本文選題：風(fēng)功率預(yù)測(cè)　切入點(diǎn)：集合經(jīng)驗(yàn)?zāi)B(tài)分解　出處：《武漢大學(xué)》2014年博士論文

【摘要】：風(fēng)電具有較強(qiáng)的間歇性和波動(dòng)性,風(fēng)電并網(wǎng)容量在電力系統(tǒng)中比重的增加,會(huì)給電網(wǎng)帶來一些不利影響,一定程度上影響電網(wǎng)的電能質(zhì)量,如電壓暫降和暫升、諧波問題的頻率偏差等,同時(shí)會(huì)降低系統(tǒng)調(diào)度運(yùn)行的可靠性,增加系統(tǒng)調(diào)度運(yùn)行成本。而提高風(fēng)功率預(yù)測(cè)水平和建立并求解合理的風(fēng)電并網(wǎng)情況下電力系統(tǒng)調(diào)度模型都能提高風(fēng)電利用水平,降低風(fēng)電并網(wǎng)后對(duì)電網(wǎng)造成的沖擊。在此背景下,本文基于風(fēng)功率預(yù)測(cè)和風(fēng)電并網(wǎng)后電力系統(tǒng)多目標(biāo)有功調(diào)度優(yōu)化展開研究,所做的主要工作如下： (1)從研究風(fēng)功率特性出發(fā),提出了一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和小波神經(jīng)網(wǎng)絡(luò)的新型風(fēng)功率組合預(yù)測(cè)模型。首先使用集合經(jīng)驗(yàn)?zāi)B(tài)分解降低風(fēng)功率信號(hào)的非平穩(wěn)性,接著采用相空間重構(gòu)挖掘各子序列信號(hào)的混沌特性,然后運(yùn)用小波神經(jīng)網(wǎng)絡(luò)對(duì)各子序列分別進(jìn)行建模預(yù)測(cè),最后將各子序列的預(yù)測(cè)結(jié)果疊加得到最終預(yù)測(cè)結(jié)果。實(shí)例研究表明,本文所提的組合預(yù)測(cè)模型具有較高的預(yù)測(cè)精度和較大的工程應(yīng)用潛力。 (2)針對(duì)傳統(tǒng)建模流程忽視預(yù)測(cè)模型學(xué)習(xí)效果這一弊端,結(jié)合自適應(yīng)擾動(dòng)粒子群算法和學(xué)習(xí)效果反饋機(jī)制,建立了一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和最小二乘支持向量機(jī)的風(fēng)速組合預(yù)測(cè)模型。首先使用集合經(jīng)驗(yàn)?zāi)B(tài)分解將風(fēng)速信號(hào)中真實(shí)存在的不同尺度趨勢(shì)或波動(dòng)逐級(jí)分解出來,然后對(duì)分解得到的子序列分別構(gòu)建最小二乘支持向量機(jī)預(yù)測(cè)模型,并基于自適應(yīng)擾動(dòng)粒子群算法和模型學(xué)習(xí)效果反饋機(jī)制綜合優(yōu)化各模型參數(shù),最后將各子序列預(yù)測(cè)結(jié)果疊加得到風(fēng)速預(yù)測(cè)值。實(shí)例研究表明,本文所提的組合預(yù)測(cè)方法取得了較好的預(yù)測(cè)效果。 (3)提出了一種精英云變異多目標(biāo)反向?qū)W習(xí)粒子群算法來求解計(jì)及風(fēng)電并網(wǎng)的電力系統(tǒng)多目標(biāo)調(diào)度。通過引入備用選擇集獲得歷史帕累托最優(yōu)解集和全局帕累托最優(yōu)解集,來提高算法的全局搜索能力；同時(shí)在粒子群算法中引入精英云變異和反向?qū)W習(xí)來提高算法性能,減小算法陷入局部最優(yōu)的概率；然后通過微距擾動(dòng)操作來尋找更真實(shí)的Pareto前沿；最后基于模糊理論選擇折中最優(yōu)解。將本文算法應(yīng)用于IEEE6機(jī)30節(jié)點(diǎn)的調(diào)度測(cè)試系統(tǒng),仿真結(jié)果驗(yàn)證了本文算法的有效性和先進(jìn)性。同時(shí)本文的研究結(jié)果認(rèn)為在對(duì)風(fēng)電并網(wǎng)容量進(jìn)行規(guī)劃時(shí),除了應(yīng)考慮環(huán)境、經(jīng)濟(jì)等因素外,更需要同時(shí)兼顧電力系統(tǒng)的安全穩(wěn)定性。 (4)電力系統(tǒng)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度在考慮各個(gè)時(shí)間斷面之間的聯(lián)系的情況下,以同時(shí)優(yōu)化常規(guī)機(jī)組的燃料成本最少和污染氣體排放量最小為目標(biāo),更符合電力系統(tǒng)調(diào)度運(yùn)行實(shí)際。然而目前鮮有文獻(xiàn)研究計(jì)及風(fēng)電并網(wǎng)情況下的電力系統(tǒng)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度問題。在此背景下,本文在建立計(jì)及風(fēng)電并網(wǎng)后的電力系統(tǒng)動(dòng)態(tài)環(huán)境經(jīng)濟(jì)調(diào)度模型的基礎(chǔ)上,探索采用一種多目標(biāo)量子人工魚群算法進(jìn)行模型求解,以期實(shí)現(xiàn)風(fēng)電并網(wǎng)后電力系統(tǒng)調(diào)度運(yùn)行中的環(huán)境經(jīng)濟(jì)性能指標(biāo)綜合最優(yōu)。 (5)提出了一種基于精英云變異多目標(biāo)反向?qū)W習(xí)粒子群算法和多目標(biāo)量子人工魚群算法的混合Pareto最優(yōu)解集法。基本思想是首先將兩種算法并行優(yōu)化,各自得到最優(yōu)解集；其次將各自得到的最優(yōu)解集進(jìn)行混合,然后對(duì)最優(yōu)解集進(jìn)行有效修整,從而得到新的Pareto最優(yōu)解集。將上述算法應(yīng)用于優(yōu)化G省電網(wǎng)節(jié)能調(diào)度模型中,取得了較好的優(yōu)化效果。與原有調(diào)度方案對(duì)比后發(fā)現(xiàn),采用混合Pareto最優(yōu)解集法優(yōu)化后的調(diào)度方案在實(shí)驗(yàn)當(dāng)天比原有調(diào)度方案節(jié)約購電成本55535.91元,減少二氧化碳排放2557.9533噸,減少二氧化硫22.30368噸,創(chuàng)造了較好的經(jīng)濟(jì)和社會(huì)效益。
[Abstract]:Wind power has strong intermittent and wave action , and the proportion of wind power grid capacity in electric power system is increased , which affects the power quality of power grid , such as voltage sag and transient rise , frequency deviation of harmonic problem , etc .

