Краткосрочное прогнозирование фотоэлектрических станций и оптимизация топологии электроэнергетических систем с высокой долей генерации на основе ВИЭ
Аннотация
Диссертация 87 с., 33 рис., 8 табл., 50 источников, 2 прил.
ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ, ПРОГНОЗИРОВАНИЕ ГЕНЕРАЦИИ, ОПТИМИЗАЦИЯ ТОПОЛОГИИ, КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ, МАШИННОЕ ОБУЧЕНИЕ, ГЕНЕТИЧЕСКИЙ АЛГОРИТМ.
Целью настоящей работы является модернизация существующих подходов к краткосрочному прогнозированию генерации ВИЭ и подходов к определению оптимальной конфигурации распределительной сети с использованием методов машинного обучения и биоинспирированных оптимизационных методов.
В работе рассматриваются вопросы повышения точности прогнозирования генерации фотоэлектрических станций на открытых метеорологических данных с использованием ансамблевых методов машинного обучения, и алгоритма предварительной обработки исходных данных.
Также в работе описан разработанный алгоритм для оптимизации топологии электрической сети с высокой долей подключенных возобновляемых источников энергии, основанный на биоинспирированных методах оптимизации.
Разработанный оптимизационный алгоритм протестирован на двух схемах электроэнергетических сетей (14 и 15 узлов) из базы данных IEEE.
ВОЗОБНОВЛЯЕМЫЕ ИСТОЧНИКИ ЭНЕРГИИ, ПРОГНОЗИРОВАНИЕ ГЕНЕРАЦИИ, ОПТИМИЗАЦИЯ ТОПОЛОГИИ, КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ, МАШИННОЕ ОБУЧЕНИЕ, ГЕНЕТИЧЕСКИЙ АЛГОРИТМ.
Целью настоящей работы является модернизация существующих подходов к краткосрочному прогнозированию генерации ВИЭ и подходов к определению оптимальной конфигурации распределительной сети с использованием методов машинного обучения и биоинспирированных оптимизационных методов.
В работе рассматриваются вопросы повышения точности прогнозирования генерации фотоэлектрических станций на открытых метеорологических данных с использованием ансамблевых методов машинного обучения, и алгоритма предварительной обработки исходных данных.
Также в работе описан разработанный алгоритм для оптимизации топологии электрической сети с высокой долей подключенных возобновляемых источников энергии, основанный на биоинспирированных методах оптимизации.
Разработанный оптимизационный алгоритм протестирован на двух схемах электроэнергетических сетей (14 и 15 узлов) из базы данных IEEE.