新能源電力系統(tǒng)隨機特性分析與優(yōu)化運行
定 價：159 元
當前圖書已被 19 所學校薦購過！
查看明細
- 作者：張靖等著
- 出版時間：2024/3/1
- ISBN：9787030781895
- 出 版 社：科學出版社
- 中圖法分類：TM7
- 頁碼：266頁
- 紙張：
- 版次：1
- 開本：26cm
本書引入隨機分析理論，開展電力系統(tǒng)運行隨機性分析。分析配電系統(tǒng)隨機潮流，基于轉(zhuǎn)置雅可比矩陣法，提出概率有功網(wǎng)損微增率計算兩點法，并研究配電系統(tǒng)中的分布式能源優(yōu)化配置；針對新能源和負荷等大規(guī)模隨機變量及其相關(guān)性對電力系統(tǒng)的影響，引入奇異值分解方法，提出了基于兩次排序方法的相關(guān)性隨機樣本方法，研究計及大規(guī)模隨機變量的電力系統(tǒng)隨機潮流計算以及電力系統(tǒng)靜態(tài)電壓概率穩(wěn)定性估計；建立新能源發(fā)電可靠性模型，研究計及新能源發(fā)電可靠性模型的概率可用輸電能力評估方法。
更多科學出版社服務(wù)，請掃碼獲取。
華中科技大學電力系統(tǒng)及其自動化專業(yè)博士研究生，獲博士學位，并在澳大利亞昆士蘭大學開展博士后科研工作；
貴州工業(yè)大學電氣工程學院電力系統(tǒng)及其自動化專業(yè)碩士研究生，獲碩士學位并
考入華中科技大學攻讀博士學位；
貴州工業(yè)大學電氣工程學院電力系統(tǒng)及其自動化專業(yè)本科生，獲學士學位后免試攻讀碩士學位；新南威爾士大學訪問學者
貴州大學電氣工程學院黨委委員、副院長；
入選“西部之光”訪問學者赴清華大學訪問，任貴州省第八批“西部之光”訪問學者臨時黨支部書記
貴州省電力系統(tǒng)智能化技術(shù)重點實驗室副主任；
入選“貴州省百名教授、博士進企業(yè)活動”第一批派出人員
貴州大學電氣工程學院任教，教授；
貴州大學電氣工程學院任教；電氣工程，電力系統(tǒng)及其自動化貴州省電力系統(tǒng)智能化技術(shù)重點實驗室副主任；
入選"貴州省百名教授、博士進企業(yè)活動"第一批派出人員
貴州省電機工程學會副秘書長、常務(wù)理事
貴州省電力系統(tǒng)智能化技術(shù)重點實驗室副主任
貴州省電機工程學會副秘書長、常務(wù)理事
目錄
上篇 新能源電力系統(tǒng)預測與特征識別
第1章 基于灰色理論的風電功率預測 3
1.1 風電功率預測相關(guān)技術(shù) 4
1.1.1 小波分解及重構(gòu) 4
1.1.2 ADF檢驗 5
1.1.3 灰色理論 6
1.1.4 馬爾可夫鏈 7
1.2 風電功率時間序列的前置處理 8
1.2.1 基于ADF檢驗的小波分解實現(xiàn) 8
1.2.2 分解結(jié)果分析 8
1.3 基于小波二階灰色神經(jīng)網(wǎng)絡(luò)-馬爾可夫鏈模型的風電功率區(qū)間預測 11
1.3.1 二階灰色模型的參數(shù)優(yōu)化 11
1.3.2 小波二階灰色神經(jīng)網(wǎng)絡(luò)-馬爾可夫鏈模型的建立 14
1.3.3 風電功率區(qū)間預測仿真結(jié)果 15
1.4 本章小結(jié) 19
第2章 基于Stacking融合模型的負荷預測 21
2.1 負荷預測相關(guān)技術(shù) 22
2.1.1 SVM基本原理 22
2.1.2 LightGBM算法基本原理 24
2.1.3 改進人工魚群算法原理 24
2.1.4 Stacking集成學習原理 26
2.2 基于改進AFSA的SVM-Stacking融合模型 27
2.3 構(gòu)建LightGBM和SVM-Stacking融合模型 28
2.3.1 余弦相似度 28
2.3.2 不同核函數(shù)的SVM模型相關(guān)性分析 28
