[1]曹锦阳,刘梦,李嘉铮,等.基于随机森林和卷积神经网络的风－光伏－抽水蓄能电站联合优化运行[J].水利与建筑工程学报,2023,(04):30-37.[doi:10.3969/j.issn.1672-1144.2023.08.005]
点击复制

基于随机森林和卷积神经网络的风－光伏－抽水蓄能电站联合优化运行()
分享到：

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2023年04期
页码:
30-37
栏目:
出版日期:
2023-08-30

文章信息/Info

作者:
曹锦阳1; 刘梦2; 李嘉铮1; 孙博宁1; 蒲梓宁1; 何再雨1; 吴凤娇1
1．西北农林科技大学水利与建筑工程学院，陕西杨凌712100；2．北京科东电力控制系统有限责任公司，北京100000
关键词:
抽水蓄能; 联合运行; 卷积神经网络; 随机森林; ＢＰ神经网络
分类号:
ＴＭ712；ＴＶ74
DOI:
10.3969/j.issn.1672-1144.2023.08.005
摘要:
风力发电和光伏发电的输出波动性、间歇性和不确定性，将加剧风光发电大规模并网的困难。针对以上问题，综合考虑环境温度、地表水平辐射、直接辐射和散射辐射四个因素，利用随机森林模型预测光伏发电输出功率；利用卷积神经网络卷积核参数共享与短期信息提取较好的特点，根据地面风速，风机轮毂中心风速，风向和气压数据，预测风电输出功率，预测结果误差小，最后利用ＢＰ神经网络算法具有较强容错和泛化能力特点对风力发电和光伏发电输出功率联合优化，得到总输出功率以及抽水蓄能发电功率。预测得到的最终总输出功率较为稳定，预测误差在可接受范围内，大大降低了风光发电并网给系统带来的不稳定性。

参考文献/References:


[1］　任海波，余　波，王　奎，等．“双碳”背景下抽水蓄能电站的发展与展望［Ｊ］．内蒙古电力技术，2022，40（3）：25-30．
[2］　毛志伟．风光发电功率预测及风光抽水蓄能电站联合运行［Ｄ］．武汉：华中科技大学，2018．
[3］　ＨｕａｎｇＨａｎｙａｎ，ＺｈｏｕＭｉｎｇ，ＺｈａｎｇＬｉｊｕｎ，ｅｔａｌ．Ｊｏｉｎｔｇｅｎｅｒａｔｉｏｎａｎｄｒｅｓｅｒｖｅｓｃｈｅｄｕｌｉｎｇｏｆｗｉｎｄ-ｓｏｌａｒ-ｐｕｍｐｅｄｓｔｏｒａｇｅｐｏｗｅｒｓｙｓｔｅｍｓｕｎｄｅｒｍｕｌｔｉｐｌｅｕｎｃｅｒｔａｉｎｔｉｅｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＴｒａｎｓａｃｔｉｏｎｓｏｎＥｌｅｃｔｒｉｃａｌＥｎｅｒｇｙＳｙｓｔｅｍｓ，2019，29（7）：ｅ12003．
[4］　ＴｉａｎＳｈｉ，ＺｈａｎｇＫａｉｌｉｎ，ＧｏｎｇＣｈｕａｎｚｈｅｎｇ，ｅｔａｌ．Ｍｏｄｅｌｃｏｎｓｔｒｕｃｔｉｏｎｏｆｐｕｍｐｅｄｓｔｏｒａｇｅｔｏｐｒｏｍｏｔｅｗｉｎｄ-ｐｈｏｔｏｖｏｌ-ｔａｉｃｃｏｎｓｕｍｐｔｉｏｎｃｏｎｓｉｄｅｒｉｎｇｕｎｃｅｒｔａｉｎｔｙｏｆｗｉｎｄ-ｐｈｏｔｏ-ｖｏｌｔａｉｃｏｕｔｐｕｔ［Ｊ］．ＩＯＰＣｏｎｆｅｒｅｎｃｅＳｅｒｉｅｓ：ＥａｒｔｈａｎｄＥｎ-ｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，2021，781（4）：042031．
[5］　王育飞，倪安安，朱　里，等．基于ＳＳＡ-ＬＥＲＮＮ的光伏出力超短期预测研究［Ｊ］．控制工程，2022，29（11）：1941-1947．
[6］　李建林，张海军，庞俊强．基于神经网络和模式识别的中长期风速及发电量预测［Ｊ］．环境技术，2021，39（5）：219-226．
[7］　朱尤成，王金荣，徐　坚．基于深度学习的中长期风电发电量预测方法［Ｊ］．广东电力，2021，34（6）：72-78．
[8］　刘　洁，林舜江，梁炜，等．基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测［Ｊ］．电网技术，2023，47（1）：266-274．
[9］　王育飞，付玉超，孙　路，等．基于混沌－ＲＢＦ神经网络的光伏发电功率超短期预测模型［Ｊ］．电网技术，2018，42（4）：1110-1116．
[10］　李大中，李颖宇．基于深度学习与误差修正的超短期风电功率预测［Ｊ］．太阳能学报，2021，42（12）：200-205．
[11］　李　国，江晓东．基于提升回归树与随机森林的风电功率集成预测方法［Ｊ］．电力系统及其自动化学报，2018，30（11）：70-74．
[12］　覃盛琼，程　朗，何占启，等．风力发电系统研究与应用前景综述［Ｊ］．机械设计，2021，38（8）：1-8．
[13］　余　萍，曹　洁．基于图形特征的双输入卷积神经网络风力机轴承剩余寿命预测［Ｊ］．太阳能学报，2022，43（5）：343-350．
[14］　姜旭初，许宇澄，宋　超．短期风力发电负荷预测的新方法［Ｊ］．北京师范大学学报（自然科学版），2022，58（1）：39-46．
[15］　朱传奇．基于ＰＣＡ-ＧＡ-ＢＰ算法的风力发电功率预测［Ｊ］．物联网技术，2022，12（10）：87-88，91．
[16］　雷蕾潇，张新燕，孙　珂．基于关联规则及ＢＰ神经网络的风电场输出功率预测［Ｊ］．安徽大学学报（自然科学版），2021，45（5）：72-76．

相似文献/References:

[1]饶柏京,宋春华.超高水头钢筋混凝土衬砌水道高压固结灌浆设计参数优化[J].水利与建筑工程学报,2023,(06):150.[doi:10.3969/j.issn.1672-1144.2023.06.022]

备注/Memo

备注/Memo:
收稿日期：2023-04-10　　　　　修稿日期：2023-05-16
基金项目：国家自然科学基金项目（51509210）
作者简介：曹锦阳（2003—），男，本科在读，专业为电气工程及其自动化。Ｅ-ｍａｉｌ：ｃｊｙｙｏｕｎｇ＠163．ｃｏｍ
通讯作者：吴凤娇（1984—），女，副教授，主要从事水风光互补发电系统智能故障诊断与协调控制、水电站系统在线状态监测与故障诊断方面的研究工作。Ｅ-ｍａｉｌ：ｆｊｗｕ＠ｎｗｓｕａｆ．ｅｄｕ．Ｃｎ
更新日期/Last Update: 2023-08-30