能源是一個國家經(jīng)濟和社會發(fā)展的根基,隨著社會的進步、國家經(jīng)濟的飛速發(fā)展,我國的能源需求量呈穩(wěn)步上升態(tài)勢,然而化石能源正面臨著逐年枯竭的危機,與此同時我國將可持續(xù)發(fā)展納入經(jīng)濟發(fā)展目標,在追求經(jīng)濟快速發(fā)展的同時重視環(huán)境保護,因此大力發(fā)展可再生能源、提高可再生能源利用率成為發(fā)展經(jīng)濟的關(guān)鍵。風能作為我國儲量較多、分布較廣且成本較低的可再生能源得到了廣泛的應用。我國不僅在全球風電總裝機量占比中位居一位,同時也是全球風電裝機容量增長最迅速的國家。然而隨著風電并網(wǎng)規(guī)模的逐漸增大,風電在帶來優(yōu)勢的同時也使電力系統(tǒng)運行面臨著全新的挑戰(zhàn),風能作為不可控的自然資源,具有波動性、隨機性、反調(diào)峰性等固有特性,電力系統(tǒng)調(diào)度操作可能因此作出棄風的決定,造成了清潔能源的浪費。因此建立新的更為準確的含大規(guī)模風電電力系統(tǒng)經(jīng)濟調(diào)度模型,在維持電力系統(tǒng)安全穩(wěn)定運行、促進可再生能源消納、提高電力系統(tǒng)運行的經(jīng)濟性等方面具有重要意義。風電功率預測是含大規(guī)模風電電力系統(tǒng)調(diào)度的基礎(chǔ),首先通過對影響風電功率預測的因素進行分析后,確定風電功率預測的輸入數(shù)據(jù)并對其進行預處理,利用萬有引力搜索算法優(yōu)化后的BP神經(jīng)網(wǎng)絡對風電功率進行點預測�？紤]... 

【文章來源】：青島大學山東省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 風電功率預測研究現(xiàn)狀
        1.2.2 含風電的電力系統(tǒng)經(jīng)濟調(diào)度現(xiàn)狀
        1.2.3 含風電的電力系統(tǒng)經(jīng)濟調(diào)度模型求解
    1.3 本文的主要工作
第二章 風電功率區(qū)間預測
    2.1 基于多參數(shù)的風電功率預測
        2.1.1 參數(shù)介紹
        2.1.2 數(shù)據(jù)預處理
    2.2 改進萬有引力搜索對BP神經(jīng)網(wǎng)絡的優(yōu)化
        2.2.1 BP神經(jīng)網(wǎng)絡
        2.2.2 萬有引力搜索算法
        2.2.3 基于GSA的BP神經(jīng)網(wǎng)絡預測模型
    2.3 風電功率的區(qū)間預測
        2.3.1 風電功率預測的區(qū)間構(gòu)造
        2.3.2 非參數(shù)概率密度估計
        2.3.3 風電功率區(qū)間預測
        2.3.4 風電場短期功率區(qū)間預測模型建立
    2.4 算例分析
    2.5 本章小結(jié)
第三章 含大規(guī)模風電的電力系統(tǒng)經(jīng)濟優(yōu)化調(diào)度模型研究
    3.1 電力系統(tǒng)優(yōu)化經(jīng)濟調(diào)度模型
    3.2 考慮綜合運行成本的火電機組成本建模
    3.3 大規(guī)模風電并網(wǎng)對電力系統(tǒng)經(jīng)濟調(diào)度的影響
        3.3.1 風電并網(wǎng)對環(huán)保成本及發(fā)電成本的影響
        3.3.2 風電并網(wǎng)對備用容量設(shè)置的影響
        3.3.3 風電并網(wǎng)對系統(tǒng)調(diào)峰的影響
    3.4 綜合考慮風電成本建模
        3.4.1 棄電懲罰成本建模
        3.4.2 棄風懲罰成本系數(shù)確定
        3.4.3 風電運營成本建模
        3.4.4 風電總成本建模
    3.5 計及棄風懲罰的電力系統(tǒng)綜合經(jīng)濟調(diào)度模型
        3.5.1 目標函數(shù)
        3.5.2 約束條件
    3.6 本章小結(jié)
第四章 計及棄風懲罰的電力系統(tǒng)綜合經(jīng)濟調(diào)度模型求解
    4.1 改進的粒子群算法
        4.1.1 粒子群算法的基本原理
        4.1.2 權(quán)重因子更新策略
        4.1.3 模擬退火思想改進的粒子群算法
    4.2 算例分析
        4.2.1 仿真參數(shù)設(shè)置
        4.2.2 電力系統(tǒng)經(jīng)濟優(yōu)化調(diào)度結(jié)果分析
        4.2.3 優(yōu)化算法分析結(jié)果
    4.3 本章小結(jié)
第五章 結(jié)論與展望
參考文獻
攻讀學位期間研究成果
致謝


【參考文獻】：
期刊論文
[1]適應大規(guī)模新能源并網(wǎng)的電力系統(tǒng)備用配置及優(yōu)化綜述[J]. 楊肖虎,羅劍波,郁琛,謝東亮,葛睿,馮長有.  電力工程技術(shù). 2020(01)
[2]自適應變異粒子群優(yōu)化BP的短期風電功率預測模型[J]. 王粟,邱春輝,曾亮.  華僑大學學報(自然科學版). 2020(01)
[3]基于APSO-GSA和相關(guān)向量機的短期風電功率預測[J]. 田壁源,劉琪,張新燕,王昱潔,張怡帆,郭紅艷,常喜強.  電力系統(tǒng)保護與控制. 2020(02)
[4]動態(tài)調(diào)整慣性權(quán)重的粒子群算法優(yōu)化[J]. 吳靜,羅楊.  計算機系統(tǒng)應用. 2019(12)
[5]新中國電力工業(yè)70年發(fā)展成就[J]. 白玫.  電器工業(yè). 2019(12)
[6]火電燃煤電廠環(huán)�，F(xiàn)狀及應對措施[J]. 賈昌明.  節(jié)能. 2019(11)
[7]基于熵模型的粒子群優(yōu)化算法[J]. 孫騫,高嶺,劉濤,姚軍,王海.  東南大學學報(自然科學版). 2019(06)
[8]計及火電機組深度調(diào)峰成本的大規(guī)模風電并網(wǎng)魯棒優(yōu)化調(diào)度[J]. 王淑云,婁素華,吳耀武,曹侃,周鯤鵬.  電力系統(tǒng)自動化. 2020(01)
[9]大規(guī)模新能源接入弱同步支撐直流送端電網(wǎng)的運行控制技術(shù)綜述[J]. 李冬梅.  河南科技. 2019(31)
[10]基于降噪時序深度學習網(wǎng)絡的風電功率短期預測方法[J]. 曹有為,閆雙紅,劉海濤,郭力.  電力系統(tǒng)及其自動化學報. 2020(01)



本文編號：3038555