本书全面系统地介绍微能网数智化规划与运行控制的理论与应用方法。内容涵盖可再生能源场景生成、微能网设备模型构建、优化配置、系统优化运行智能调度等多个方面，深入探讨光储充一体化微能网、氢-电耦合及氢-电-热耦合区域供能系统的能量优化调度方法。本书的特点在于结合人工智能、进化模糊逻辑、混合学习及强化学习等前沿技术，提出多种创新性的算法和模型，以应对微能网规划与运行中的复杂性和不确定性。
样章试读
目录
- 目录
第1章 绪论 1
1.1 引言 1
1.2 背景与挑战 2
1.3 研究现状与趋势 3
1.3.1 微能网规划 3
1.3.2 微能网运行控制 6
1.3.3 研究不足与局限 7
参考文献 8
第2章 微能网数智化规划与运行控制基础理论 15
2.1 引言 15
2.2 人工智能及其在电网领域的应用 16
2.3 可再生能源系统不确定性建模与表征 22
2.3.1 场景分析法的基本原理 22
2.3.2 基于生成对抗网络的场景分析法 23
2.3.3 常用的改进生成对抗网络 24
2.3.4 多时间尺度发电功率预测 26
2.3.5 可再生能源出力场景生成 28
2.4 微能网设备模型构建及优化配置 29
2.4.1 能量生产设备 30
2.4.2 能量转换设备 30
2.4.3 能量储存设备 32
2.4.4 微能网典型结构分析 33
2.4.5 微能网容量优化配置模型 34
2.5 微能网系统优化运行智能调度 35
2.5.1 日前优化调度方法 35
2.5.2 日内滚动优化方法 36
2.5.3 实时决策调控方法 37
2.6 本章小结 38
参考文献 38
第3章 数据驱动可再生能源场景可控生成方法 49
3.1 引言 49
3.2 可再生能源场景特性表征方法 50
3.3 基于生成对抗网络的可控场景生成 51
3.3.1 可控可解释生成模型框架 51
3.3.2 算法流程与数学描述 52
3.4 算例验证与分析 54
3.4.1 数据及模型参数描述 54
3.4.2 场景生成统计相似性评价 55
3.4.3 可控场景模式生成验证 58
3.5 本章小结 62
参考文献 62
第4章 考虑能量优化管理策略的微能网最优容量规划方法 64
4.1 引言 64
4.2 系统模型和方法概述 65
4.2.1 并网型微能网系统结构 65
4.2.2 整体方法概述 66
4.3 可再生能源出力场景生成方法 67
4.3.1 基于改进DCGAN的可再生能源出力场景生成 67
4.3.2 基于改进k-medoids方法的场景削减 69
4.4 微能网最优容量规划问题建模 71
4.4.1 微能网能量管理策略 71
4.4.2 微能网规划模型决策变量 72
4.4.3 微能网规划模型目标函数 72
4.4.4 微能网规划模型约束条件 74
4.5 算例验证与分析 75
4.5.1 数据描述和模型参数设置 75
4.5.2 可再生能源出力场景生成结果分析 77
4.5.3 场景聚类结果分析 78
4.5.4 最优容量配置结果和对比算例分析 79
4.6 本章小结 83
参考文献 83
第5章 光储充一体化微能网协同优化规划方法 85
5.1 引言 85
5.2 电动汽车充电行为影响因素 86
5.3 电动汽车出行和充电需求预测模型 88
5.3.1 蒙特卡罗模拟方法 88
5.3.2 基于时间-电量的充电需求预测方法 91
5.3.3 算例验证与分析 97
5.4 基于重力空间互动模型的电动汽车流量分析 101
5.4.1 重力空间互动模型 102
5.4.2 电动汽车流量分析模型 104
5.5 基于排队论的电动汽车快速充电站模型 105
5.5.1 排队理论模型 105
5.5.2 电动汽车快速充电站排队模型 107
5.6 考虑经济性的电动汽车快速充电站规划 109
5.6.1 经济性规划模型构建 109
5.6.2 算例验证与分析 112
5.7 分布式电源出力不确定性分析 116
5.7.1 聚类算法 116
5.7.2 算例分析 118
5.8 电动汽车充电站与分布式电源协同规划 119
5.8.1 分层求解方法 119
5.8.2 规划流程 121
5.8.3 算例验证与分析 124
5.9 本章小结 128
参考文献 129
第6章 基于进化模糊逻辑的微能网多目标优化调度方法 130
6.1 引言 130
6.2 并网模式下微能网多目标优化与调度 131
6.3 基于自适应模糊推理系统的实时决策方法 133
6.3.1 模糊推理系统 134
6.3.2 新型启发式优化算法 135
6.3.3 自适应进化模糊推理系统 137
6.4 算例验证与分析 139
6.4.1 仿真设置及对比方法描述 139
6.4.2 可解释性知识库自适应优化结果 141
