论文部分内容阅读
目前智能电网已经得到国际电力工业界的认可，并已成为各国积极应对未来挑战的共同选择。随着环境污染和能源紧缺等问题的加剧，集成光伏发电的微电网成为智能电网中的一个研究热点，许多研究机构和企业对此做了大量的理论基础研究和试点工程，但微电网的光伏渗透率仍较低，阻碍了新能源和智能电网的进一步发展，如何提升微电网的光伏渗透率是一个有待解决的问题。 本文在微电网能量调度中引入预测技术和信任模型来提高光伏渗透率，并对所提方案进行了仿真验证。本文介绍了智能电网的概念和特征，描述了微电网的概念和能量管理的原理，分析了光伏发电的原理和功率调节方法，并在此基础上对光伏发电出力预测和微电网能量调度做了重点研究。 在光伏发电出力预测方面，本文基于机器学习对历史出力数据自身特征进行挖掘，提出了一种具有自适应能力的光伏超短期出力预测模型。该模型首先利用已有历史出力数据的小波分析和特征分析结果训练支持向量机分类器，然后通过已建立的SVM分类器利用前30分钟的光伏出力数据预测之后15分钟的出力曲线类型，最后结合曲线类型从自回归与滑动平均模型和神经网络模型中选取出合适的方法对光伏出力进行预测，最终达到了提高预测精度的目的。 在微电网能量调度方面，本文从三个方面着手进行了系统的优化和算法的提出。一是对微电网结构进行了改进，使之能够更好的应用于本文所提的方案当中;二是建立了适于微电网场景的信任模型，用于对预测数据的二次处理;三是对微电网能量调度算法进行了改进，提出了基于0-1背包问题和功率因数调节的调度算法，最终提升了整个微电网的光伏渗透率。 最后总结全文，并对下一步的研究工作加以展望。