基于PCC-ML深度学习的微电网多目标协调优化运行 |
| |
引用本文: | 李建杰,盖鹏宇,王历华,张健,孙洪波,辛春青.基于PCC-ML深度学习的微电网多目标协调优化运行[J].电气传动,2023(5):17-24. |
| |
作者姓名: | 李建杰 盖鹏宇 王历华 张健 孙洪波 辛春青 |
| |
作者单位: | 国网山东省电力公司滨州供电公司 |
| |
摘 要: | 为提高微电网可再生能源优化配置,降低微电网源荷不确定性,提出基于Pearson相关系数元学习(PCC-ML)源荷预测的微电网多目标协调调度优化方法。首先,运用Pearson相关性分析(PCC)分析原始多维输入变量组成的时间序列,通过元学习(ML)对微电网源荷数据进行特征提取、候选模型准备、标记、离线训练和在线预测结果评估5个过程管理;然后,基于预测结果建立微电网两阶段滚动调度优化模型,阶段一为日前预调度阶段,以实现微电网区域全局运行经济性最优为优化目标;阶段二为实时运行调控阶段,考虑微电网新能源实时出力不确定性,对预测偏差实时调控,实现微电网各设备运行成本最优。接着,利用列约束生成算法(C&CG)分解为主、子问题进行交互迭代求解两阶段优化模型。最后,算例分析表明所提方法能满足可见和不可见预测任务的性能需求,提高微电网经济收益。
|
关 键 词: | 微电网 源荷预测 元学习 调度优化 列约束生成算法 |
|
|