( 1 ) Based on the study of wind power characteristics , a new model of wind power combined prediction based on ensemble empirical mode decomposition and wavelet neural network is presented . Firstly , the non - stationarity of the wind power signal is reduced by using a set of empirical mode decomposition , then the chaotic characteristics of each sub - sequence signal are calculated by using wavelet neural network . Finally , the prediction result of each sub - sequence is superimposed to obtain the final prediction result .

( 2 ) In view of the disadvantages of the traditional modeling process that neglect the learning effect of the prediction model , a combined empirical mode decomposition and a learning effect feedback mechanism are combined to establish a combined empirical mode decomposition and least square support vector machine based wind speed combination forecasting model .

( 3 ) An elite cloud variation multi - objective inverse learning particle swarm optimization algorithm is proposed to solve the multi - objective scheduling of power system .
At the same time , we introduce elitist cloud variation and reverse learning in particle swarm optimization algorithm to improve the performance of the algorithm and reduce the probability that the algorithm gets into local optimum .
then finding a more realistic Pareto front edge through the micro - distance perturbation operation ;
In the end , based on fuzzy theory , the optimal solution is selected . The algorithm is applied to the scheduling test system of IEEE 6 - 30 node . The simulation results verify the validity and advancement of the algorithm . At the same time , the results of this paper consider that in planning the wind power grid capacity , besides the environmental and economic factors , the safety and stability of the power system should be taken into account .

