×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
新能源电力系统随机特性分析与优化运行

新能源电力系统随机特性分析与优化运行

1星价 ¥111.3 (7.0折)
2星价¥111.3 定价¥159.0
暂无评论
图文详情
  • ISBN:9787030781895
  • 装帧:平装
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:266
  • 出版时间:2024-03-01
  • 条形码:9787030781895 ; 978-7-03-078189-5

内容简介

本书从新能源电力系统预测、新能源电力系统随机特性分析以及新能源电力系统运行与控制相结合的角度讨论了新能源电力系统随机特性分析与优化运行。本书基于作者的研究成果,同时为了兼顾全面性,本书也引用了部分有代表性的其他文献,或对其模型提出了局部改进,或采用了更有效的计算方法,或对某些观点进行了补充论述。全书内容力图全面,包含新能源发电预测、负荷预测、负荷特征识别、概率潮流、概率稳定性评估、概率风险评估、很优调度、需求响应、微电网运行控制、人工智能方法等。

目录

目录 上篇 新能源电力系统预测与特征识别 第1章 基于灰色理论的风电功率预测 3 1.1 风电功率预测相关技术 4 1.1.1 小波分解及重构 4 1.1.2 ADF检验 5 1.1.3 灰色理论 6 1.1.4 马尔可夫链 7 1.2 风电功率时间序列的前置处理 8 1.2.1 基于ADF检验的小波分解实现 8 1.2.2 分解结果分析 8 1.3 基于小波二阶灰色神经网络-马尔可夫链模型的风电功率区间预测 11 1.3.1 二阶灰色模型的参数优化 11 1.3.2 小波二阶灰色神经网络-马尔可夫链模型的建立 14 1.3.3 风电功率区间预测仿真结果 15 1.4 本章小结 19 第2章 基于Stacking融合模型的负荷预测 21 2.1 负荷预测相关技术 22 2.1.1 SVM基本原理 22 2.1.2 LightGBM算法基本原理 24 2.1.3 改进人工鱼群算法原理 24 2.1.4 Stacking集成学习原理 26 2.2 基于改进AFSA的SVM-Stacking融合模型 27 2.3 构建LightGBM和SVM-Stacking融合模型 28 2.3.1 余弦相似度 28 2.3.2 不同核函数的SVM模型相关性分析 28 2.3.3 使用LightGBM改进SVM-Stacking融合模型 29 2.4 预测结果对比分析 29 2.4.1 算例数据与输入 29 2.4.2 不同基模型预测结果对比分析 32 2.4.3 不同方法预测结果对比分析 34 2.5 本章小结 35 第3章 基于数据挖掘技术的负荷特征识别 36 3.1 负荷特征识别相关理论 37 3.1.1 奇异值分解 37 3.1.2 KICIC算法 38 3.1.3 Shapelet 39 3.1.4 GEM 39 3.1.5 随机森林算法 40 3.1.6 聚类算法评价指标 40 3.2 数据预处理 41 3.2.1 异常或缺失数据的识别与修正 41 3.2.2 负荷*线归一化 41 3.3 基于SVD-KICIC的负荷*线聚类方法 41 3.3.1 SVD-KICIC算法及实现 42 3.3.2 算例分析 43 3.4 基于时序轨迹特征的无监督有监督结合分类方法 48 3.4.1 Shapelet学习样本的获取 49 3.4.2 确定Shapelet位置信息 50 3.4.3 基于时序轨迹特征的随机森林分类模型 52 3.4.4 算例分析 53 3.5 本章小结 58 参考文献 60 中篇 新能源电力系统随机特性分析 第4章 新能源电力系统元件模型 67 4.1 风力发电数学模型 67 4.2 光伏发电数学模型 68 4.3 储能系统数学模型 70 4.4 柴油发电机数学模型 71 4.5 负荷 71 第5章 概率分析方法 72 5.1 蒙特卡罗模拟法 72 5.2 拉丁超立方采样法 72 5.2.1 采样 72 5.2.2 排序 73 5.3 两点估计法 75 5.3.1 一元函数的两点估计法 75 5.3.2 多元函数的两点估计法 76 5.4 半不变量法 77 5.5 分布函数的拟合 78 5.5.1 Gram-Charlier级数展开法 78 5.5.2 Cornish-Fisher级数展开法 79 第6章 考虑随机变量相关性的概率潮流仿真方法 80 6.1 随机源模型及其相关系数矩阵 80 6.1.1 随机源模型 80 6.1.2 随机源模型的相关系数矩阵 80 6.2 概率潮流仿真方法 81 6.2.1 Nataf变换 81 6.2.2 拉丁超立方采样 82 6.2.3 二次排序 82 6.3 大规模电力系统概率潮流计算 84 6.4 算例分析 86 6.4.1 改进后的IEEE 14节点系统 86 6.4.2 改进后的IEEE 118节点系统 89 6.4.3 分析 90 6.5 本章小结 91 第7章 考虑时变特性的分布式电源优化配置研究 92 7.1 含不同类型分布式电源的潮流计算 92 7.1.1 分布式电源的潮流计算模型 92 7.1.2 PV恒定型分布式电源在前推回代潮流算法中的处理方法 93 7.1.3 分层前推回代潮流算法 94 7.1.4 含分布式电源的两点法概率潮流计算 96 7.2 分布式电源接入对配电网有功网损的影响 99 7.2.1 转置雅可比矩阵法求有功网损微增率 99 7.2.2 基于转置雅可比矩阵法的两点法概率有功网损微增率 101 7.2.3 算例分析 103 7.3 分布式电源优化配置 104 7.3.1 目标函数 104 7.3.2 约束条件 105 7.3.3 算例分析 