作者：杨楠
页数：192
出版社：科学出版社
出版日期：2020
ISBN：9787030657787
电子书格式：pdf/epub/txt
内容简介
机组组合问题的建模与求解作为电力系统领域一种典型的数学优化问题，是电力市场决策及电力系统日前调度的重要理论基础。本书重点介绍机组组合问题的背景及一些经典的模型，同时还介绍一些典型机组组合问题的建模和求解方法，包括常规电力系统的机组组合问题、考虑多重目标的机组组合问题和考虑不确定性的机组组合问题。另外，由于机组组合决策往往还需要一些不确定性电源的预测数据作为支撑，本书将介绍几种常见的不确定性电源出力预测方法。
作者简介
杨楠，1987年生，湖北襄阳人，2014年毕业于武汉大学电气工程学院电力系统及其自动化专业，获博士学位。目前在三峡大学电气与新能源学院担任副教授、博士生导师，同时还担任该学院自动化系系主任、智慧能源技术湖北省工程技术中心副主任、微电网湖北省工程技术中心副主任以及IEEE menlber。
作者多年来一直从事电力系统机组组合问题的研究工作，发表EI/SCI检索论文十余篇，主持承担了包括国家自然科学基金在内的多项科技攻关项目，同时还担任国内学术期刊《电力系统保护与控制》与《高压电器》的青年编委，以及包括《中国电机工程学报》《电网技术》在内的多个学术期刊的审稿人。
目录
目录
第1章 绪论 /1
1.1 电力系统机组组合问题的起源 /2
1.2 电力系统机组组合问题的基本内容 /3
1.3 电力系统机组组合问题国内外研究现状 /4
1.3.1 基于物理模型驱动的机组组合 /5
1.3.2 基于数据驱动的机组组合 /7
1.3.3 常规机组组合模型的求解方法 /8
1.4 本书的主要内容和架构 /11
本章参考文献 /12
第2章 新能源出力的超短期预测技术 /17
2.1 引言 /18
2.2 单一超短期预测方法 /18
2.2.1 Elman神经网络 /18
2.2.2 极限学习机 /20
2.2.3 支持向量机 /21
2.3 数据非平稳性处理方法 /24
2.3.1 小波分解 /25
2.3.2 经验模态分解 /26
2.3.3 噪声辅助信号分解 /28
2.4 组合超短期预测方法 /29
2.4.1 基于NACEMD-Elman神经网络的组合预测方法 /29
2.4.2 基于EMD-ELM的组合预测方法 /30
2.4.3 基于EMD-SVM的组合预测方法 /31
2.5 典型算例 /31
2.5.1 基于EEMD-改进Elman方法的风电功率预测算例 /31
2.5.2 基于NACEMD-Elman方法的风电功率预测算例 /35
本章参考文献 /39
第3章 电力系统各发电单元的成本效益模型 /41
3.1 引言 /42
3.2 火电机组的成本模型 /42
3.2.1 火电机组的成本函数 /42
3.2.2 火电机组的运行约束条件 /43
3.3 水电机组的效益模型 /44
3.3.1 水电机组的效益函数 /44
3.3.2 水电机组的运行约束条件 /44
3.4 风电机组的成本模型 /45
3.4.1 风电机组的成本函数 /45
3.4.2 风电机组的运行约束条件 /46
3.5 其他发电单元的成本模型 /47
3.5.1 光伏发电单元的成本模型 /47
3.5.2 天然气发电单元的成本模型 /47
本章参考文献 /48
第4章 常规电力系统的机组组合问题 /49
4.1 引言 /50
4.2 常规机组组合模型 /50
4.3 考虑安全约束的机组组合模型 /51
4.4 常规机组组合模型的求解方法 /52
4.4.1 拉格朗日松弛法 /52
4.4.2 Benders分解法 /55
4.4.3 序优化算法 /58
4.4.4 遗传算法 /60
4.4.5 粒子群算法 /64
4.4.6 生物地理学算法 /65
4.5 典型算例 /69
4.5.1 常规机组组合算例 /69
4.5.2 考虑安全约束的机组组合算例 /70
本章参考文献 /71
第5章 考虑多重目标的机组组合问题 /73
5.1 引言 /74
5.2 多目标机组组合问题的数学模型 /74
5.3 多目标机组组合问题的处理方法 /77
5.4 典型算例 /82
