基于深度学习的微网需求响应特性封装与配电网优化运行
微网作为新型需求响应资源,并网规模日益增加,但由于微网内部资源组合的不确定性以及源荷随机出力波动性,其参与电网运行的需求响应特性也呈现较大不明朗特征,极大地增加了配电网运行风险.为此,提出一种基于深度学习的微网需求响应特性封装与配电网优化运行新机制,采用数据驱动的方式对微网需求响应特性封装,避免对微网内部模型的解析,充分利用气象信息、价格数据建立微网长短期记忆(LSTM)多维时序需求响应封装模型,在此基础上构造配电网运行优化模型,并提出了基于改进的粒子群优化(IPSO)算法模型求解策略,以最大限度降低配电网电压越限风险与网络损耗.通过含微网群的33节点配电网系统算例进行分析,结果表明了所提微网需求响应封装模型的有效性以及IPSO算法的优越性.
微网(微电网)群、配电网、电压越限、需求响应、长短期记忆(LSTM)网络
45
国家自然科学基金资助项目;国家重点研发计划资助项目
2021-05-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
157-165