微电网三相负荷不平衡的量子遗传优化算法研究

为了解决微电网中普遍存在的三相负荷不平衡问题,详细分析了微电网三相负荷不平衡特征,提出了一种新的微电网三相负荷计算方法,并采用了改进型量子遗传算法对模型进行优化求解。所用的量子优化算法中引入了双链式结构和动态旋转角调整策略,提出了一种新的改进型量子遗传算法,并求解得出合适的解,从而获得最优的三相负荷接入方案。最后通过算例仿真验证了所提模型、策略和算法的有效性和可行性。     

基于改进型下垂控制的微电网多主从混合协调控制

考虑到微电网中包含有多个分布式电源,需要根据分布式电源的类型采用不同的控制方法,从而实现不同的协调控制策略。在对传统的下垂控制进行改进的基础上,考虑到传统主从控制与对等控制的优缺点,提出了将改进型下垂控制应用到介于主从控制与对等控制之间的一种混合控制方法中,即两个或两个以上的分布式电源采用改进型下垂控制,并将这些下垂微电源整体作为主控部分,其余的微电源采用恒功率控制作为从控部分。最后,在MATLAB/Simulink软件中搭建了多下垂混合控制的微电网模型和传统的主从控制微电网模型,对两种控制的微电网分别进行孤岛、并网、投切负荷等操作进行了仿真比较,并分析了运行中各项参数变化的影响。仿真结果表明多下垂混合控制相比于传统的主从控制具有更好的适应性和稳定性。     

孤岛模式下光储直流微电网变功率控制策略

由于直流微电网中常用的分层控制方法具有微电网母线电压波动较大、蓄电池控制模式切换的次数较多、微电网的冗余功率较大的缺点,为此提出了变功率控制方法。以光伏电池、蓄电池和负荷构成的孤岛式直流微电网为研究对象,设计以光伏输出和负荷消耗的功率差为基准,调节蓄电池充放电的方向、功率的大小以及微电网的工作模式。MATLAB/Simulink仿真结果验证了所提控制方法的有效性和可行性,且所提控制方法能够实现微电网功率的平衡和电压的稳定,其控制性能明显优于常用的分层控制方法。     

基于密度峰值层次聚类的短期光伏功率预测模型EI北大核心CSCD

针对传统聚类算法不易选取初始聚类中心、对噪声值较敏感、收敛速度慢及易陷入局部最优等问题,提出一种基于密度峰值的层次聚类算法对天气类型进行聚类。首先确定气象数据的密度峰值参数,采用分层聚类算法将气象数据划分为不同类别,然后利用支持向量机(SVM)对未知天气类型进行识别,最终采用径向基(RBF)神经网络建立光伏发电短期功率预测模型。仿真结果表明,该方法能有效提高气象类型的分类精度、加快寻优速度,提高离群样本点分离的鲁棒性,证明了其在小样本的情况下具有较高的精度,且在天气波动较大时仍能较好地实现功率值的预测。     

基于改进型量子遗传算法的微网经济优化运行

微电网的经济优化调度是一个具有重要经济和社会效益的复杂问题。为了实现由分布式电源组成的微网以更为经济、灵活、环保的方式运行,充分发挥分布式电源的发电优势,针对微网优化调度的问题,提出了以电动汽车同时作为负荷和发电单元并且计及制热收益的微网多目标优化模型,并以经济效益最大化、环境成本最小化进行微网多目标优化。在优化求解过程中,文中所使用的量子优化算法中引入了双链式结构和动态旋转角调整策略,提出了一种新的改进型量子遗传算法,并与传统的遗传算法和基本的量子遗传算法进行了对比。最后通过算例验证了所提的模型、策略和算法的有效性和可行性。