綜合能源系統(tǒng)中的智能控制與優(yōu)化技術

目錄
前言
第1章 緒論 1
1.1 我國能源資源現(xiàn)狀分析 1
1.2 綜合能源系統(tǒng)發(fā)展的必要性 3
1.3 國內外的綜合能源系統(tǒng)發(fā)展 4
1.3.1 美國 4
1.3.2 加拿大 5
1.3.3 日本 5
1.3.4 中國 6
1.4 綜合能源系統(tǒng)的優(yōu)勢 7
1.5 綜合能源系統(tǒng)的結構 9
1.5.1 能源集線器的基本結構 9
1.5.2 綜合能源系統(tǒng)中的能量網絡 10
1.5.3 綜合能源系統(tǒng)的穩(wěn)定性 11
1.6 控制理論在綜合能源系統(tǒng)中的發(fā)展歷程 12
1.7 控制理論在綜合能源系統(tǒng)中的應用 13
1.7.1 魯棒控制在綜合能源系統(tǒng)中的應用 13
1.7.2 深度學習與強化學習在綜合能源系統(tǒng)中的應用 14
1.7.3 模糊控制在綜合能源系統(tǒng)中的應用 15
1.7.4 滑?？刂圃诰C合能源系統(tǒng)中的應用 18
參考文獻 19
第2章 多智能體協(xié)同控制在綜合能源系統(tǒng)中的應用 21
2.1 基于綜合能源的多智能體系統(tǒng)微電網模型建立 21
2.2 多智能體協(xié)同控制技術的基本原理 24
2.2.1 圖論基礎 24
2.2.2 多智能體一致性協(xié)議的相關定理 25
2.3 并網運行模式下微電網系統(tǒng)協(xié)同控制率的設計 27
2.3.1 面向可再生能源的微電網概述 27
2.3.2 微電網系統(tǒng)并網的必要性 28
2.3.3 并網下協(xié)同控制率的設計 29
2.4 孤島運行模式下微電網系統(tǒng)協(xié)同控制率的設計 30
2.4.1 孤島運行的必要性 30
2.4.2 孤島運行的三種模式 30
2.4.3 孤島運行模式下協(xié)同控制率的設計 32
參考文獻 32
第3章 綜合能源系統(tǒng)優(yōu)化調度策略研究 34
3.1 深度強化學習在綜合能源系統(tǒng)中的研究現(xiàn)狀 34
3.2 綜合能源系統(tǒng)優(yōu)化調度基礎理論分析 35
3.2.1 綜合能源系統(tǒng)概念 36
3.2.2 綜合能源系統(tǒng)的基本模型及建模 38
3.3 綜合能源系統(tǒng)優(yōu)化調度策略研究 43
3.3.1 深度強化學習理論 43
3.3.2 綜合能源系統(tǒng)優(yōu)化調度的策略設計 47
3.3.3 仿真分析 48
參考文獻 53
第4章 綜合能源系統(tǒng)能量管理研究 55
4.1 綜合能源系統(tǒng)能量管理研究現(xiàn)狀 55
4.1.1 國外研究現(xiàn)狀 55
4.1.2 國內研究現(xiàn)狀 57
4.2 多目標優(yōu)化算法在綜合能源系統(tǒng)中的應用 58
4.2.1 傳統(tǒng)多目標算法 58
4.2.2 多目標優(yōu)化算法 59
4.3 改進的快速非支配排序遺傳算法 在能量管理中的應用 61
4.4 綜合能源系統(tǒng)多目標優(yōu)化仿真分析 62
4.4.1 綜合能源系統(tǒng)在獨立運行時的優(yōu)化分析 62
4.4.2 綜合能源系統(tǒng)在并網運行時的優(yōu)化分析 70
參考文獻 74
第5章 綜合能源系統(tǒng)電力負荷預測優(yōu)化技術 76
5.1 電力負荷預測發(fā)展歷程與現(xiàn)狀 76
5.2 電力負荷預測基本理論與特性分析 77
5.2.1 電力負荷基本概念 77
5.2.2 電力負荷預測原理 78
5.2.3 電力負荷預測程序 79
5.2.4 電力負荷預測特性分析 81
5.2.5 負荷預測分類 81
5.2.6 負荷預測特點 83
5.2.7 負荷預測精度影響與誤差分析 83
5.3 電力負荷預測算法研究 86
5.3.1 基于灰色系統(tǒng)理論的預測算法 86
5.3.2 基于BP神經網絡的預測算法 91
5.3.3 基于回歸分析的預測算法 92
5.4 綜合能源系統(tǒng)電力負荷預測算法改進與應用 93
5.4.1 預測模型分析 93
5.4.2 負荷組合模型因素分析 94
5.4.3 常用負荷組合預測模型 95
5.4.4 粒子群優(yōu)化算法 95
5.4.5 改進粒子群優(yōu)化算法 97
5.4.6 基于改進粒子群優(yōu)化算法的短期負荷預測模型設計 99
5.4.7 應用算例分析 100
參考文獻 104
第6章 基于混合神經網絡的綜合能源系統(tǒng)供能側非侵入式負荷識別優(yōu)化技術 105
6.1 區(qū)域綜合能源系統(tǒng)非侵入式應用 105
6.2 非侵入式負荷識別算法 106
6.2.1 非侵入式負荷監(jiān)測概述 106
6.2.2 非侵入式負荷識別算法研究現(xiàn)狀 108
6.3 傳統(tǒng)神經網絡負荷識別 109
6.3.1 傳統(tǒng)神經網絡 109
6.3.2 循環(huán)神經網絡 111
6.3.3 長短期記憶神經網絡 112
6.4 區(qū)域綜合能源系統(tǒng)混合神經網絡的優(yōu)化 114
6.5 混合神經網絡優(yōu)化算法在負荷識別中的應用 115
6.5.1 仿真實驗 115
6.5.2 實驗結果及分析 116
6.6 區(qū)域綜合能源供能側的預測分析 119
參考文獻 119
第7章 需求響應在綜合能源系統(tǒng)中的應用 121
7.1 需求響應的理論基礎 121
7.1.1 需求響應的基本概念 121
7.1.2 需求側管理的作用 121
7.1.3 需求側管理的特點 122
7.1.4 綜合能源系統(tǒng)中的綜合需求響應 122
7.2 需求響應在綜合能源系統(tǒng)中的障礙及解決方案 123
7.2.1 國內需求響應現(xiàn)狀 123
7.2.2 當前需求響應發(fā)展的資金障礙分析 125
7.2.3 需求響應發(fā)展的技術障礙分析 126
7.2.4 需求響應發(fā)展的機制障礙 127
7.3 綜合能源系統(tǒng)下需求響應的運營方式 127
7.4 發(fā)展綜合能源互聯(lián)網的策略 128
7.4.1 電力市場的需求彈性 128
7.4.2 我國電力市場環(huán)境下發(fā)展能源互聯(lián)網的策略 129
7.5 計及需求響應的綜合能源發(fā)展市場 130
參考文獻 133