精确预测光伏发电功率对电网的安全与经济运行具有重要的意义,但因光伏发电具有时序性、间歇性、波动性以及高非线性等特征,难以深度挖掘数据隐含信息。针对此类问题,提出了一种基于结合时变数据增强(time-varying data enhancement,TDE...精确预测光伏发电功率对电网的安全与经济运行具有重要的意义,但因光伏发电具有时序性、间歇性、波动性以及高非线性等特征,难以深度挖掘数据隐含信息。针对此类问题,提出了一种基于结合时变数据增强(time-varying data enhancement,TDE)、蛇优化算法(snake optimizer,SO)、自适应权重模块(adaptive weight module,AWM)和门控循环单元(gated-recurrent unit,GRU)的光伏发电功率预测模型,通过强相关TDE提升数据特征的表现力,并构造全新的输入矩阵,然后利用AWM对增强后的输入矩阵进行自动赋权处理进入GRU进行预测,同时考虑到组合模型超参数选择困难的问题,引入SO对模型的最佳阈值进行寻找以发挥模型最大性能。最后,使用某光伏发电站实际数据对模型进行验证,结果表明:所提模型可有效提升光伏发电功率的预测精度。展开更多
虚拟电厂(virtual power plant,VPP)作为一种新型区域能源管理系统,可通过“源—荷—储”的协调优化调度,高效参与电网二次调频辅助服务。介绍虚拟电厂内部结构,建模分析新能源机组及可控负荷特性;搭建虚拟电厂参与二次调频两阶段调度模...虚拟电厂(virtual power plant,VPP)作为一种新型区域能源管理系统,可通过“源—荷—储”的协调优化调度,高效参与电网二次调频辅助服务。介绍虚拟电厂内部结构,建模分析新能源机组及可控负荷特性;搭建虚拟电厂参与二次调频两阶段调度模型,该模型能够兼顾二次调频净利润及调频效果;研究一种自适应权重的改进量子粒子群优化(quantum particle swarm optimization,QPSO)算法,通过引入自适应权重机制,在量子粒子更新过程中动态调整权重参数以提高算法的搜索能力和收敛速度;并将改进算法应用于两阶段优化过程中,使虚拟电厂获得更高的二次调频净利润及更好的调频效果;仿真结果表明,所提改进算法的收敛速度更快且全局寻优能力更强。展开更多
