针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划...针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。展开更多
大规模的电动汽车(plug-in electric vehicle,PEV)和风力、太阳能等可再生能源(renewable energy sources,RES)发电并网使未来智能配电网规划需考虑更多不确定因素。在考虑PEV充电随机性和RES出力间歇性的基础上,利用机会约束规划法建...大规模的电动汽车(plug-in electric vehicle,PEV)和风力、太阳能等可再生能源(renewable energy sources,RES)发电并网使未来智能配电网规划需考虑更多不确定因素。在考虑PEV充电随机性和RES出力间歇性的基础上,利用机会约束规划法建立了计及环境成本、DG总费用和有功损耗的多目标分布式电源优化配置模型,并提出一种考虑随机变量相关性的拉丁超立方采样蒙特卡洛模拟嵌入纵横交叉算法(crisscross optimization algorithm-correlation Latin hypercube sampling Monte Carlo simulation,CSO-CLMCS)的方法对优化模型进行求解。该方法首先根据PEV和RES的概率模型及随机变量间的相关性,利用CLMCS概率潮流计算方法计算配电网概率潮流,并根据概率潮流结果检验约束条件及计算目标函数值,最后由CSO算法进行全局寻优得到最优配置方案。采用实际算例进行仿真,结果验证了所提模型和方法的可行性和有效性。展开更多
文摘大规模的电动汽车(plug-in electric vehicle,PEV)和风力、太阳能等可再生能源(renewable energy sources,RES)发电并网使未来智能配电网规划需考虑更多不确定因素。在考虑PEV充电随机性和RES出力间歇性的基础上,利用机会约束规划法建立了计及环境成本、DG总费用和有功损耗的多目标分布式电源优化配置模型,并提出一种考虑随机变量相关性的拉丁超立方采样蒙特卡洛模拟嵌入纵横交叉算法(crisscross optimization algorithm-correlation Latin hypercube sampling Monte Carlo simulation,CSO-CLMCS)的方法对优化模型进行求解。该方法首先根据PEV和RES的概率模型及随机变量间的相关性,利用CLMCS概率潮流计算方法计算配电网概率潮流,并根据概率潮流结果检验约束条件及计算目标函数值,最后由CSO算法进行全局寻优得到最优配置方案。采用实际算例进行仿真,结果验证了所提模型和方法的可行性和有效性。
