基于宽度学习预测的可重构多微电网随机优化框架

针对多微电网稳定性差、能量管理复杂等问题，提出一种智能随机优化框架，对可再生能源普及率较高的微电网系统进行优化运行和管理。该模型考虑了电动汽车的高移动充电需求以及可再生能源的随机性。为了减轻车辆对单个微电网的负面影响，采用V2G方案，并与微电网成本函数兼容。作为可再生能源的支持策略，提出一种基于UT框架和宽度学习的深度学习的概率方法，该方法考虑到可再生能源的随机性，将系统运行在安全区域。在此基础上，设计一种基于改进SCE(Shuffled Complex Evolution)的智能优化算法，在全局空间寻找最优解。通过IEEE测试系统检验了该模型的适用性。