典型文献
基于机器学习的源荷互动微电网优化调度
文献摘要：
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.
文献关键词：
微电网;K-means聚类方法;支持向量机;模型预测控制;优化调度
中图分类号：
作者姓名：
周步祥;徐艺宾
作者机构：
四川大学电气工程学院,成都 610065
文献出处：
引用格式：
[1]周步祥;徐艺宾-.基于机器学习的源荷互动微电网优化调度)[J].电力系统及其自动化学报,2022(02):144-150
A类：
B类：
基于机器学习,源荷互动,电网优化调度,微网,电力市场,清洁能源,消纳率,融合半监督,means,聚类分析方法,机器学习算法,源荷协调,协调优化,优化调度方法,聚类算法,历史数据,典型场景,风电出力,概率分布,运行成本,成本优化,用户需求,需求响应,用户响应,互动性,用电负荷,仿真验证,明文,微电网系统,实时预测,经济收益,聚类方法,模型预测控制
AB值：
0.391092
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
