主動(dòng)配電網(wǎng)源-儲(chǔ)容量?jī)?yōu)化配置研究.pdf

1、隨著新能源發(fā)電技術(shù)的不斷發(fā)展和大規(guī)模應(yīng)用，在緩解傳統(tǒng)能源的同時(shí)造成了新能源利用率低、成本浪費(fèi)等一系列問(wèn)題，如何針對(duì)主動(dòng)配電網(wǎng)中提高分布式能源利用率、保證供電可靠性來(lái)對(duì)儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化配置是亟待解決的問(wèn)題。本文針對(duì)主動(dòng)配電網(wǎng)中分布式電源和儲(chǔ)能系統(tǒng)的容量配置問(wèn)題進(jìn)行研究，主要進(jìn)行以下幾個(gè)方面的研究:
　　首先，對(duì)分布式電源、可控能效負(fù)荷以及儲(chǔ)能系統(tǒng)進(jìn)行研究，建立了風(fēng)力發(fā)電和光伏發(fā)電系統(tǒng)的數(shù)學(xué)模型，建立了可控能效負(fù)荷包括空調(diào)、熱水器和照

2、明負(fù)荷的能耗響應(yīng)數(shù)學(xué)模型以及儲(chǔ)能系統(tǒng)和逆變器的數(shù)學(xué)模型。針對(duì)需求側(cè)能效負(fù)荷管理，結(jié)合分時(shí)電價(jià)和用戶滿意度的評(píng)價(jià)指標(biāo)研究了單體用戶可控能效負(fù)荷優(yōu)化調(diào)度策略，為了對(duì)儲(chǔ)能系統(tǒng)進(jìn)行合理利用制定了儲(chǔ)能系統(tǒng)充放電管理策略。
　　其次，為了選取典型的自然資源樣本，采用KMO和Bartlett球度檢驗(yàn)選取相關(guān)性最佳的樣本數(shù)據(jù)用于主成分分析，并且對(duì)小波-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中的權(quán)值、伸縮因子和平移因子采用動(dòng)量-自適應(yīng)學(xué)習(xí)速率進(jìn)行修正。針對(duì)多目標(biāo)分布

3、式電源和儲(chǔ)能系統(tǒng)容量?jī)?yōu)化配置問(wèn)題，采用和聲搜索算法進(jìn)行求解，對(duì)于算法所存在的收斂性能和容易陷入局部最優(yōu)等問(wèn)題進(jìn)行了改進(jìn)，對(duì)搜索過(guò)程中的記憶保留概率、和聲微調(diào)幅度和微調(diào)擾動(dòng)概率采用動(dòng)態(tài)參數(shù)模式進(jìn)行更新調(diào)整，與遺傳算法進(jìn)行融合提高其收斂性能。
　　而后，以夏季典型日和冬季典型日的風(fēng)速為例進(jìn)行短期風(fēng)功率預(yù)測(cè)，并與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和WNN網(wǎng)絡(luò)預(yù)測(cè)進(jìn)行對(duì)比，結(jié)果表明了基于主成分分析的改進(jìn)小波-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法的快速性和準(zhǔn)確性。在分布

4、式發(fā)電預(yù)測(cè)的基礎(chǔ)上，以主動(dòng)配電網(wǎng)中某地區(qū)夏季典型日和冬季典型日的風(fēng)速、太陽(yáng)光照和負(fù)荷需求數(shù)據(jù)為例，以分布式電源和儲(chǔ)能系統(tǒng)的配置成本、新能源棄電率和負(fù)荷缺電率為多目標(biāo)進(jìn)行優(yōu)化配置，通過(guò)算例驗(yàn)證了該模型和改進(jìn)的和聲搜索算法的正確性和有效性。
　　最后，為了進(jìn)一步降低配置容量和成本，通過(guò)需求側(cè)能效負(fù)荷優(yōu)化管理對(duì)分布式電源和儲(chǔ)能進(jìn)行容量?jī)?yōu)化配置，其配置結(jié)果與能效負(fù)荷優(yōu)化管理前相比，其配置成本下降了7.1％，負(fù)荷缺電率下降了2.8％，新能源