用自适应动态权重的变异蝙蝠算法优化DBN神经网络。首先从历史数据集和预测日数据两方面分析主要影响光伏发电功率的因素,通过在原有模糊灰色关联分析的基础上,引入计算事物各属性发展趋势相似程度为衡量标准的综合灰色关联理论,选取更高相似度的相似日;利用自适应动态权重蝙蝠算法对DBN的权值参数进行优化,以此改进神经网络训练过程中因初始权值选取不当而陷入局部最优或收敛时间过长等问题。建立短期光伏功率预测模型,将此模型与其他预测模型进行对比,实验结果表明该模型更具预测精准性。 相似文献
5.
提出一种基于改进集成经验模态分解(MEEMD)和拟仿射变换(QUATRE)优化双向长短期记忆神经网络(BILSTM)的光伏出力区间预测模型。通过主成分分析法(PCA)对时间序列进行降维处理,利用K-均值算法将降维数据分成3种类型气象数据;然后采用MEEMD对每类光伏出力序列进行分解,将其输入QUATRE优化BILSTM神经网络和核密度估计算法(KDE)联合构建的短期光伏出力区间预测模型。最后基于宁夏光伏电站实例仿真评估模型区间预测性能,实验结果表明该模型可生成高水平光伏预测区间,能够为电力系统经济稳定运行提供可靠的决策保障。 相似文献
1