典型文献
考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度
文献摘要：
随着电动汽车数量逐渐增多,电动汽车接入电网会给电网运行控制带来困难.同时,以新能源为主体的新型电力系统面临功率平衡挑战.基于自适应噪声完全集成的经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BILSTM),提出了一种考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度方法.首先,通过对风电和基础负荷历史数据进行CEEMDAN,得到不同频率下的本征模态分量;其次,根据极大值点个数判据对本征模态分量进行重构;再次,利用BILSTM预测重构分量,得到风电和基础负荷数据的预测值.基于上述预测的数据,采用模型预测控制方法,建立区域电网多时间尺度调度模型.最后,通过仿真结果表明,所提预测方法具有普适性;所提的多时间尺度调度方法有效且经济,该方法可以在平抑负荷波动、降低风电并网影响的同时,利用电动汽车灵活性对风电预测实时偏差进行补偿,维持系统平衡.
文献关键词：
多时间尺度电力系统调度;电动汽车;经验模态分解;双向长短期记忆神经网络;风电预测;模型预测控制
中图分类号：
作者姓名：
胡俊杰;赖信辉;郭伟;张逾良;杨烨
作者机构：
新能源电力系统国家重点实验室(华北电力大学),北京市 102206;国网河北省电力有限公司经济技术研究院,河北省石家庄市 050011;石家庄通合电子科技股份有限公司,河北省石家庄市 050000;国网电动汽车服务有限公司,北京市 100052
文献出处：
引用格式：
[1]胡俊杰;赖信辉;郭伟;张逾良;杨烨-.考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度)[J].电力系统自动化,2022(16):52-60
A类：
多时间尺度电力系统调度
B类：
电动汽车,风电消纳,区域电网,多时间尺度调度,电网运行,运行控制,新型电力系统,功率平衡,自适应噪声,全集成,经验模态分解,CEEMDAN,双向长短期记忆神经网络,BILSTM,调度方法,基础负荷,历史数据,不同频率,本征模态分量,极大值点,判据,预测重构,负荷数据,模型预测控制,调度模型,平抑,负荷波动,风电并网,风电预测
AB值：
0.23347
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。
