含风电电力系统的在线调度算法研究.doc
约71页DOC格式手机打开展开
含风电电力系统的在线调度算法研究,2.9万字 31页原创作品已通过查重系统摘要本文针对风力发电的特点和经济调度的要求，对含风电场的电力系统在线调度问题进行研究。首先利用灰色理论进行短期风电功率预测，建立了gm（11）风速及功率预测模型。为了配合日调度计划的安排，又利用小波-bp神经网络进行风电日功率预测。经算例检验，带有...
内容介绍
此文档由会员 第二波打卡 发布
含风电电力系统的在线调度算法研究
2.9万字 31页 原创作品已通过查重系统
摘 要
本文针对风力发电的特点和经济调度的要求，对含风电场的电力系统在线调度问题进行研究。首先利用灰色理论进行短期风电功率预测，建立了GM（11）风速及功率预测模型。为了配合日调度计划的安排，又利用小波-BP神经网络进行风电日功率预测。经算例检验，带有小波分解的风电功率预测效果比单神经网络的预测效果更佳。
其次完成风电预测工作之后，本文提出了考虑风电在内的改进粒子群算法进行在线调度，并与传统的内点法调度结果进行对比。改进粒子群算法程序中采用MATPOWER子程序，很好的满足了等式约束条件，加快了求解速度，并且可以更为精确的求解网损值。同时引入遗传算法，对限制在局部最优解或者早熟的粒子进行变异，从而扩大了搜索空间。同时变异的引入增加了粒子找到全局最优解的概率。
再次提出一种改进的PHR算法进行在线调度。该算法对参数的初始化更加合理，不再凭借经验或者随意赋值，而是事先对各个独立时段进行优化，得到乘子的初始值，减少了带有全局约束和局部约束的主问题的迭代次数。其次，在求解的过程中使用BFGS算法求解无约束子问题，并使用Armijo近似线搜索代替精确一维线搜索，加快了计算速度。
本文所用的在线调度算法均使用IEEE-24系统进行计算分析，从而证明新方法的合理性和可行性。
关键词：在线调度；风电预测；灰色理论；小波-BP神经网络；改进粒子群算法；改进PHR算法
2.9万字 31页 原创作品已通过查重系统
摘 要
本文针对风力发电的特点和经济调度的要求，对含风电场的电力系统在线调度问题进行研究。首先利用灰色理论进行短期风电功率预测，建立了GM（11）风速及功率预测模型。为了配合日调度计划的安排，又利用小波-BP神经网络进行风电日功率预测。经算例检验，带有小波分解的风电功率预测效果比单神经网络的预测效果更佳。
其次完成风电预测工作之后，本文提出了考虑风电在内的改进粒子群算法进行在线调度，并与传统的内点法调度结果进行对比。改进粒子群算法程序中采用MATPOWER子程序，很好的满足了等式约束条件，加快了求解速度，并且可以更为精确的求解网损值。同时引入遗传算法，对限制在局部最优解或者早熟的粒子进行变异，从而扩大了搜索空间。同时变异的引入增加了粒子找到全局最优解的概率。
再次提出一种改进的PHR算法进行在线调度。该算法对参数的初始化更加合理，不再凭借经验或者随意赋值，而是事先对各个独立时段进行优化，得到乘子的初始值，减少了带有全局约束和局部约束的主问题的迭代次数。其次，在求解的过程中使用BFGS算法求解无约束子问题，并使用Armijo近似线搜索代替精确一维线搜索，加快了计算速度。
本文所用的在线调度算法均使用IEEE-24系统进行计算分析，从而证明新方法的合理性和可行性。
关键词：在线调度；风电预测；灰色理论；小波-BP神经网络；改进粒子群算法；改进PHR算法