6.4.3 多目标评价下能量调度结果分析 144
6.5 本章小结 147
参考文献 148
第7章 基于模仿学习与云-边计算框架的微能网调度方法 150
7.1 引言 150
7.2 孤岛模式下微能网经济运行与调度 151
7.3 基于模仿学习范式的实时决策方法 153
7.3.1 云-边计算架构下能量管理 153
7.3.2 模仿学习范式 154
7.3.3 基于端到端模仿学习的实时调度模型 156
7.4 算例验证与分析 159
7.4.1 仿真设置及对比方法描述 159
7.4.2 经济运行调度结果分析 161
7.5 本章小结 164
参考文献 164
第8章 基于混合学习的微能网实时电价下经济调度方法 165
8.1 引言 165
8.2 实时电价下微能网经济运行与调度 166
8.3 基于混合机器学习的实时决策方法 167
8.3.1 混合机器学习决策模型框架 167
8.3.2 基于无监督学习的模式感知 168
8.3.3 基于监督学习的决策调度 169
8.4 算例验证与分析 171
8.4.1 仿真设置 171
8.4.2 实时调度结果及分析 172
8.4.3 不同方法经济性比较 174
8.5 本章小结 177
参考文献 177
第9章 基于改进强化学习的微能网经济调度方法 178
9.1 引言 178
9.2 微能网经济调度问题建模 178
9.2.1 微能网经济调度目标 178
9.2.2 微能网运行约束 179
9.2.3 微能网广义产消能力 181
9.3 强化学习算法模型设计 181
9.3.1 基本模型 181
9.3.2 DQN算法及其改进算法 183
9.4 微能网场景下的改进强化学习算法 184
9.4.1 算例分析 187
9.4.2 确定性场景 188
9.4.3 随机性场景 192
9.5 本章小结 195
参考文献 195
第10章 光伏发电制氢系统功率协同控制方法 196
10.1 引言 196
10.2 典型结构光伏阵列动态重构方法 196
10.2.1 SP 结构光伏阵列模型 197
10.2.2 拓扑重构策略 198
10.2.3 重构优化算法 199
10.2.4 算例验证与分析 201
10.3 组串式光伏阵列动态重构方法 206
10.3.1 TCT结构光伏阵列模型 207
10.3.2 拓扑重构策略 207
10.3.3 重构优化算法 210
10.3.4 算例验证与分析 212
10.4 基于电流注入装置的光伏阵列动态重构方法 216
10.4.1 拓扑重构策略 216
10.4.2 重构优化算法 217
10.4.3 算例验证及分析 219
10.5 系统模型 220
10.5.1 光伏发电制氢系统模型 220
10.5.2 各设备单元数学模型 222
10.6 功率协同控制策略 223
10.6.1 FLF算法模型 223
10.6.2 基于FLF算法的功率协同控制策略 224
10.7 算例验证与分析 228
10.7.1 数据及模型参数描述 228
10.7.2 功率协同控制结果分析 229
10.8 本章小结 236
参考文献 236
第11章 氢-电耦合微能网系统的能量优化调度方法 238
11.1 引言 238
11.2 氢-电耦合微能网系统能量优化调度方法 238
11.2.1 系统模型 239
11.2.2 两阶段能量优化调度算法 241
11.2.3 算例验证与分析 244
11.3 计及短距离输氢的氢-电-热微能网系统能量优化调度方法 252
11.3.1 系统模型 252
11.3.2 多时间尺度的能量优化调度算法 254
11.4 算例验证与分析 258
11.4.1 数据及模型参数描述 259
11.4.2 日前规划结果分析 261
11.4.3 日内调度结果分析 263
11.5 本章小结 267
参考文献 267
第12章 氢-电-热耦合区域供能系统能量优化调度方法 270
12.1 引言 270
12.2 系统模型 270
12.2.1 HRES 系统模型 270
12.2.2 各设备单元数学模型 271
12.2.3 能量平衡模型 272
12.2.4 配电网潮流模型 273
12.3 多阶段多时间尺度能量优化调度方法 274
12.3.1 日前规划阶段 275
12.3.2 日内滚动调度阶段 276
12.3.3 电力实时调度阶段 277
12.4 算例验证与分析 277
12.4.1 数据及模型参数描述 278
12.4.2 运行调度结果分析 280
12.5 本章小结 284
参考文献 284
第13章 结语 286
13.1 总结 286
13.2 研究展望 288
京公网安备 11010102004214号