基于机器学习的源荷互动微电网优化调度
Proceedings of the CSU-EPSA（2022）
摘要
为了发挥微网电力市场的活力,实现清洁能源的优化配置,提高微电网消纳率,在融合半监督K-means聚类分析方法和支持向量机2种机器学习算法的基础上,提出了微电网源荷协调优化调度方法.首先利用改进的K-means聚类算法对源荷历史数据进行预处理.其次运用SVM对聚类后的微电网源荷数据进行预测,在预测结果中选取典型场景,以典型场景为代表准确得出风电出力的概率分布.然后建立了微电网总运行成本优化模型,通过用户需求响应引导用户响应风电出力,增加模型源荷双方的协调互动性,提高风电与用电负荷的匹配程度.最后,通过仿真验证表明文章算法缩小预测值和实际值之间的误差,提高微电网系统实时预测精度,增加微电网经济收益.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要