基于源荷预测的含多能储能区域电热系统的优化调度

随着新型电力系统建设不断推进,以风光为代表的可再生能源装机容量进一步增加,源荷双侧的随机性和不确定性为电力系统运行带来极大的挑战。为此,提出一种基于多能源荷预测的区域电热系统储能优化调度方法,利用多能储能灵活调节能力及系统电热耦合特性提高光伏消纳水平。首先,运用改进极限学习机模型和K-means聚类算法对光伏出力及电热负荷进行预测。然后,引入条件风险价值量化光伏出力不确定性对运行成本的影响,以运行成本和条件风险价值加权之和最小为目标,建立含蓄电池、飞轮储能及蓄热罐的区域电热系统优化运行调度模型,通过多能储能响应电热系统灵活运行调节需求。最后,通过算例分析表明了所提方法的有效性。

基于PCC⁃ML深度学习的微电网多目标协调优化运行

为提高微电网可再生能源优化配置,降低微电网源荷不确定性,提出基于Pearson相关系数元学习(PCC-ML)源荷预测的微电网多目标协调调度优化方法。首先,运用Pearson相关性分析(PCC)分析原始多维输入变量组成的时间序列,通过元学习(ML)对微电网源荷数据进行特征提取、候选模型准备、标记、离线训练和在线预测结果评估5个过程管理;然后,基于预测结果建立微电网两阶段滚动调度优化模型,阶段一为日前预调度阶段,以实现微电网区域全局运行经济性最优为优化目标;阶段二为实时运行调控阶段,考虑微电网新能源实时出力不确定性,对预测偏差实时调控,实现微电网各设备运行成本最优。接着,利用列约束生成算法(C&CG)分解为主、子问题进行交互迭代求解两阶段优化模型。最后,算例分析表明所提方法能满足可见和不可见预测任务的性能需求,提高微电网经济收益。