基于可再生能源和内部负荷不确定的社区能源的调度方法技术

本发明专利技术公开了基于可再生能源和内部负荷不确定的社区能源的调度方法，包括以下步骤：第一步，根据日前预测数据，建立可再生能源和内部负荷不确定性的多区间不确定性集，得到考虑区间不确定性的多组数据；第二步，将第一步得到的多组数据通过改进粒子群算法求解后，得到一系列确定性最优调度计划；第三步，通过选择与比较一系列短期预测和长期预测的确定性最优调度计划，并结合实时调整策略得到整个系统的最优进化调度方案。为了进一步防止算法在迭代过程中容易陷入局部极值，提出了最优解扰动算子来调整所有粒子之间的个人最优解和全局最优解。局最优解。局最优解。

【技术实现步骤摘要】
基于可再生能源和内部负荷不确定的社区能源的调度方法


[0001]本专利技术涉及综合能源优化调度
，具体为基于可再生能源和内部负荷不确定的社区能源的调度方法。

技术介绍

[0002]随着化石能源储备的逐渐短缺和日益严重的环境污染，迫使人们改革现有的能源消费模式，综合能源系统是这项改革的重要技术支持。综合社区能源系统作为综合能源系统的重要成员，其功能齐全，易于实现，具有广阔的前景。
[0003]为了避免能源的废弃，风能、太阳能等可再生能源的预测技术近年来得到了极大的发展。研究人员不但提出了一种基于布谷鸟搜索和差分进化算法的短期预测方法，而且提供了一种依赖自适应神经模糊推理系统的间歇性风能和光伏资源的长期预测方法。目前的风力发电机组和光伏发电机组预测技术虽然取得了很大的进步，但在预测精度方面仍存在一定偏差。这些偏差成为调度过程中的不确定因素。
[0004]最近几项关于电网的科学研究都集中在处理参数的不确定性上。基于基数集或随机优化的鲁棒优化是一种处理参数不确定性的可行技术。然而，与网格系统相比，内燃机系统的不确定性更为复杂。仅采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于可再生能源和内部负荷不确定的社区能源的调度方法，其特征在于，包括以下步骤：第一步，根据日前预测数据，建立可再生能源和内部负荷不确定性的多区间不确定性集，得到考虑区间不确定性的多组数据；第二步，将第一步得到的多组数据通过改进粒子群算法求解后，得到一系列确定性最优调度计划；第三步，通过选择与比较一系列短期预测和长期预测的确定性最优调度计划，并结合实时调整策略得到整个系统的最优进化调度方案。2.根据权利要求1所述的基于可再生能源和内部负荷不确定的社区能源的调度方法，其特征在于，第一步中所述的多区间不确定集，具体为：步骤一：建立可再生能源和内部负荷不确定性日前长期预测数据的单区间不确定性模型U，其中包含不确定参数u
t
、u
t
的偏差Δu
t
、u
t
的标称值和不确定性预算将u
t
和的差值控制在
±
Δu
t
内，并使步骤二：步骤一中建立了日前长期预测数据的单区间不确定性模型U，定义了单区间u
t
的值，在此基础上建立多区间不确定集；新增u
t
的偏差比以及上下界v
k，t
和比例系数ε
k，t
(ε
k，t
∈(0，1)、的乘积来确定的范围，其中Γ
k
是区间k的预算，k是每个区间的索引；预算Γ
k
如下所示：步骤三：将可再生能源和内部负荷不确定性日前长期预测数据引入步骤二建立的多区间不确定集模型，得到考虑多区间不确定性的多组数据。3.根据权利要求1所述的基于可再生能源和内部负荷不确定的社区能源的调度方法，其特征在于，第二步中所述的改进粒子群算法，具体为：步骤一：在正常的粒子群算法中，每个解分别由一组粒子表示，引入p
best
和g
best
分别代表粒子i的个人最佳解和在所有粒子中的全局最佳；c1、c2分别表示加速度常数；r1、r2是在0至1之间分布的随机数；N
cur
表示当前迭代次数；N表示为总迭代次数；为了得到最优解，更新速度v
i
和位置x
i
的公式描述如下：ω是惯性权重，用于平衡局部勘探和全球勘探，ω是惯性权重，用于平衡局部勘探和全球勘探，步骤二：在正常粒子群算法中改变了迭代中的惯性权ω演化方法；其中，rand(N
cur
)是当前迭代函数的随机概率；该策略使ω的调整范围逐渐被压缩，并整体呈非线性下降趋势；概率判...

【专利技术属性】
技术研发人员：刘兴华，谢胜寒，王昱博，吕文君，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：