【摘要】：針對微電網(wǎng)的運(yùn)行優(yōu)化問題,本文從研究太陽能光伏板、風(fēng)機(jī)和釩電池(Vanadium Redox Battery,VRB)在不同環(huán)境下的輸出功率出發(fā),對用戶負(fù)荷、可再生能源和儲能進(jìn)行了進(jìn)一步的優(yōu)化。結(jié)合優(yōu)化數(shù)據(jù)基于WinCC Open Architecture(簡稱,WinCC OA)平臺建立微電網(wǎng)的數(shù)據(jù)采集與監(jiān)控(Supervisory Control And Data Acquisition,SCADA)系統(tǒng),并對微電網(wǎng)中的多個影響因素進(jìn)行分析研究。本次研究的內(nèi)容如下:1)以微電網(wǎng)的收益為目標(biāo),構(gòu)建微電網(wǎng)各個電源發(fā)電及經(jīng)濟(jì)成本的數(shù)學(xué)模型,對影響微電網(wǎng)經(jīng)濟(jì)效益的因素進(jìn)行了識別和量化研究。分別從微電網(wǎng)的可靠性因子,可再生能源的負(fù)荷量以及用戶的失電率三個方面展開對微電網(wǎng)穩(wěn)定運(yùn)行的研究。在系統(tǒng)運(yùn)行約束條件和系統(tǒng)設(shè)計約束條件下,通過罰函數(shù)(Sequential Unconstrained Minimization Technique,SUMT)內(nèi)點法的懲罰策略把含有約束條件的目標(biāo)函數(shù)求解問題轉(zhuǎn)化為無約束條件的目標(biāo)函數(shù)求解問題,并且使用全面學(xué)習(xí)粒子群優(yōu)化算法(Comprehensive Learning Particle Swarm Optimization,CLPSO)對微電網(wǎng)的收益進(jìn)行優(yōu)化。2)對微電網(wǎng)優(yōu)化算法進(jìn)行了研究:首先,對常見的遺傳算法、粒子群算法等算法進(jìn)行對比研究,分析了粒子群算法在微電網(wǎng)優(yōu)化方向上的優(yōu)勢。然后,針對粒子群優(yōu)化算法容易陷入局部最優(yōu)、收斂慢、對微電網(wǎng)的優(yōu)化達(dá)不到最優(yōu)等缺點,對它進(jìn)行了改進(jìn)。本文在多種對粒子群改進(jìn)的算法進(jìn)行比對后,最終選擇了CLPSO算法,同時對CLPSO算法進(jìn)行了慣性權(quán)重系數(shù)、全面學(xué)習(xí)等方向的改進(jìn),對微電網(wǎng)的運(yùn)行模式進(jìn)行優(yōu)化調(diào)度。3)基于MATLAB平臺進(jìn)行了微電網(wǎng)經(jīng)濟(jì)效益影響因素的量化分析,構(gòu)建了基于分布式系統(tǒng)的區(qū)域微電網(wǎng)監(jiān)控管理體系�；赪INCC OA平臺構(gòu)建了微電網(wǎng)分布式監(jiān)控管理體系,可幫助微電網(wǎng)維修工作人員提高工作效率、提高微電網(wǎng)的安全穩(wěn)定性,為微電網(wǎng)監(jiān)控系統(tǒng)的編制提供借鑒和參考,具有廣泛的適用性。
【圖文】：

WINCCOA實訓(xùn)平臺Fig5.5WINCCOATrainingPlatform

WINCCOA軟件運(yùn)行狀態(tài)界面圖
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM73;TP18

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 何玉珠;張立彬;譚大鵬;張任;胡克用;;基于DPWS的智能微電網(wǎng)監(jiān)控系統(tǒng)的研究[J];太陽能學(xué)報;2015年12期

2 趙波;包侃侃;徐志成;張有兵;;考慮需求側(cè)響應(yīng)的光儲并網(wǎng)型微電網(wǎng)優(yōu)化配置[J];中國電機(jī)工程學(xué)報;2015年21期

3 劉勇智;李蒙湘;范冰潔;王珍;;含微型燃?xì)廨啓C(jī)的微電網(wǎng)優(yōu)化經(jīng)濟(jì)性研究[J];計算機(jī)仿真;2015年10期

4 劉美s，

本文編號：2703797