106 7.4 本章小结 109 第8章 考虑大规模相关随机变量的电压稳定概率评估方法 110 8.1 概率电压稳定估计基本理论 110 8.2 概率电压稳定模型 110 8.2.1 随机因素的概率模型 110 8.2.2 电压稳定模型 111 8.3 概率电压稳定评估中的相关随机样本生成 112 8.3.1 幂法变换 113 8.3.2 采样与排列 113 8.3.3 概率电压稳定评估步骤 114 8.4 算例分析 115 8.4.1 IEEE 14节点算例分析 116 8.4.2 IEEE 118节点算例分析 120 8.5 本章小结 121 第9章 含新能源发电的概率可用输电能力评估 122 9.1 基于拉丁超立方采样的概率可用输电能力研究 122 9.1.1 可用输电能力的定义 122 9.1.2 拉丁超立方采样原理 123 9.1.3 基于*优潮流的可用输电能力计算模型 123 9.1.4 系统概率可用输电能力评估指标 126 9.2 计及风光可靠性模型的新能源出力研究 127 9.2.1 风光可靠性模型 127 9.2.2 传统电力系统元件状态模型 129 9.2.3 可再生能源出力研究 130 9.3 含新能源系统概率可用输电能力研究 132 9.3.1 计及风电场可靠性模型的系统概率可用输电能力研究 132 9.3.2 计及光伏发电可靠性模型的系统概率可用输电能力研究 135 9.3.3 计及风光发电共存的系统概率可用输电能力研究 138 9.4 本章小结 140 第10章 含分布式电源配电系统风险评估 141 10.1 电力系统风险及评估体系 141 10.1.1 电力系统风险的定义与特性 141 10.1.2 电力系统风险评估体系 141 10.2 考虑随机变量风险评估指标及风险评估流程 142 10.2.1 电压越限风险指标 142 10.2.2 潮流越限风险指标 143 10.2.3 基于半不变量法的概率潮流算法及风险评估流程 143 10.3 算例分析 145 10.4 本章小结 148 参考文献 149 下篇 新能源电力系统运行与控制 第11章 基于强化学习的微电网优化调度研究 155 11.1 强化学习和迁移学习理论 155 11.1.1 强化学习 155 11.1.2 迁移学习 158 11.2 基于深度确定性策略梯度的微电网优化调度 159 11.2.1 调度模型 159 11.2.2 微电网优化调度的强化学习建模 160 11.2.3 算例分析 162 11.3 基于深度确定性策略梯度和迁移学习的微电网优化调度 165 11.3.1 深度确定性策略梯度与迁移学习的结合 166 11.3.2 知识迁移规则 166 11.3.3 算法流程 167 11.3.4 算例分析 168 11.4 本章小结 170 第12章 基于MPC的微电网需求响应研究 172 12.1 MPC基本原理 172 12.2 改进鲸鱼优化算法 174 12.2.1 鲸鱼优化算法基本原理 174 12.2.2 改进鲸鱼优化算法基本原理 175 12.3 考虑广义需求响应的微电网日内分层调度研究 178 12.3.1 考虑广义需求响应的微电网分层模型 178 12.3.2 考虑广义需求响应的日内分层调度 181 12.3.3 算例分析 185 12.4 本章小结 188 第13章 源荷储多时间尺度滚动优化调度研究 189 13.1 微电网多时间尺度优化调度模型 189 13.1.1 日前长时间尺度调度模型 189 13.1.2 日内短时间尺度调度模型 190 13.1.3 约束条件 190 13.2 微电网多时间尺度滚动鲁棒优化调度 191 13.2.1 鲁棒优化 192 13.2.2 电价型需求响应 192 13.2.3 粒子群优化算法理论 193 13.2.4 MPC理论 195 13.2.5 优化调度框架与流程 195 13.3 算例分析 196 13.4 本章小结 202 第14章 计及风光不确定性的微电网弱鲁棒优化调度研究 203 14.1 鲁棒优化基本理论 203 14.1.1 弱鲁棒优化模型 203 14.1.2 不确定集基本理论 203 14.1.3 对等转换理论 204 14.2 基于弱鲁棒与MPC的微电网日前-日内多时间尺度调度 205 14.2.1 多时间尺度微电网弱鲁棒优化调度模型 205 14.2.2 算例分析 207 14.3 基于弱鲁棒与MPC的微电网日前-日内多目标优化调度 211 14.3.1 多时间尺度微电网弱鲁棒多目标优化调度模型 211 14.3.2 算例分析 214 14.4 本章小结 218 第15章 计及需求响应的微电网多目标优化调度研究 219 15.1 多目标求解相关理论及其优越性分析 219 15.1.1 EMOSO 219 15.1.2 灰色关联分析法(折中解选择) 221 15.1.3 改进熵权法(权重赋值) 221 15.1.4 EMOSO优越性仿真实验与分析 222 15.2 基于需求响应的微电网多目标优化调度 224 15.2.1 微电网多目标优化模型 225 15.2.2 算例分析 225 15.3 基于需求响应的微电网区间优化调度 230 15.3.1 区间数的定义及对应模型的转换 230 15.3.2 微电网区间优化模型转换 234 15.3.3 求解流程 235 15.3.4 算例分析 236 15.4 本章小结 241 第16章 微电网运行控制的平滑解列 242 16.1 VSG基本理论 242 16.1.1 VSG的数学模型和控制结构 242 16.1.2 VSG控制逆变器和同步发电机的对应关系 245 16.1.3 VSG的暂态过程分析 245 16.2 含VSG的微电网解列稳定控制
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航