2.3.3 使用LightGBM改進SVM-Stacking融合模型 29
2.4 預測結(jié)果對比分析 29
2.4.1 算例數(shù)據(jù)與輸入 29
2.4.2 不同基模型預測結(jié)果對比分析 32
2.4.3 不同方法預測結(jié)果對比分析 34
2.5 本章小結(jié) 35
第3章 基于數(shù)據(jù)挖掘技術(shù)的負荷特征識別 36
3.1 負荷特征識別相關(guān)理論 37
3.1.1 奇異值分解 37
3.1.2 KICIC算法 38
3.1.3 Shapelet 39
3.1.4 GEM 39
3.1.5 隨機森林算法 40
3.1.6 聚類算法評價指標 40
3.2 數(shù)據(jù)預處理 41
3.2.1 異�；蛉笔�(shù)據(jù)的識別與修正 41
3.2.2 負荷曲線歸一化 41
3.3 基于SVD-KICIC的負荷曲線聚類方法 41
3.3.1 SVD-KICIC算法及實現(xiàn) 42
3.3.2 算例分析 43
3.4 基于時序軌跡特征的無監(jiān)督有監(jiān)督結(jié)合分類方法 48
3.4.1 Shapelet學習樣本的獲取 49
3.4.2 確定Shapelet位置信息 50
3.4.3 基于時序軌跡特征的隨機森林分類模型 52
3.4.4 算例分析 53
3.5 本章小結(jié) 58
參考文獻 60
中篇 新能源電力系統(tǒng)隨機特性分析
第4章 新能源電力系統(tǒng)元件模型 67
4.1 風力發(fā)電數(shù)學模型 67
4.2 光伏發(fā)電數(shù)學模型 68
4.3 儲能系統(tǒng)數(shù)學模型 70
4.4 柴油發(fā)電機數(shù)學模型 71
4.5 負荷 71
第5章 概率分析方法 72
5.1 蒙特卡羅模擬法 72
5.2 拉丁超立方采樣法 72
5.2.1 采樣 72
5.2.2 排序 73
5.3 兩點估計法 75
5.3.1 一元函數(shù)的兩點估計法 75
5.3.2 多元函數(shù)的兩點估計法 76
5.4 半不變量法 77
5.5 分布函數(shù)的擬合 78
5.5.1 Gram-Charlier級數(shù)展開法 78
5.5.2 Cornish-Fisher級數(shù)展開法 79
第6章 考慮隨機變量相關(guān)性的概率潮流仿真方法 80
6.1 隨機源模型及其相關(guān)系數(shù)矩陣 80
6.1.1 隨機源模型 80
6.1.2 隨機源模型的相關(guān)系數(shù)矩陣 80
6.2 概率潮流仿真方法 81
6.2.1 Nataf變換 81
6.2.2 拉丁超立方采樣 82
6.2.3 二次排序 82
6.3 大規(guī)模電力系統(tǒng)概率潮流計算 84
6.4 算例分析 86
6.4.1 改進后的IEEE 14節(jié)點系統(tǒng) 86
6.4.2 改進后的IEEE 118節(jié)點系統(tǒng) 89
6.4.3 分析 90
6.5 本章小結(jié) 91
第7章 考慮時變特性的分布式電源優(yōu)化配置研究 92
7.1 含不同類型分布式電源的潮流計算 92
7.1.1 分布式電源的潮流計算模型 92
7.1.2 PV恒定型分布式電源在前推回代潮流算法中的處理方法 93
7.1.3 分層前推回代潮流算法 94
7.1.4 含分布式電源的兩點法概率潮流計算 96
7.2 分布式電源接入對配電網(wǎng)有功網(wǎng)損的影響 99
7.2.1 轉(zhuǎn)置雅可比矩陣法求有功網(wǎng)損微增率 99
7.2.2 基于轉(zhuǎn)置雅可比矩陣法的兩點法概率有功網(wǎng)損微增率 101
7.2.3 算例分析 103
7.3 分布式電源優(yōu)化配置 104
7.3.1 目標函數(shù) 104
7.3.2 約束條件 105
7.3.3 算例分析 106
