微电网超短期负荷预测及优化调度研究

作     者：边思宇 

作者单位：吉林大学 

学位级别：硕士

导师姓名：周逢道

授予年度：2022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：微电网 超短期负荷预测 长短期记忆神经网络 优化调度 改进粒子群算法 

摘      要：近年来,全球环境污染、能源短缺等问题日益严峻,世界各国正加大对新能源开发利用的研究力度。微电网系统凭借可再生能源利用率高与控制灵活等优势得到了广泛的应用。但是微电网系统中分布式电源和用户负荷的功率具有很强的不确定性,为了保证微电网的供电可靠性,需要对电力负荷进行超短期预测来获取更精确的数据。同时,随着微电网系统的广泛应用,如何在安全稳定运行的基础上实现经济最优也成为了微电网研究中的关键问题。针对上述问题,本文对微电网的超短期负荷预测和多时间尺度优化调度进行了深入研究,主要研究内容如下:（1）针对微电网负荷预测精度低的问题,构建了基于粒子群优化的长短期记忆神经网络超短期负荷预测模型,通过粒子群算法对神经网络中的重要参数进行组合寻优,将原本凭经验和实验调整参数的过程改为启发式算法自主寻优的过程。经相关性分析确定最高温度、平均温度、最低温度、相对湿度、降水量、日类型为负荷的主要影响因素,与历史负荷数据共同作为模型的输入变量。结合实际算例对神经网络的预测效果进行测试,结果证明基于粒子群优化的长短期记忆神经网络能够在提升预测精度的同时节省调参时间。（2）针对微电网优化调度中粒子群算法搜索能力有限,容易陷入局部最优的问题,设计了一种改进的免疫粒子群算法,通过引入免疫机制加强算法的全局搜索能力,避免陷入局部最优。并在免疫粒子群算法的基础上引入线性微分递减的惯性权重和线性调整的学习因子,使算法在整个迭代过程中都具有良好的搜索能力。根据某地微电网系统建立一个包括光伏阵列、风力机组、微型燃气轮机以及蓄电池储能系统的微电网仿真模型,结合算例数据对算法进行测试,与粒子群算法和免疫粒子群算法进行对比,改进的免疫粒子群算法有效地提高了微电网经济优化效果。（3）针对日前优化调度中短期预测数据误差较大,导致在优化的过程中无法充分利用可再生能源的问题,制定微电网多时间尺度的优化调度策略,包括日前和日内两个时间尺度。在日前调度阶段以日运行成本最低为目标函数进行优化,在日内滚动优化阶段结合负荷的超短期预测值,考虑可再生能源利用率和数据偏差的基础上对日前调度策略进行修正,最终确定孤岛型微电网的调度方案。结合算例进行仿真分析,通过日内优化对各分布式电源的出力进行合理的调整,能够进一步提升微电网的稳定性和优化效果。综合上述,本文通过使用基于粒子群优化的长短期记忆神经网络对负荷进行超短期预测,根据预测所得数据使用改进的免疫粒子群算法进行优化调度,并制定多时间尺度优化调度策略,通过算例仿真验证了调度策略的可行性,有效提高了微电网的经济性与可靠性,微电网的优化运行提供一定的参考。