针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信...针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的微电网可再生能源和负荷不确定性概率集合;建立了D-S(dempster-shafer)证据理论信息集成框架,提出了基于Kappa系数与准确率权重的证据修正方法,进而得到更高精度不确定性概率集合,得出源荷功率的概率分布模糊集。接着,建立配电网与多微电网两阶段滚动调度优化模型,即第一阶段预调度模型和第二阶段实时调控模型,第一阶段以实现配电网与多微电网区域全局运行经济最优为优化目标进行能量预分配;阶段二为实时运行调控阶段,考虑微电网内新能源实时出力的不确定性对分布式电源进行实时调控;两阶段鲁棒经济调度模型采用改进列约束生成方法(column-and-constraint generation,C&CG)和交叉方向乘子(alternating direction multiplier method,ADMM)和结合的内外双环算法分布式求解。仿真结果表明,有效提高了源荷预测不确定性下配-微电网市场安全可靠运行,提高了互联系统的新能源消纳率及经济收益。展开更多
文摘针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的微电网可再生能源和负荷不确定性概率集合;建立了D-S(dempster-shafer)证据理论信息集成框架,提出了基于Kappa系数与准确率权重的证据修正方法,进而得到更高精度不确定性概率集合,得出源荷功率的概率分布模糊集。接着,建立配电网与多微电网两阶段滚动调度优化模型,即第一阶段预调度模型和第二阶段实时调控模型,第一阶段以实现配电网与多微电网区域全局运行经济最优为优化目标进行能量预分配;阶段二为实时运行调控阶段,考虑微电网内新能源实时出力的不确定性对分布式电源进行实时调控;两阶段鲁棒经济调度模型采用改进列约束生成方法(column-and-constraint generation,C&CG)和交叉方向乘子(alternating direction multiplier method,ADMM)和结合的内外双环算法分布式求解。仿真结果表明,有效提高了源荷预测不确定性下配-微电网市场安全可靠运行,提高了互联系统的新能源消纳率及经济收益。
