由于資源短缺以及電網(wǎng)規(guī)模的不斷加大,傳統(tǒng)的靠火力發(fā)電滿足日益增長的負(fù)荷需求的發(fā)電模式,不再適用于未來電網(wǎng)的發(fā)展需要,所以電力部門引入了清潔能源發(fā)電配合火力發(fā)電以解決這一問題,但是,大規(guī)模清潔能源的并網(wǎng)帶來的是調(diào)度難度的加大,如何協(xié)調(diào)源荷雙側(cè)資源,保障居民用電是論文所要解決的問題,為此,論文在考慮源荷雙側(cè)不確定性情況下,對互聯(lián)電網(wǎng)的經(jīng)濟調(diào)度問題展開研究。論文將兩區(qū)域互聯(lián)電網(wǎng)分為源側(cè)調(diào)度和荷側(cè)調(diào)度兩個部分,對兩部分資源分別進行調(diào)度。第一部分針對負(fù)荷側(cè)資源,建立了兩階段負(fù)荷曲線優(yōu)化模型。首先,在日前時間尺度,建立了負(fù)荷聚合商非合作博弈模型,以各負(fù)荷聚合商為博弈局中人,以各負(fù)荷聚合商在負(fù)荷高峰時段的負(fù)荷削減策略為策略空間,以每個負(fù)荷聚合商的利潤為收益函數(shù),目的為尋找均衡點,在該均衡點,每個負(fù)荷聚合商為保持均衡,不得改變自身策略以獲得更大利潤;然后,在日內(nèi)時間尺度,建立了負(fù)荷聚合商內(nèi)部負(fù)荷調(diào)度模型,每個負(fù)荷聚合商將日前博弈結(jié)果作為日內(nèi)模型的一個約束,以全天負(fù)荷方差最小為目標(biāo),對其管轄范圍內(nèi)的負(fù)荷獨立進行調(diào)度;最后,通過粒子群算法、免疫粒子群算法、量子粒子群算法、協(xié)同免疫量子粒子群算法對上述兩個模... 

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電網(wǎng)調(diào)度的研究現(xiàn)狀
        1.2.2 負(fù)荷聚合商的原理及其相關(guān)研究
        1.2.3 人工智能技術(shù)的發(fā)展及其在電網(wǎng)調(diào)度中的應(yīng)用
    1.3 論文內(nèi)容及組織結(jié)構(gòu)
第二章 考慮源荷不確定性和負(fù)荷聚合商的互聯(lián)電網(wǎng)調(diào)度機制
    2.1 負(fù)荷聚合商參與調(diào)度的機制
    2.2 互聯(lián)電網(wǎng)系統(tǒng)架構(gòu)
    2.3 風(fēng)電機組特性分析
    2.4 負(fù)荷特性分析
    2.5 本章小結(jié)
第三章 基于負(fù)荷聚合商非合作博弈的負(fù)荷曲線優(yōu)化模型
    3.1 負(fù)荷聚合商日前博弈模型
        3.1.1 負(fù)荷聚合商日前決策投標(biāo)模型
        3.1.2 負(fù)荷聚合商非合作博弈模型
    3.2 負(fù)荷聚合商日內(nèi)調(diào)度模型
    3.3 求解算法
        3.3.1 粒子群優(yōu)化算法
        3.3.2 免疫粒子群優(yōu)化算法
        3.3.3 量子粒子群優(yōu)化算法
        3.3.4 協(xié)同免疫量子粒子群優(yōu)化算法
    3.4 算例分析
        3.4.1 算例描述
        3.4.2 仿真結(jié)果分析
    3.5 本章小結(jié)
第四章 考慮源荷雙側(cè)不確定性的互聯(lián)電網(wǎng)動態(tài)調(diào)度分層學(xué)習(xí)優(yōu)化
    4.1 互聯(lián)電網(wǎng)動態(tài)調(diào)度分層模型
        4.1.1 分層機制
        4.1.2 上層調(diào)度模型
        4.1.3 下層調(diào)度模型
    4.2 互聯(lián)電網(wǎng)動態(tài)調(diào)度馬爾科夫模型
        4.2.1 離散化處理
        4.2.2 上層狀態(tài)空間和行動集
        4.2.3 上層目標(biāo)函數(shù)和代價設(shè)置
        4.2.4 下層狀態(tài)空間和行動集
        4.2.5 下層目標(biāo)函數(shù)和代價設(shè)置
    4.3 求解算法
        4.3.1 強化學(xué)習(xí)算法
        4.3.2 分層Q學(xué)習(xí)算法
    4.4 算例分析
        4.4.1 算例描述
        4.4.2 仿真結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況



本文編號：3727135