含碳捕集热电机组的虚拟电厂热电联合优化调度

燃煤热电机组特有的以热定电工作模式,会导致系统缺乏新能源消纳能力与调峰能力,且在运行过程中排放大量二氧化碳。为了促进新能源消纳和减少系统碳排放,同时提升热电机组的调峰能力,引入风电供热设备与碳捕集技术,将一定供热区域内的碳捕集热电厂、风电供热设备、风电场与光伏电站组成虚拟电厂。论文根据虚拟电厂的电源构成及其运行机理,建立了虚拟电厂热电联合优化调度模型,使用自适应免疫遗传算法对其寻优求解,并对3种运行策略进行比较研究。由算例仿真结果可知,虚拟电厂引入碳捕集技术与风电供热设备,不但可以有效地提升热电联产机组的调峰能力,提高系统经济效益,促进新能源消纳,还可以降低系统二氧化碳排放量。

基于深度置信网络的短期风电功率预测

为解决海量数据用作预测模型训练样本导致信息冗杂的问题,提出一种基于深度置信网络的短期风电功率预测方法。该方法首先使用历史数据作为训练样本,通过深度置信网络无监督学习提取出其相应特征,随后采用K均值算法对提取出的特征进行聚类分析,将历史数据分作几类,并通过判别分析确定待测日所属类别,以该类别所属的历史数据对设置了误差反馈层的深度置信网络进行有监督训练,再将待测日的气象信息输入训练好的深度置信网络模型得到待测日的预测功率。最后使用云南某风电场实际运行数据进行算例分析,证实了该方法的有效性。