智能電網(wǎng)是未來電網(wǎng)的發(fā)展趨勢,它使用雙向的電力和信息流來建立自動(dòng)化的分布式高級(jí)能源輸送網(wǎng)絡(luò),是對(duì)于傳統(tǒng)電網(wǎng)的補(bǔ)充和增強(qiáng)。智能電網(wǎng)使用信息化的、雙向的、安全的通信技術(shù)和計(jì)算智能為核心,包含發(fā)電、輸電、配電、變電站、消費(fèi)等功能,實(shí)現(xiàn)清潔、安全、可靠、彈性、高效、可持續(xù)的電力系統(tǒng)。本文針對(duì)智能電網(wǎng)中的能源調(diào)度最優(yōu)化問題,設(shè)計(jì)了兩種能源調(diào)度策略,并提出了相應(yīng)的算法來尋找問題的最優(yōu)解。第一種是基于實(shí)時(shí)電價(jià)的需求響應(yīng)管理策略。需求響應(yīng)是終端用戶因電價(jià)隨時(shí)間的變化而改變其正常的用電模式,或?yàn)樵谂l(fā)市場價(jià)格高或系統(tǒng)可靠性受到威脅時(shí)降低用電量而支付獎(jiǎng)勵(lì)金。通過促進(jìn)用戶的互動(dòng)和響應(yīng),需求響應(yīng)為用戶和公共事業(yè)單位帶來了經(jīng)濟(jì)效益并使整個(gè)電網(wǎng)更加穩(wěn)定和可靠。本文設(shè)計(jì)的策略中用戶共有三種類型的負(fù)載:基礎(chǔ)負(fù)載、彈性負(fù)載和儲(chǔ)能設(shè)備�；A(chǔ)負(fù)載在每個(gè)時(shí)間段都會(huì)消耗固定的電量且無法調(diào)整;彈性負(fù)載有自己的預(yù)期消耗電量,實(shí)際消耗的電量越多,用戶的滿意度就越高,為了反映用戶的用電量和滿意度的關(guān)系,構(gòu)造了一個(gè)滿意度函數(shù);儲(chǔ)能設(shè)備在實(shí)時(shí)電價(jià)較低的時(shí)候可以儲(chǔ)存電能,電價(jià)較高的時(shí)候釋放電能供用戶使用,為用戶帶來一些利益,0-1變量被用來... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
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 微電網(wǎng)
        1.2.2 需求響應(yīng)
        1.2.3 電動(dòng)汽車
    1.3 本文主要研究內(nèi)容
    1.4 本文主要研究創(chuàng)新點(diǎn)
第二章 優(yōu)化算法
    2.1 凸優(yōu)化問題
    2.2 人工神經(jīng)網(wǎng)絡(luò)算法
        2.2.1 人工神經(jīng)網(wǎng)絡(luò)集中式算法
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)分布式算法
    2.3 智能算法
        2.3.1 粒子群算法
        2.3.2 差分進(jìn)化算法
    2.4 人工神經(jīng)網(wǎng)絡(luò)與粒子群結(jié)合的算法
第三章 一種考慮儲(chǔ)能設(shè)備的實(shí)時(shí)電價(jià)需求響應(yīng)管理策略
    3.1 系統(tǒng)模型
        3.1.1 基礎(chǔ)負(fù)載
        3.1.2 彈性負(fù)載
        3.1.3 儲(chǔ)能設(shè)備
        3.1.4 優(yōu)化模型
    3.2 人工神經(jīng)網(wǎng)絡(luò)梯度算法
        3.2.1 算法設(shè)計(jì)
        3.2.2 收斂性分析
    3.3 人工神經(jīng)網(wǎng)絡(luò)慣性算法
        3.3.1 算法設(shè)計(jì)
        3.3.2 收斂性分析
    3.4 慣性算法與粒子群結(jié)合算法
        3.4.1 算法設(shè)計(jì)
    3.5 仿真實(shí)例和對(duì)比試驗(yàn)
第四章 一種考慮用戶端和發(fā)電端的完全分布式的能源調(diào)度策略
    4.1 系統(tǒng)模型
        4.1.1 用戶端模型
        4.1.2 發(fā)電端模型
        4.1.3 優(yōu)化模型
    4.2 人工神經(jīng)網(wǎng)絡(luò)與差分進(jìn)化結(jié)合的算法
        4.2.1 人工神經(jīng)網(wǎng)絡(luò)梯度法
        4.2.2 收斂性分析
        4.2.3 梯度法與差分進(jìn)化算法結(jié)合的算法
        4.2.4 仿真實(shí)例與對(duì)比試驗(yàn)
    4.3 新的人工神經(jīng)網(wǎng)絡(luò)分布式算法
        4.3.1 算法設(shè)計(jì)
        4.3.2 收斂性分析
        4.3.3 仿真實(shí)例與對(duì)比試驗(yàn)
第五章 結(jié)論與展望
參考文獻(xiàn)
致謝
攻讀碩士期間已發(fā)表的論文
攻讀碩士期間參加的科研項(xiàng)目



本文編號(hào)：3180169