5.4.1 考虑系统总发电成本和能源环境效益的多目标机组组合算例 /82
5.4.2 考虑系统总发电成本、能源环境效益和系统安全稳定的多目标机组组合算例 /85
本章参考文献 /87
第6章 考虑不确定性的电力系统机组组合问题 /89
6.1 引言 /90
6.2 间歇性电源出力的概率特性建模 /90
6.2.1 参数估计方法 /90
6.2.2 非参数估计方法 /92
6.2.3 间歇性电源出力的概率特性建模方法 /95
6.3 基于场景法的机组组合 /98
6.3.1 场景生成方法 /99
6.3.2 场景缩减技术 /102
6.4 基于机会约束的机组组合 /103
6.4.1 机会约束方法的基本原理 /104
6.4.2 基于机会约束的机组组合模型 /104
6.5 基于鲁棒优化的机组组合 /105
6.5.1 基于鲁棒优化的机组组合模型 /105
6.5.2 鲁棒机组组合模型求解 /106
6.6 典型算例 /110
6.6.1 非参数估计方法建模算例 /110
6.6.2 基于机会约束方法的仿真算例 /114
本章参考文献 /115
第7章 考虑多元化约束条件和决策变量的机组组合问题 /117
7.1 引言 /118
7.2 考虑源荷互动的含风电SCUC问题 /118
7.2.1 负荷侧控制机理及响应模型 /118
7.2.2 考虑源荷互动的含风电SCUC模型 /125
7.2.3 考虑源荷互动的含风电SCUC模型的求解算法 /127
7.3 考虑交流潮流安全约束的含风电SCUC问题 /131
7.3.1 模型目标函数及常规约束条件 /131
7.3.2 交流潮流安全约束及不确定性因素的描述 /132
7.3.3 考虑交流潮流安全约束的含风电SCUC模型的求解算法 /133
7.4 典型算例 /135
7.4.1 考虑源荷互动的含风电SCUC问题算例 /135
7.4.2 考虑交流潮流安全约束的含风电SCUC问题算例 /143
本章参考文献 /146
第8章 关于机组组合问题研究的展望 /149
8.1 引言 /150
8.2 考虑多重不确定性因素及其相关性的机组组合问题研究 /150
8.2.1 考虑多重随机因素的鲁棒机组组合模型 /150
8.2.2 最坏场景求解 /152
8.2.3 模型求解算法 /154
8.3 基于数据驱动的机组组合问题研究 /156
8.3.1 大数据理论 /156
8.3.2 基于数据驱动的机组组合决策方法 /159
8.3.3 历史数据的聚类预处理 /161
8.3.4 机组组合深度学习模型及其训练算法 /163
8.4 典型算例 /166
8.4.1 考虑多重不确定性和相关性的机组组合算例 /166
8.4.2 基于数据驱动的机组组合算例 /170
本章参考文献 /177
附表 /179
第1章 绪论 /1
1.1 电力系统机组组合问题的起源 /2
1.2 电力系统机组组合问题的基本内容 /3
1.3 电力系统机组组合问题国内外研究现状 /4
1.3.1 基于物理模型驱动的机组组合 /5
1.3.2 基于数据驱动的机组组合 /7
1.3.3 常规机组组合模型的求解方法 /8
1.4 本书的主要内容和架构 /11
本章参考文献 /12
第2章 新能源出力的超短期预测技术 /17
2.1 引言 /18
2.2 单一超短期预测方法 /18
2.2.1 Elman神经网络 /18
2.2.2 极限学习机 /20
2.2.3 支持向量机 /21
2.3 数据非平稳性处理方法 /24
2.3.1 小波分解 /25
2.3.2 经验模态分解 /26
2.3.3 噪声辅助信号分解 /28
2.4 组合超短期预测方法 /29
2.4.1 基于NACEMD-Elman神经网络的组合预测方法 /29
2.4.2 基于EMD-ELM的组合预测方法 /30
2.4.3 基于EMD-SVM的组合预测方法 /31
2.5 典型算例 /31
2.5.1 基于EEMD-改进Elman方法的风电功率预测算例 /31
2.5.2 基于NACEMD-Elman方法的风电功率预测算例 /35
本章参考文献 /39
第3章 电力系统各发电单元的成本效益模型 /41
3.1 引言 /42
3.2 火电机组的成本模型 /42