( 4 ) The dynamic environmental economic dispatch of power system is based on the consideration of the connection between different sections of time , so as to optimize the fuel cost of the conventional unit and the minimum pollution gas discharge , which is more consistent with the operation of power system dispatching . However , there are few literatures and the dynamic environment economic scheduling problem of power system in the case of wind power grid network . In this background , this paper explores the model solving by using a multi - target quantum artificial fish swarm algorithm , in order to realize the comprehensive optimization of environmental economic performance indexes in the operation of power system dispatching after wind power grid .

( 5 ) A hybrid Pareto optimal solution method based on multi - objective inverse learning particle swarm optimization algorithm and multi - target quantum artificial fish swarm optimization algorithm is proposed .
A new Pareto optimal solution set is obtained by mixing the obtained optimal solution sets , and then the optimal solution set is effectively trimmed to obtain a new Pareto optimal solution set . Compared with the original scheduling scheme , the optimized scheduling scheme is applied to the optimization of the energy saving scheduling model of the G power grid , and the optimal solution set is obtained . Compared with the original scheduling scheme , the optimized scheduling scheme is saved by 555.91 yuan compared with the original scheduling scheme , the carbon dioxide emission is reduced by 2557.9533 tons , the sulfur dioxide is reduced by 22.30368 tons , and better economic and social benefits are created .

【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM614;TM73

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉琳;谷寒雨;席裕庚;;工件到達(dá)時(shí)間未知的動(dòng)態(tài)車間滾動(dòng)重調(diào)度[J];機(jī)械工程學(xué)報(bào);2008年05期

2 郭艷東;黃敏;王慶;;鎖定初始調(diào)度的緊急工作單機(jī)重調(diào)度問題[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

3 姜洋;孫偉;丁秋雷;張旭;;考慮行為主體的單機(jī)調(diào)度干擾管理模型[J];機(jī)械工程學(xué)報(bào);2013年14期

4 席裕庚,王長(zhǎng)軍;控制、規(guī)劃和調(diào)度問題中的博弈論應(yīng)用[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2005年01期

5 徐群嶺;;基于免疫優(yōu)化的公交駕駛員調(diào)度問題[J];計(jì)算機(jī)工程;2010年24期

6 喻道遠(yuǎn);史登松;劉盛強(qiáng);張三強(qiáng);;帶模糊排序的移動(dòng)瓶頸法求解不確定調(diào)度問題[J];機(jī)械制造;2011年02期

7 劉鵬;周曉曄;衣娜;;帶有減少線性惡化效應(yīng)的雙代理調(diào)度問題[J];系統(tǒng)工程學(xué)報(bào);2011年03期

8 劉曉東;陳英武;龍運(yùn)軍;賀仁杰;李菊芳;;同型機(jī)在線調(diào)度問題研究進(jìn)展[J];計(jì)算機(jī)集成制造系統(tǒng);2012年03期

9 姚君遺，楊善林，左春榮;基于實(shí)例FMS的AGV調(diào)度數(shù)學(xué)模型與算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年01期

10 董平;機(jī)器調(diào)度問題及求解方法[J];物流技術(shù)與應(yīng)用;1997年01期

相關(guān)會(huì)議論文 前10條

1 李建更;涂?jī)錾?馬海濤;;單機(jī)拖后時(shí)間總和問題交付期擾動(dòng)時(shí)最優(yōu)調(diào)度不變范圍的一種求法[A];第十九屆中國(guó)控制會(huì)議論文集（一）[C];2000年

2 劉海龍;黃小原;;總的未完工費(fèi)用最小的多機(jī)調(diào)度問題[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

3 沈吟東;曾西洋;;公共交通駕駛員調(diào)度的復(fù)雜性及解決方法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

