论文部分内容阅读
近年来,微电网技术迅速发展,以降低能源成本,减少碳排放量,提高服务可靠性为目标,协调微电网内的可再生能源,存储装置,可控负荷等设备,进而实现微电网的安全、稳定、经济运行。光伏发电预测和能源优化调度是微电网控制和调度系统的重要组成部分,其精确的光伏预测精度和合理的调度策略能够保证微电网系统安全稳定的运行。同时对电力系统调度、电力市场营销以及发电公司竞价上网都具有很大的影响。 本研究主要内容包括:⑴光伏发电系统的输出功率受到太阳辐射强度、温度和湿度等环境因素和气象因素的影响,呈现出时变性、间歇性和随机性。对其进行精确预测具有很大的挑战,因此选择合适的预测算法进行建模,提高光伏发电系统输出功率的预测精度。本文提出了基于相似日原理和改进的BP神经网络预测算法,对晴天、阴天、雨天三个样本集分别进行了预测并与实际值进行分析比较,结果显示改进的BP算法比传统的BP算法预测精度提高很多,证明了该算法的正确性及有效性。⑵可再生能源的间歇性和负荷的随机性对微电网能源管理系统产生了巨大的挑战。在随机环境下的能源优化调度问题在微电网的研究中具有重要意义。以微电网中光伏发电系统的功率预测为基础,基于光伏发电预测的不确定性,在随机环境下的能源优化调度的问题成为本文的另一个研究重点。本文将光伏预测误差作为随机变量,建立了一种基于期望模型的能源随机优化调度模型。用MonteCarlo模拟方法生成了光伏发电预测误差的情景集,应用粒子群优化算法来解决随机优化调度模型。通过与确定性模型产生的调度方案相对比,证明了基于随机规划的调度模型能考虑光伏发电预测的不确定性,更符合微电网系统运行中的实际情况,调度结果也可有效地减少不确定性带来的经济损失及各种风险。