隨著國家對節(jié)能減排、綠色環(huán)保的重視程度日益提高,大力發(fā)展風力發(fā)電等清潔能源已經成為能源領域的一大趨勢。然而由于風電場出力具有顯著的隨機性和間歇性,風電的大量接入將對電力系統(tǒng)保持可靠穩(wěn)定供電的能力提出挑戰(zhàn)。近年來電力物聯(lián)網技術的發(fā)展和電力市場化改革的推進,也助推了需求側響應的相關研究和實踐。以溫控負荷為主要資源的需求側響應,是提高接入風電的電力系統(tǒng)保持供需平衡能力的有效手段。然而溫控負荷在響應特性上也具有一定不確定性。本文主要通過數(shù)據(jù)驅動的算法,對需求側的溫控負荷與供電側的風電場的不確定性進行評估,進而在考慮供需側不確定性的前提下對電力系統(tǒng)進行可靠性分析,主要研究內容如下:(1)提出了溫控負荷集群備用容量估計算法。首先基于電熱力學模型實現(xiàn)對溫控負荷個體的運行模式分析及建模,然后在考慮溫控負荷參與需求側響應時的模型參數(shù)和響應特性具有部分信息不確定性的前提下,提出基于K-means聚類算法和混合高斯模型的溫控負荷聚合算法,實現(xiàn)對溫控負荷集群的備用容量估計。(2)提出了多風電場風速概率分布估計算法。在考慮風電出力波動性的前提下,基于生成對抗網絡框架,通過歷史風電數(shù)據(jù)對二元人工神經網絡進行博弈訓...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1-1人工神經網絡示意圖

浙江大學碩士學位論文6題的求解，這與基于物理數(shù)學建模的模型驅動算法具有截然不同的思路[68]。近年來，隨著機器學習等領域深入研究和迅速發(fā)展，數(shù)據(jù)驅動算法被認為在解決傳統(tǒng)建模難以進行的復雜問題上具有巨大的潛力。機器學習以統(tǒng)計學為基礎，通過對數(shù)據(jù)的學習建立用于解決特定任務的模型，通常....

圖1-2本文研究框架示意圖

浙江大學碩士學位論文7力系統(tǒng)缺陷文本挖掘算法，實現(xiàn)了電力系統(tǒng)缺陷自動分類；文獻[74]基于極限學習機算法，結合電力系統(tǒng)頻率響應模型，提出了電力系統(tǒng)頻率穩(wěn)定控制算法；文獻[75]基于數(shù)據(jù)驅動算法對商業(yè)樓宇用電負荷進行研究，通過關鍵特征提取和ANN實現(xiàn)了用電負荷預測；文獻[76]結合....

圖2-1TCLs運行模型示意圖

浙江大學碩士學位論文110,()()0,()TrsetdTrsetdPTtTTPtTtTT保持不變，其它(1.4)圖2-1TCLs運行模型示意圖由式(1.1)—(1.4)可以推出，TCLs的平均運行功率為：()routsetTarGTTP(1.5)2.3.TCLs集群備用容量估計....

圖2-2TCLs模型參數(shù)分布示意圖

浙江大學碩士學位論文16中心集合計算結果，否則令t←t+1并重復步驟2進入下一輪迭代�；贙-means聚類最終確定的最優(yōu)聚類中心*1*1*2*2***{(,),(,),,(,)}ccNNrrrCGGG，可以通過下式對TCLs集群的平均運行功率()KTPp進行估計：**11()(....

本文編號：4005388