基于机器学习的源荷互动微电网优化调度

作     者：周步祥 徐艺宾 ZHOU Buxiang;XU Yibin

作者机构：四川大学电气工程学院成都610065 

出 版 物：《电力系统及其自动化学报》 (Proceedings of the CSU-EPSA)

年 卷 期：2022年第34卷第2期

页      面：144-150页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主　　题：微电网 K-means聚类方法 支持向量机 模型预测控制 优化调度 

摘      要：为了发挥微网电力市场的活力,实现清洁能源的优化配置,提高微电网消纳率,在融合半监督K-means聚类分析方法和支持向量机2种机器学习算法的基础上,提出了微电网源荷协调优化调度方法。首先利用改进的K-means聚类算法对源荷历史数据进行预处理。其次运用SVM对聚类后的微电网源荷数据进行预测,在预测结果中选取典型场景,以典型场景为代表准确得出风电出力的概率分布。然后建立了微电网总运行成本优化模型,通过用户需求响应引导用户响应风电出力,增加模型源荷双方的协调互动性,提高风电与用电负荷的匹配程度。最后,通过仿真验证表明文章算法缩小预测值和实际值之间的误差,提高微电网系统实时预测精度,增加微电网经济收益。