微電網(wǎng)可以有效解決大量分布式發(fā)電并網(wǎng)的問題,實(shí)現(xiàn)對分布式能源的最大化利用,保證負(fù)荷的供電可靠性和電網(wǎng)運(yùn)行的經(jīng)濟(jì)性,因此保障微電網(wǎng)的優(yōu)化運(yùn)行就顯得極其重要。本文以光伏微網(wǎng)為研究對象,對微網(wǎng)中用戶側(cè)負(fù)荷預(yù)測、光伏逆變器的控制和儲能蓄電池SOC預(yù)測展開了研究。本文的主要研究工作如下:本文首先分析了課題的研究背景及意義,介紹了光伏微網(wǎng)的基本概念及其優(yōu)化運(yùn)行的研究現(xiàn)狀,最后列舉了一些光伏微網(wǎng)的關(guān)鍵技術(shù),分別對負(fù)荷預(yù)測技術(shù)、光伏逆變器電流控制技術(shù)和儲能蓄電池SOC預(yù)測技術(shù)的研究現(xiàn)狀進(jìn)行了綜述。其次針對配電網(wǎng)絡(luò)中大量分布式電源的接入增加了用戶用電模式復(fù)雜度問題,提出了基于人體舒適度指數(shù)的改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)短期居民負(fù)荷預(yù)測方法。對居民負(fù)荷的特性和影響因素進(jìn)行了詳盡的分析,引入了人體舒適度指數(shù),研究了 Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),改進(jìn)了 Elman神經(jīng)網(wǎng)絡(luò)隱藏層的激活函數(shù)。在不同負(fù)荷類型情況下,該方法均提高了居民負(fù)荷的預(yù)測精度。然后在分析NPC三電平逆變器基本工作原理的基礎(chǔ)上,提出了一種NPC并網(wǎng)逆變器的RBF神經(jīng)網(wǎng)絡(luò)多步預(yù)測電流控制策略。對傳統(tǒng)逆變器電流控制策略進(jìn)行了分析,在傳統(tǒng)模型預(yù)測控制方法的基... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)??由Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖可知，承接層第Ｚ個單元々時刻的輸出為：??

］４〇?？??實(shí)際負(fù)荷???Ｅｌｍａｎ??Ｅｌｍａｎ??１２０??ＲＢＦ?１２０?．…ＲＢＦ??＾?改進(jìn)?Ｅｌｍａｎ?、?改進(jìn)?Ｅｌｍａｎ??＞?１００??１?－?＞?１００????？?？??搭?８０＿?？?？鋌?８０?＾??丨丨??〇??＇?＇?＇?＇??０?１?１?１?１???０?５?１０?１５?２０?２５?０?５?１０?１５?２０?２５??時間／ｈ?時間／ｈ??（Ｃ）?（ｄ）??圖２．４四個季節(jié)天氣的負(fù)荷預(yù)測結(jié)果：（ａ）春季；（ｂ）夏季；（ｃ）秋季；（ｄ）冬季??圖２．４為春夏秋冬四季中的一組負(fù)荷預(yù)測結(jié)果對比分析圖，由圖可以看出，??由于在夏季用電行為不確定性較大，導(dǎo)致在負(fù)荷波峰時段的預(yù)測精度有所下降。??表２．２是３種方法對四個季節(jié)的負(fù)荷分別進(jìn)行預(yù)測時的誤差，表中誤差均為３０??次實(shí)驗的平均值。在考慮溫度、濕度、風(fēng)速影響的情況下，改進(jìn)Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)??預(yù)測方法可以描述出影響因子和負(fù)荷之間的非線性關(guān)系，相應(yīng)的四個季節(jié)的預(yù)??測誤差都比ＲＢＦ神經(jīng)網(wǎng)絡(luò)和Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)預(yù)測方法的小，在一定程度上可以??提高居民負(fù)荷預(yù)測的精度。??表２．２四個季節(jié)的負(fù)荷預(yù)測誤差??ＭＡＰＥ／％??季節(jié)?ＲＢＦ?Ｅｌｍａｎ?改進(jìn)?Ｅｌｍａｎ??１００１?８３４?６＾５９??夏季?１０．７９?９．８７?８．２２??秋季?８．９５?８．５１?６：１０??冬季?９．２５?９．０４?７．７８??１６??