4 李兵;蔣慰孫;;Job shop問題的建模及調(diào)度[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

5 王海星;申金升;;智能蟻群算法解決公交區(qū)域調(diào)度問題研究[A];2006年首屆ICT大會(huì)信息、知識(shí)、智能及其轉(zhuǎn)換理論第一次高峰論壇會(huì)議論文集[C];2006年

6 王成堯;汪定偉;;模糊加工時(shí)間的單機(jī)調(diào)度問題[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

7 齊向彤;涂奉生;;雙交付期E／T調(diào)度問題[A];1997年中國(guó)控制會(huì)議論文集[C];1997年

8 吳斌;方葉祥;崔志勇;;基于人工蜂群算法的越庫調(diào)度問題研究[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

9 方濤;吳受章;;FMS的自適應(yīng)調(diào)度:結(jié)構(gòu)與算法研究[A];1992年中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1992年

10 劉興初;趙千川;鄭大鐘;;具有不同準(zhǔn)備時(shí)間和交付期的單機(jī)E／T調(diào)度問題研究[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 賈科華;火電機(jī)組叫苦調(diào)度不合理[N];中國(guó)能源報(bào);2012年

2 本報(bào)記者 高芳;牽住“牛鼻子” 巧解“推進(jìn)難”[N];湖南經(jīng)濟(jì)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 郭鵬;具有分段惡化效應(yīng)生產(chǎn)過程的智能優(yōu)化調(diào)度研究[D];西南交通大學(xué);2014年

2 元野;基于圖著色模型的零擔(dān)物流調(diào)度優(yōu)化問題研究[D];哈爾濱工業(yè)大學(xué);2015年

3 李雪松;模糊環(huán)境下若干單機(jī)批加工調(diào)度問題的模型及其算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 湯雅連;關(guān)聯(lián)物流運(yùn)輸調(diào)度問題研究[D];廣東工業(yè)大學(xué);2015年

5 周理;高效可重構(gòu)陣列計(jì)算：體系結(jié)構(gòu)，設(shè)計(jì)方法與程序映射技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 馮大光;一類批處理機(jī)調(diào)度的理論和方法研究[D];東北大學(xué);2011年

7 孟盈;鋼鐵企業(yè)并行批生產(chǎn)決策與調(diào)度問題研究[D];東北大學(xué);2011年

8 楊磊;內(nèi)容網(wǎng)絡(luò)中內(nèi)容調(diào)度技術(shù)研究[D];重慶大學(xué);2015年

9 李亞志;流水制造單元調(diào)度智能優(yōu)化方法[D];東南大學(xué);2015年

10 丁寧;若干調(diào)度問題的算法研究[D];大連理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張亮;云計(jì)算環(huán)境下的資源調(diào)度技術(shù)的研究[D];江南大學(xué);2015年

2 馮卓鵬;重載運(yùn)輸卸車組織優(yōu)化研究[D];西南交通大學(xué);2015年

3 崔雪源;基于遺傳模擬退火算法的航班著陸調(diào)度問題[D];華中師范大學(xué);2015年

4 王翠;基于超圖模型和相繼干擾消除的鏈路調(diào)度問題的研究[D];曲阜師范大學(xué);2015年

5 張勇;帶拒絕和釋放時(shí)間的單機(jī)批調(diào)度問題[D];山東大學(xué);2015年

6 吳凡;基于粒子群優(yōu)化算法的風(fēng)電-火電機(jī)組組合調(diào)度研究[D];華北電力大學(xué);2015年

7 趙虎;MTO模式下的制造企業(yè)穩(wěn)健型調(diào)度問題研究[D];重慶理工大學(xué);2015年

8 吉佳紅;基于細(xì)菌覓食算法的改進(jìn)及應(yīng)用研究[D];江蘇科技大學(xué);2015年

9 周超;柔性作業(yè)車間批量問題研究[D];寧波大學(xué);2014年

10 趙興野;工序順序柔性作業(yè)車間描述與調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：1677223