社区微电网源荷预测及其优化调度

作     者：基成烨 

作者单位：南京信息工程大学 

学位级别：硕士

导师姓名：侯健敏;王南高

授予年度：2020年

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：社区微电网 光伏发电量预测 电力负荷预测 优化调度 

摘      要：社区微电网由分布式电源、储能系统和控制系统等组成,为居民提供稳定可靠的电力供应。光伏发电系统由于其技术成熟、建设周期短、成本低、无污染等优点,成为了分布式电源中最常见的能源供应形式。但光伏发电系统因受到昼夜季节变化和气象因素等影响,其出力具有间歇性和波动性,对社区微电网的安全供电和经济调度有很大影响。同时社区微电网中居民的生活习惯使用电负荷具有随机性,这也对社区微电网的经济调度产生较大影响。储能系统可为这些挑战提供解决方案。同时结合合理的发电量预测和负荷预测,来构建社区微电网优化调度策略。主要研究内容如下:（1）构建并网社区微电网系统模型。根据光照强度、环境温度、风速和光伏面板温度系数等参数建立光伏发电单元模型;从清洁性、发电效率等角度出发,选择污染物排放低、燃料利用率高的天然气微型燃气轮机;从安全性、成本等因素考虑,选择技术成熟、维护成本低、安全性高的蓄电池单元模型;电动汽车单元模型建立随机充电单元模型和有序充放电单元模型。其中光伏发电单元模型用于光伏发电量预测,微型燃气轮机单元模型、蓄电池单元模型和电动汽车单元模型用于社区微电网优化调度研究。（2）建立LSTM-1DCNN（长短期记忆及一维卷积神经网络混合模型）混合预测模型。在光伏发电量预测时,通过对气象特征和时间特征进行分析,确定历史光伏发电数据、太阳辐射、漫射辐射、温度、空气湿度作为光伏发电LSTM-1DCNN预测模型的输入数据。在电力负荷预测时,通过灰色关联度系数、统计时间特征分析等,确定历史电力负荷数据和人体舒适度指数作为电力负荷LSTM-1DCNN预测模型的输入数据。在此基础上设置合理参数实现光伏发电量预测和电力负荷预测。（3）针对社区微电网优化调度问题,考虑到电动汽车的普及率和充放电特性,将电动汽车作为储能设备参与社区微电网优化调度。在光伏发电量预测和电力负荷预测的基础上,建立运行成本最小、排放成本最低的优化调度模型,采用改进粒子群算法对调度策略进行求解。结果表明,电动汽车有序充放电策略下的社区微电网运营运行成本,能够起到削峰填谷和负荷转移的作用。