基于点估计法的微电网随机优化调度

《基于点估计法的微电网随机优化调度》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号10536学号13205050608分类号TM712密级公开全日制专业学位硕士学位论文基于点估计法的微电网随机优化调度学位申请人姓名陈家俊所在学院电气与信息工程学院专业学位类别工程硕士专业学位领域电气工程校内导师姓名及职称蒋铁铮副教授校外导师姓名及职称訾红亮高级工程师论文提交日期2015年4月学校代号：10536学号：13205050608密级：公开长沙理工大学硕士学位论文基于点估计法的微电网随机优化调度学位申请人姓名陈家俊指导教师蒋铁铮副教授所在学院电气与信息工程学院专业学位领域电气工程论文提交日期2015年4月论文答辩日期2015年5月答辩委员会主席李欣然教授APointEst

2、imationMethodforStochasticOptimalSchedulingofMicro-gridbyCHENJiaJunB.E.(QinghaiUniversity)2012AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinPowerSystemandItsAutomationinChangshaUniversityofScience&TechnologySupervisorProfessorJIANGTieZhengApril,2015长沙理工大学

3、学位论文原御巧声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进巧研究所取’得的研巧成果。除了文中特別加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研巧做出重要贡献。的个人和集体，均已在文中Ｗ明确方式标明本人完全意识到本声明的法律后果由本人承担。作者签名：奔讀＾後曰期；分Ｋ年谷月曰戸／学位论女版巧使用授权书、本学位论文作者完全了解学校有关保留用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可Ｗ将本学位论文的全部或部分内容编入

4、有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研巧所将本论文收录到《中国学位论文全文数据库》，并通过网络向化会公众提供信息服务。本学位论文属于Ｉ１、。保密口，在．年解密后适用本授权书２、不保密＂＂（请在１＾］１上相应方框内打Ｖ）作者签名：如备聲日期：３＾晚月曰ｆＩ导师签名心Ｌ刀寒曰期：細Ｔ年《月／曰摘要随着科学技术的快速发展给传统的能源带来巨大的挑战。微电网作为智能电网的重要组成部分，以其接在用户侧，具有成本低、电压低及污染小等特点而开始被人们重视。微网可以看作是连接分布式电源与主电网的桥梁，这

5、使得主电网系统与微网系统可以友好地进行能量交互、协调主电网与分布式电源之间的矛盾，而主电网不必直接面临数量众多、类型不同、出力波动的微源的影响。但是，各种不确定变量给微电网优化运行带来巨大影响。怎么评价这些不确定性因素对微电网经济运行的影响值得深入的研究。风力、光伏出力的间歇性以及负荷的不确定性使得微电网潮流计算具有随机特征，基于此，在建立不同间歇性电源出力以及负荷需求的概率密度函数的基础上，利用点估计法处理不确定信息，然后建立了微电网随机潮流的计算方法。根据分布式电源出力概率密度函数和负荷需求的概率分布构造其估计点，将分布估计点嵌入到前推回代法中进行随机潮流计算，得到可靠性评估数据的均值

6、和标准差，以估计微电网系统节点电压以及支路功率的概率密度函数。通过节点电压和支路功率的概率密度函数为微电网的可靠性评估分析提供良好的基础。最后为了验证点估计法在处理不确定性的优越性，将蒙特卡罗抽样模拟法用在随机潮流的计算中，并通过实际算例证明基于点估计法的微电网随机潮流计算不仅次数比蒙特卡罗法少，而且处理速度较快。基于以上的思路，该文提出利用点估计处理单位时间段负荷需求和太阳能、风能出力的不确定性问题，根据分布式电源出力的概率密度函数和负荷需求的概率分布构造其估计点，通过估计点建立微电网多目标概率优化调度模型，然后用Gram-Charlier级数展开方法得到微电网总运行目标函数的累计分布函

7、数及概率分布函数，为了研究负荷波动对于微电网优化管理的影响，建立三种负荷水平下的微电网概率优化调度模型，通过概率密度函数和累计分布函数验证负荷波动对于微电网优化运行的影响。另外，本章通过实际算例研究三估计法与两点估计法的优缺点，结果表明，三点估计虽然比两点取值点多，但是它的计算速度以及计算的精度都高于两点估计法。鉴于微电网概率优化管理属于多维度，非线性优化问题，然后利用改进蝙蝠优化算法进行问题求解。最后，通过算例验证蝙蝠