基于粒子群算法的微电网优化调度应用研究（六、总结与展望）

如灬初

已于 2022-03-01 11:57:01 修改

阅读量883

点赞数 1

分类专栏： CNN、LSTM及粒子群优化算法在微电网调度中的应用文章标签：算法

于 2022-03-01 11:56:47 首次发布

本文链接：https://blog.csdn.net/weixin_49305883/article/details/123202579

版权

本文探讨了基于粒子群算法的微电网优化调度，通过整合负荷预测和多目标优化，提升了调度模型的准确性。研究显示，提出的模型能降低运行成本，提高风光渗透率。未来研究方向包括考虑更多分布式电源类型、改进预测模型和优化算法，以及研究微电网并网调度。

摘要由CSDN通过智能技术生成

总结与展望

6.1 结论

本文在传统的微电网调度方法的基础之上，综合考虑了在微电网优化过程中的负荷预测和多目标优化调度，让调度模型相对于传统模型更加完善。以本国内的一个资源丰富地区为案例进行分析，对微电网进行优化调度。通过优化后的运行计划与原始运行计划相比，建立的负荷预测模型准确度较高，经过优化后的运行计划使得系统在能满足符合要求的同时降低运行成本并提高风光渗透率。本文主要工作如下：

(1)通过阅读国内外微电网优化调度相关论文建立了微电网中各个分布式发电单元模型。随着目前微电网技术的发展，本文考虑了风力发电系统、光伏发电系统、柴油发电系统、储能系统。并对每一个系统都做了详细介绍并构建了出力模型

(2)对于发电成本中添加了对环境影响需要支出的成本，为了大力推动可持续发展，环境问题也使目前微电网建设过程中需要重点考虑的问题。尤其对于可再生能源发电，环境成本一定要考虑在内，否则将会产生不公平的现象抑制其发展。

(3)在建立调度计划的同时考虑了负荷以及可再生分布式电源出力的预测模型，通过长短期记忆网络(LSTM)和卷积神经网络借助大量的历史数据构建了对负荷以及可再生分布式电源出力的预测模型，使整个微电网优化调度模型更加完善，负荷以及可再生分布式电源出力预测是微电网优化调度的前提。尤其对于不确定性的可再生能源发电极为重要。