7.4 本章小結(jié) 109
第8章 考慮大規(guī)模相關(guān)隨機變量的電壓穩(wěn)定概率評估方法 110
8.1 概率電壓穩(wěn)定估計基本理論 110
8.2 概率電壓穩(wěn)定模型 110
8.2.1 隨機因素的概率模型 110
8.2.2 電壓穩(wěn)定模型 111
8.3 概率電壓穩(wěn)定評估中的相關(guān)隨機樣本生成 112
8.3.1 冪法變換 113
8.3.2 采樣與排列 113
8.3.3 概率電壓穩(wěn)定評估步驟 114
8.4 算例分析 115
8.4.1 IEEE 14節(jié)點算例分析 116
8.4.2 IEEE 118節(jié)點算例分析 120
8.5 本章小結(jié) 121
第9章 含新能源發(fā)電的概率可用輸電能力評估 122
9.1 基于拉丁超立方采樣的概率可用輸電能力研究 122
9.1.1 可用輸電能力的定義 122
9.1.2 拉丁超立方采樣原理 123
9.1.3 基于最優(yōu)潮流的可用輸電能力計算模型 123
9.1.4 系統(tǒng)概率可用輸電能力評估指標 126
9.2 計及風光可靠性模型的新能源出力研究 127
9.2.1 風光可靠性模型 127
9.2.2 傳統(tǒng)電力系統(tǒng)元件狀態(tài)模型 129
9.2.3 可再生能源出力研究 130
9.3 含新能源系統(tǒng)概率可用輸電能力研究 132
9.3.1 計及風電場可靠性模型的系統(tǒng)概率可用輸電能力研究 132
9.3.2 計及光伏發(fā)電可靠性模型的系統(tǒng)概率可用輸電能力研究 135
9.3.3 計及風光發(fā)電共存的系統(tǒng)概率可用輸電能力研究 138
9.4 本章小結(jié) 140
第10章 含分布式電源配電系統(tǒng)風險評估 141
10.1 電力系統(tǒng)風險及評估體系 141
10.1.1 電力系統(tǒng)風險的定義與特性 141
10.1.2 電力系統(tǒng)風險評估體系 141
10.2 考慮隨機變量風險評估指標及風險評估流程 142
10.2.1 電壓越限風險指標 142
10.2.2 潮流越限風險指標 143
10.2.3 基于半不變量法的概率潮流算法及風險評估流程 143
10.3 算例分析 145
10.4 本章小結(jié) 148
參考文獻 149
下篇 新能源電力系統(tǒng)運行與控制
第11章 基于強化學習的微電網(wǎng)優(yōu)化調(diào)度研究 155
11.1 強化學習和遷移學習理論 155
11.1.1 強化學習 155
11.1.2 遷移學習 158
11.2 基于深度確定性策略梯度的微電網(wǎng)優(yōu)化調(diào)度 159
11.2.1 調(diào)度模型 159
11.2.2 微電網(wǎng)優(yōu)化調(diào)度的強化學習建模 160
11.2.3 算例分析 162
11.3 基于深度確定性策略梯度和遷移學習的微電網(wǎng)優(yōu)化調(diào)度 165
11.3.1 深度確定性策略梯度與遷移學習的結(jié)合 166
11.3.2 知識遷移規(guī)則 166
11.3.3 算法流程 167
11.3.4 算例分析 168
11.4 本章小結(jié) 170
第12章 基于MPC的微電網(wǎng)需求響應(yīng)研究 172
12.1 MPC基本原理 172
12.2 改進鯨魚優(yōu)化算法 174
12.2.1 鯨魚優(yōu)化算法基本原理 174
12.2.2 改進鯨魚優(yōu)化算法基本原理 175
12.3 考慮廣義需求響應(yīng)的微電網(wǎng)日內(nèi)分層調(diào)度研究 178
12.3.1 考慮廣義需求響應(yīng)的微電網(wǎng)分層模型 178
