您的位置: 专家智库 > >

国家电网公司科技项目(ZDKGW021-2012)

作品数:5 被引量:244H指数:5
相关作者:王守相郭力王成山洪博文张娜更多>>
相关机构:天津大学中国电力科学研究院国网天津市电力公司更多>>
发文基金:国家电网公司科技项目国家高技术研究发展计划国家自然科学基金更多>>
相关领域:电气工程更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇电气工程

主题

  • 2篇电网
  • 2篇调度
  • 2篇遗传算法
  • 2篇微电网
  • 2篇经验模态分解
  • 1篇电价
  • 1篇调度策略
  • 1篇动态经济
  • 1篇动态经济调度
  • 1篇多目标
  • 1篇掩模
  • 1篇优化配置
  • 1篇太阳能
  • 1篇经济调度
  • 1篇荷电状态
  • 1篇分布式电源
  • 1篇风速
  • 1篇风速预测
  • 1篇TOPSIS
  • 1篇TOPSIS...

机构

  • 4篇天津大学
  • 1篇呼伦贝尔学院
  • 1篇教育部
  • 1篇中国电力科学...
  • 1篇国网天津市电...

作者

  • 3篇王守相
  • 2篇洪博文
  • 2篇王成山
  • 2篇郭力
  • 2篇张娜
  • 1篇焦冰琦
  • 1篇韩亮
  • 1篇刘文建
  • 1篇刘岩
  • 1篇赵歌

传媒

  • 2篇电力自动化设...
  • 1篇中国电力
  • 1篇电力系统自动...
  • 1篇电网技术

年份

  • 2篇2014
  • 3篇2013
5 条 记 录,以下是 1-5
排序方式:
微电网多目标动态优化调度模型与方法被引量:109
2013年
为实现微电网系统运行的经济和环境双重优化目标,以独立的系统仿真模块和运行优化模块为核心,建立了微电网多目标动态优化调度的一般模型。仿真模块使用能量模型对系统调度方案的经济、环境指标进行评估,运行优化模块则使用多目标遗传算法NSGA-Ⅱ,结合仿真模块的评估结果对调度方案进行优化。在NSGA-Ⅱ中引入了初始点引导技术和去重操作,有效地改善了算法的收敛性能和Pareto前沿的分布特性。将该模型和方法应用于典型风光蓄柴微电网系统的日前优化调度,证实了所建模型和所提方法的有效性。
洪博文郭力王成山焦冰琦刘文建
关键词:微电网多目标调度
基于区间TOPSIS与遗传算法混合的分布式电源优化配置被引量:20
2013年
针对现有的分布式电源(DG)优化配置方法在处理不确定性因素时综合决策能力不足的缺陷,提出一种计及信息不确定性的DG优化配置模型与算法。该方法在DG类型、位置和容量不确定的情况下,建立了以投资成本最少、收益最高、环境效益最高和配电网网络损耗最小为优化子目标的多目标、非线性优化模型。对于存在多种不确定性因素且其概率分布难以确知的情况,区间分析可以定量分析不确定性因素对DG优化配置的影响。最后利用文中提出的一种基于区间TOPSIS(technique for order preference by similarity to ideal solution)算法与遗传算法(GA)相结合的计算方法对此问题进行了求解,通过典型的配电网算例验证了所提方法的可行性。
韩亮王守相赵歌
关键词:分布式电源遗传算法
不同场景下的光蓄微电网调度策略被引量:77
2013年
将日前动态经济调度方法应用于由光伏发电系统和蓄电池组成的微电网,使其运行成本最小化。采用了计及充放电功率限制这一动态非线性约束的简化动力学蓄电池模型,应用改进的多种群实编码遗传算法进行求解,改进算法中种群个体可根据充放电功率进行修正,同时目标函数中增加了蓄电池荷电状态的惩罚项。利用微电网算例,在不同折旧成本和电价的场景下,对动态经济调度与其他控制策略进行了比较。结果验证了所提方法的有效性,同时帮助确定其适用范围。
王成山洪博文郭力
关键词:遗传算法动态经济调度电价荷电状态
基于掩模经验模态分解的风速组合预测模型被引量:5
2014年
在风电预测中,传统的经验模态分解法将风速信号分解为若干具有不同特征尺度的数据分量时,其所得分量可能存在模态混叠现象,影响风速预测的精度。为此,提出一种基于掩模经验模态分解法和遗传神经网络的风速预测组合模型。首先,通过掩膜信号法(masking signal,MS)对经验模态分解法进行改进,将风速信号分解为频率相对固定、更为平稳的分量。之后,利用遗传神经网络算法分别对这些分量进行预测,将各分量预测结果叠加后得到最终风速预测值。通过C++语言编程进行算法实现,采用实际风场数据进行仿真,其结果表明,所提方法计算时间较短,预测精度较高,特别适用于在线超短期(10 min)和短期(1 h)的风速预测,具有实际的工程应用价值。
张娜王守相王亚旻
关键词:经验模态分解风速预测MASKINGSIGNAL
基于经验模态分解和ELM神经网络的逐时太阳能辐照量预测被引量:42
2014年
准确的太阳能辐照量预测对于光伏发电系统具有重要意义。提出一种基于经验模态分解(EMD)和ELM神经网络的逐时辐照量组合预测模型。首先,根据预测日的环境信息,构建相似日逐时辐照量时间序列;然后,将时间序列进行EMD,分解为具有不同频率的信号,并对每个信号建立ELM神经网络预测模型;最后,将不同信号的预测值相加便可得到原始辐照量序列的预测值。算例比较表明,所提方法比传统的预测方法具有更高的预测准确度和更快的运算速度。
王守相王亚旻刘岩张娜
关键词:经验模态分解太阳能
共1页<1>
聚类工具0