基于数据驱动和多场景技术的微电网并网等效建模
微电网并网等效建模是含大规模微电网并网电力系统仿真分析的基础,但分布式电源的随机性和波动性导致微电网并网模型参数的不确定性和结构的多样性.提出一种基于数据驱动和多场景技术的微电网并网等效建模方法,利用马尔可夫链建立基于分布式电源随机概率特性的微电网运行场景,明晰微电网场景间的时间关联性.在传统k-means聚类算法的基础上增加马尔可夫影响因子,加速微电网运行场景向聚类中心聚集以及场景消减,从而获得微电网典型运行场景.针对每个典型运行场景建立基于长短期记忆(LSTM)神经网络的微电网并网等效模型,利用LSTM神经网络的时序逻辑特性和内部非线性映射特性描述微电网并网点整体动态运行特性.仿真结果验证了所提方法的合理性和有效性.
微电网、等效建模、多场景技术、k-means聚类算法、LSTM神经网络
42
TM732(输配电工程、电力网及电力系统)
国家自然科学基金;中央高校基本科研业务费专项资金资助项目;江苏省输配电装备技术重点实验室开放基金资助项目
2022-09-22（万方平台首次上网日期，不代表论文的发表时间）
共6页
64-69