3.2.1 火电机组的成本函数 /42
3.2.2 火电机组的运行约束条件 /43
3.3 水电机组的效益模型 /44
3.3.1 水电机组的效益函数 /44
3.3.2 水电机组的运行约束条件 /44
3.4 风电机组的成本模型 /45
3.4.1 风电机组的成本函数 /45
3.4.2 风电机组的运行约束条件 /46
3.5 其他发电单元的成本模型 /47
3.5.1 光伏发电单元的成本模型 /47
3.5.2 天然气发电单元的成本模型 /47
本章参考文献 /48
第4章 常规电力系统的机组组合问题 /49
4.1 引言 /50
4.2 常规机组组合模型 /50
4.3 考虑安全约束的机组组合模型 /51
4.4 常规机组组合模型的求解方法 /52
4.4.1 拉格朗日松弛法 /52
4.4.2 Benders分解法 /55
4.4.3 序优化算法 /58
4.4.4 遗传算法 /60
4.4.5 粒子群算法 /64
4.4.6 生物地理学算法 /65
4.5 典型算例 /69
4.5.1 常规机组组合算例 /69
4.5.2 考虑安全约束的机组组合算例 /70
本章参考文献 /71
第5章 考虑多重目标的机组组合问题 /73
5.1 引言 /74
5.2 多目标机组组合问题的数学模型 /74
5.3 多目标机组组合问题的处理方法 /77
5.4 典型算例 /82
5.4.1 考虑系统总发电成本和能源环境效益的多目标机组组合算例 /82
5.4.2 考虑系统总发电成本、能源环境效益和系统安全稳定的多目标机组组合算例 /85
本章参考文献 /87
第6章 考虑不确定性的电力系统机组组合问题 /89
6.1 引言 /90
6.2 间歇性电源出力的概率特性建模 /90
6.2.1 参数估计方法 /90
6.2.2 非参数估计方法 /92
6.2.3 间歇性电源出力的概率特性建模方法 /95
6.3 基于场景法的机组组合 /98
6.3.1 场景生成方法 /99
6.3.2 场景缩减技术 /102
6.4 基于机会约束的机组组合 /103
6.4.1 机会约束方法的基本原理 /104
6.4.2 基于机会约束的机组组合模型 /104
6.5 基于鲁棒优化的机组组合 /105
6.5.1 基于鲁棒优化的机组组合模型 /105
6.5.2 鲁棒机组组合模型求解 /106
6.6 典型算例 /110
6.6.1 非参数估计方法建模算例 /110
6.6.2 基于机会约束方法的仿真算例 /114
本章参考文献 /115
第7章 考虑多元化约束条件和决策变量的机组组合问题 /117
7.1 引言 /118
7.2 考虑源荷互动的含风电SCUC问题 /118
7.2.1 负荷侧控制机理及响应模型 /118
7.2.2 考虑源荷互动的含风电SCUC模型 /125
7.2.3 考虑源荷互动的含风电SCUC模型的求解算法 /127
7.3 考虑交流潮流安全约束的含风电SCUC问题 /131
7.3.1 模型目标函数及常规约束条件 /131
7.3.2 交流潮流安全约束及不确定性因素的描述 /132
7.3.3 考虑交流潮流安全约束的含风电SCUC模型的求解算法 /133
7.4 典型算例 /135
7.4.1 考虑源荷互动的含风电SCUC问题算例 /135
7.4.2 考虑交流潮流安全约束的含风电SCUC问题算例 /143
本章参考文献 /146
第8章 关于机组组合问题研究的展望 /149
8.1 引言 /150
8.2 考虑多重不确定性因素及其相关性的机组组合问题研究 /150
8.2.1 考虑多重随机因素的鲁棒机组组合模型 /150
8.2.2 最坏场景求解 /152
8.2.3 模型求解算法 /154
8.3 基于数据驱动的机组组合问题研究 /156
8.3.1 大数据理论 /156
8.3.2 基于数据驱动的机组组合决策方法 /159
8.3.3 历史数据的聚类预处理 /161
8.3.4 机组组合深度学习模型及其训练算法 /163
8.4 典型算例 /166
8.4.1 考虑多重不确定性和相关性的机组组合算例 /166
8.4.2 基于数据驱动的机组组合算例 /170
本章参考文献 /177
附表 /179
