针对现有配电网鲁棒调度方法缺乏对不确定参数相关性问题的考虑,提出了一种基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法。首先,构建分布式光伏出力的传统多面体集合,利用历史数据驱动形成了相关性包络图,通过弯曲多面体集合...针对现有配电网鲁棒调度方法缺乏对不确定参数相关性问题的考虑,提出了一种基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法。首先,构建分布式光伏出力的传统多面体集合,利用历史数据驱动形成了相关性包络图,通过弯曲多面体集合边界,建立了相关性多面体集合模型。然后,在此基础上,针对相关性多面体集合存在鲁棒性差和保守性大的问题,建立了数据驱动的多面体集合模型。进一步,建立了基于数据驱动多面体集合的交直流混合配电网鲁棒调度模型,并采用列与约束生成(column and constraint generation,CCG)算法对鲁棒调度模型进行求解。最后,改进的IEEE33节点系统仿真结果表明,基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法可以减少优化结果的保守性,提高其鲁棒性,证明了所提出方法的有效性。展开更多
分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCE...分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCES结构与运行状态,利用关键状态量和偏移量变化将运行状态划分为正常、恢复、临界及紧急状态;其次,构建深度长短期记忆(long-short term memory,LSTM)模型,并利用改进粒子群算法进行超参数优化,提升预测模型性能;最后,利用测试集数据对柯西变异的粒子群算法(Cauchy mutation particle swarm optimization,CMPSO)和LSTM相结合的模型进行预测仿真,将其与RNN、LSTM及BP神经网络预测结果对比分析。结果表明:CMPSO-LSTM模型能提高预测效果,更具实际意义。展开更多
文摘针对现有配电网鲁棒调度方法缺乏对不确定参数相关性问题的考虑,提出了一种基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法。首先,构建分布式光伏出力的传统多面体集合,利用历史数据驱动形成了相关性包络图,通过弯曲多面体集合边界,建立了相关性多面体集合模型。然后,在此基础上,针对相关性多面体集合存在鲁棒性差和保守性大的问题,建立了数据驱动的多面体集合模型。进一步,建立了基于数据驱动多面体集合的交直流混合配电网鲁棒调度模型,并采用列与约束生成(column and constraint generation,CCG)算法对鲁棒调度模型进行求解。最后,改进的IEEE33节点系统仿真结果表明,基于数据驱动多面体集合的交直流混合配电网鲁棒调度方法可以减少优化结果的保守性,提高其鲁棒性,证明了所提出方法的有效性。
文摘分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCES结构与运行状态,利用关键状态量和偏移量变化将运行状态划分为正常、恢复、临界及紧急状态;其次,构建深度长短期记忆(long-short term memory,LSTM)模型,并利用改进粒子群算法进行超参数优化,提升预测模型性能;最后,利用测试集数据对柯西变异的粒子群算法(Cauchy mutation particle swarm optimization,CMPSO)和LSTM相结合的模型进行预测仿真,将其与RNN、LSTM及BP神经网络预测结果对比分析。结果表明:CMPSO-LSTM模型能提高预测效果,更具实际意义。
