發(fā)布時(shí)間：2024-07-11 06:33

　　隨著國(guó)家對(duì)節(jié)能減排、綠色環(huán)保的重視程度日益提高,大力發(fā)展風(fēng)力發(fā)電等清潔能源已經(jīng)成為能源領(lǐng)域的一大趨勢(shì)。然而由于風(fēng)電場(chǎng)出力具有顯著的隨機(jī)性和間歇性,風(fēng)電的大量接入將對(duì)電力系統(tǒng)保持可靠穩(wěn)定供電的能力提出挑戰(zhàn)。近年來電力物聯(lián)網(wǎng)技術(shù)的發(fā)展和電力市場(chǎng)化改革的推進(jìn),也助推了需求側(cè)響應(yīng)的相關(guān)研究和實(shí)踐。以溫控負(fù)荷為主要資源的需求側(cè)響應(yīng),是提高接入風(fēng)電的電力系統(tǒng)保持供需平衡能力的有效手段。然而溫控負(fù)荷在響應(yīng)特性上也具有一定不確定性。本文主要通過數(shù)據(jù)驅(qū)動(dòng)的算法,對(duì)需求側(cè)的溫控負(fù)荷與供電側(cè)的風(fēng)電場(chǎng)的不確定性進(jìn)行評(píng)估,進(jìn)而在考慮供需側(cè)不確定性的前提下對(duì)電力系統(tǒng)進(jìn)行可靠性分析,主要研究?jī)?nèi)容如下:(1)提出了溫控負(fù)荷集群備用容量估計(jì)算法。首先基于電熱力學(xué)模型實(shí)現(xiàn)對(duì)溫控負(fù)荷個(gè)體的運(yùn)行模式分析及建模,然后在考慮溫控負(fù)荷參與需求側(cè)響應(yīng)時(shí)的模型參數(shù)和響應(yīng)特性具有部分信息不確定性的前提下,提出基于K-means聚類算法和混合高斯模型的溫控負(fù)荷聚合算法,實(shí)現(xiàn)對(duì)溫控負(fù)荷集群的備用容量估計(jì)。(2)提出了多風(fēng)電場(chǎng)風(fēng)速概率分布估計(jì)算法。在考慮風(fēng)電出力波動(dòng)性的前提下,基于生成對(duì)抗網(wǎng)絡(luò)框架,通過歷史風(fēng)電數(shù)據(jù)對(duì)二元人工神經(jīng)網(wǎng)絡(luò)進(jìn)行博弈訓(xùn)...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1人工神經(jīng)網(wǎng)絡(luò)示意圖

浙江大學(xué)碩士學(xué)位論文6題的求解，這與基于物理數(shù)學(xué)建模的模型驅(qū)動(dòng)算法具有截然不同的思路[68]。近年來，隨著機(jī)器學(xué)習(xí)等領(lǐng)域深入研究和迅速發(fā)展，數(shù)據(jù)驅(qū)動(dòng)算法被認(rèn)為在解決傳統(tǒng)建模難以進(jìn)行的復(fù)雜問題上具有巨大的潛力。機(jī)器學(xué)習(xí)以統(tǒng)計(jì)學(xué)為基礎(chǔ)，通過對(duì)數(shù)據(jù)的學(xué)習(xí)建立用于解決特定任務(wù)的模型，通常....

圖1-2本文研究框架示意圖

浙江大學(xué)碩士學(xué)位論文7力系統(tǒng)缺陷文本挖掘算法，實(shí)現(xiàn)了電力系統(tǒng)缺陷自動(dòng)分類；文獻(xiàn)[74]基于極限學(xué)習(xí)機(jī)算法，結(jié)合電力系統(tǒng)頻率響應(yīng)模型，提出了電力系統(tǒng)頻率穩(wěn)定控制算法；文獻(xiàn)[75]基于數(shù)據(jù)驅(qū)動(dòng)算法對(duì)商業(yè)樓宇用電負(fù)荷進(jìn)行研究，通過關(guān)鍵特征提取和ANN實(shí)現(xiàn)了用電負(fù)荷預(yù)測(cè)；文獻(xiàn)[76]結(jié)合....

圖2-1TCLs運(yùn)行模型示意圖

浙江大學(xué)碩士學(xué)位論文110,()()0,()TrsetdTrsetdPTtTTPtTtTT保持不變，其它(1.4)圖2-1TCLs運(yùn)行模型示意圖由式(1.1)—(1.4)可以推出，TCLs的平均運(yùn)行功率為：()routsetTarGTTP(1.5)2.3.TCLs集群備用容量估計(jì)....

圖2-2TCLs模型參數(shù)分布示意圖

浙江大學(xué)碩士學(xué)位論文16中心集合計(jì)算結(jié)果，否則令t←t+1并重復(fù)步驟2進(jìn)入下一輪迭代。基于K-means聚類最終確定的最優(yōu)聚類中心*1*1*2*2***{(,),(,),,(,)}ccNNrrrCGGG，可以通過下式對(duì)TCLs集群的平均運(yùn)行功率()KTPp進(jìn)行估計(jì)：**11()(....

本文編號(hào)：4005388