?ｏ?１?＇?＇?＇???０?５?１０?１５?２０?２５?０?５?１０?１５?２０?２５??時間／ｈ?時間／ｈ??（ａ）?（ｂ）??１６０?■?■?■?■???１４〇???實(shí)際負(fù)荷???Ｅｌｍａｎ??１２０?…．■…ＲＢＦ??改進(jìn)?Ｅｌｍａｎ??Ｉ?１００?■１??．?？??瘧?８０．?Ａｉｋ??０??１?１?１?１???０?５?１０?１５?２０?２５??時間／ｈ??（Ｃ）??圖２．５不同天氣類型的負(fù)荷預(yù)測結(jié)果：（ａ）連續(xù)晴天；（ｂ）連續(xù)雨天；（ｃ）連續(xù)陰天??表２．３不同天氣類型的負(fù)荷預(yù)測誤差??ＭＡＰＥ／％??氣候類型?ＲＢＦ?Ｅｌｍａｎ?改進(jìn)Ｅｌｍａｎ??連續(xù)晴天?￣?１０６４?７＾５９??連續(xù)雨天?１６．３０?１３．９２?１１．２４??連續(xù)陰天?１１．６１?１１．３８?９．２８??由圖２．５可以看出，Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)與ＲＢＦ神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果與實(shí)際輸??出存在一定的誤差，曲線擬合度較低。改進(jìn)Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果基本符??１７??

【參考文獻(xiàn)】：
期刊論文
[1]面向微電網(wǎng)源–儲–荷互動的分布式多目標(biāo)優(yōu)化算法研究[J]. 王僑僑,曾君,劉俊峰,陳劍龍,王振剛.  中國電機(jī)工程學(xué)報. 2020(05)
[2]基于一致性算法的戶用光伏逆變器和儲能分布式控制策略[J]. 張博,唐巍,蔡永翔,王照琪,李天銳,張涵.  電力系統(tǒng)自動化. 2020(02)
[3]估算鋰電池SOC的基于LM的BP神經(jīng)網(wǎng)絡(luò)算法[J]. 姚芳,張楠,黃凱.  電源技術(shù). 2019(09)
[4]計及電熱混合儲能的多源微網(wǎng)自治優(yōu)化運(yùn)行模型[J]. 滕云,孫鵬,羅桓桓,陳哲.  中國電機(jī)工程學(xué)報. 2019(18)
[5]含冰蓄冷裝置的冷電聯(lián)供型微網(wǎng)經(jīng)濟(jì)優(yōu)化運(yùn)行[J]. 施泉生,晏偉,任洪波,丁建勇.  電源學(xué)報. 2019(06)
[6]基于內(nèi)阻法修正的蓄電池卡爾曼濾波SOC估算[J]. 司偉,馮長江,黃天辰.  計算機(jī)測量與控制. 2018(12)
[7]基于改進(jìn)非線性下垂控制的微電網(wǎng)并/離網(wǎng)切換技術(shù)研究[J]. 王樹東,杜巍,王煥宇,林莉,陳維鉛.  電測與儀表. 2018(16)
[8]計及需求響應(yīng)的主動配電網(wǎng)短期負(fù)荷預(yù)測[J]. 蘇小林,劉孝杰,閻曉霞,王穆青,韓學(xué)楠.  電力系統(tǒng)自動化. 2018(10)
[9]基于深度信念網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法[J]. 孔祥玉,鄭鋒,鄂志君,曹旌,王鑫.  電力系統(tǒng)自動化. 2018(05)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)蓄電池荷電狀態(tài)估計[J]. 朱曉青,馬定寰,李圣清,吳文鳳,明瑤,張煜文.  電子測量與儀器學(xué)報. 2017(12)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的計算機(jī)視覺關(guān)鍵技術(shù)研究[D]. 李彥冬.電子科技大學(xué) 2017
[2]中國新能源發(fā)展研究[D]. 張海龍.吉林大學(xué) 2014

碩士論文
[1]微電網(wǎng)中三電平并網(wǎng)逆變器故障診斷研究[D]. 裴石磊.南昌大學(xué) 2019
[2]基于虛擬同步發(fā)電機(jī)的微網(wǎng)逆變器控制策略研究[D]. 詹子錄.南昌大學(xué) 2019
[3]基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)動力電池SOC估計研究[D]. 楊云龍.電子科技大學(xué) 2019
[4]光伏微電網(wǎng)發(fā)電預(yù)測與經(jīng)濟(jì)運(yùn)行研究[D]. 張程熠.浙江大學(xué) 2017
[5]基于自適應(yīng)遺傳算法的多目標(biāo)優(yōu)化研究[D]. 顧鵬程.南京航空航天大學(xué) 2016
[6]基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的蓄電池SOC檢測方法研究與實(shí)現(xiàn)[D]. 祁建佳.電子科技大學(xué) 2015
[7]分布式發(fā)電并網(wǎng)的綜合評價研究[D]. 李鈺龍.華北電力大學(xué) 2015
[8]基于混沌時間序列的短期負(fù)荷預(yù)測研究[D]. 郭杰昊.上海交通大學(xué) 2015
[9]基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[D]. 劉榮.浙江大學(xué) 2013



本文編號：3473559