12.3.2 考慮廣義需求響應(yīng)的日內(nèi)分層調(diào)度 181
12.3.3 算例分析 185
12.4 本章小結(jié) 188
第13章 源荷儲多時間尺度滾動優(yōu)化調(diào)度研究 189
13.1 微電網(wǎng)多時間尺度優(yōu)化調(diào)度模型 189
13.1.1 日前長時間尺度調(diào)度模型 189
13.1.2 日內(nèi)短時間尺度調(diào)度模型 190
13.1.3 約束條件 190
13.2 微電網(wǎng)多時間尺度滾動魯棒優(yōu)化調(diào)度 191
13.2.1 魯棒優(yōu)化 192
13.2.2 電價型需求響應(yīng) 192
13.2.3 粒子群優(yōu)化算法理論 193
13.2.4 MPC理論 195
13.2.5 優(yōu)化調(diào)度框架與流程 195
13.3 算例分析 196
13.4 本章小結(jié) 202
第14章 計及風光不確定性的微電網(wǎng)弱魯棒優(yōu)化調(diào)度研究 203
14.1 魯棒優(yōu)化基本理論 203
14.1.1 弱魯棒優(yōu)化模型 203
14.1.2 不確定集基本理論 203
14.1.3 對等轉(zhuǎn)換理論 204
14.2 基于弱魯棒與MPC的微電網(wǎng)日前-日內(nèi)多時間尺度調(diào)度 205
14.2.1 多時間尺度微電網(wǎng)弱魯棒優(yōu)化調(diào)度模型 205
14.2.2 算例分析 207
14.3 基于弱魯棒與MPC的微電網(wǎng)日前-日內(nèi)多目標優(yōu)化調(diào)度 211
14.3.1 多時間尺度微電網(wǎng)弱魯棒多目標優(yōu)化調(diào)度模型 211
14.3.2 算例分析 214
14.4 本章小結(jié) 218
第15章 計及需求響應(yīng)的微電網(wǎng)多目標優(yōu)化調(diào)度研究 219
15.1 多目標求解相關(guān)理論及其優(yōu)越性分析 219
15.1.1 EMOSO 219
15.1.2 灰色關(guān)聯(lián)分析法(折中解選擇) 221
15.1.3 改進熵權(quán)法(權(quán)重賦值) 221
15.1.4 EMOSO優(yōu)越性仿真實驗與分析 222
15.2 基于需求響應(yīng)的微電網(wǎng)多目標優(yōu)化調(diào)度 224
15.2.1 微電網(wǎng)多目標優(yōu)化模型 225
15.2.2 算例分析 225
15.3 基于需求響應(yīng)的微電網(wǎng)區(qū)間優(yōu)化調(diào)度 230
15.3.1 區(qū)間數(shù)的定義及對應(yīng)模型的轉(zhuǎn)換 230
15.3.2 微電網(wǎng)區(qū)間優(yōu)化模型轉(zhuǎn)換 234
15.3.3 求解流程 235
15.3.4 算例分析 236
15.4 本章小結(jié) 241
第16章 微電網(wǎng)運行控制的平滑解列 242
16.1 VSG基本理論 242
16.1.1 VSG的數(shù)學模型和控制結(jié)構(gòu) 242
16.1.2 VSG控制逆變器和同步發(fā)電機的對應(yīng)關(guān)系 245
16.1.3 VSG的暫態(tài)過程分析 245
16.2 含VSG的微電網(wǎng)解列穩(wěn)定控制策略 247
16.2.1 基于協(xié)同控制理論的VSG暫態(tài)穩(wěn)定控制策略 247
16.2.2 基于Bang-Bang控制的多VSG微電網(wǎng)解列研究 251
16.2.3 基于優(yōu)化協(xié)調(diào)控制策略的微電網(wǎng)主動解列 259
16.3 本章小結(jié) 263
參考文獻 264
附錄 267
書單推薦
