分布式發(fā)電中人工智能的應(yīng)用

1、 人工智能在分布式發(fā)電中的應(yīng)用 分布式發(fā)電簡介 分布式發(fā)電存在的問題 人工智能技術(shù)及其在分布式發(fā)電系統(tǒng)中各種復(fù)雜問題求解中的應(yīng)用 總結(jié)分布式發(fā)電簡介 分布式發(fā)電（Distributed Generation，簡稱DG），通常是指發(fā)電功率在幾千瓦至數(shù)百兆瓦（也有的建議限制在3050兆瓦以下）的小型模塊化、分散式、布置在用戶附近的高效、可靠的發(fā)電單元。主要包括：以液體或氣體為燃料的內(nèi)燃機(jī)、微型燃?xì)廨啓C(jī)、太陽能發(fā)電（光伏電池、光熱發(fā)電）、風(fēng)力發(fā)電、生物質(zhì)能發(fā)電等。分布式電源 主要包括太陽能發(fā)電、風(fēng)能發(fā)電、小水電、潮汐、地?zé)岬瓤稍偕茉措娫醇叭剂想姵?、燃?xì)廨啓C(jī)等化學(xué)燃料電源.分布式發(fā)電系統(tǒng)運(yùn)行方式 孤

2、立運(yùn)行方式 并網(wǎng)供電方式孤立運(yùn)行模式 采用孤立運(yùn)行模式時(shí),微網(wǎng)不僅可以滿足微網(wǎng)內(nèi)用戶對(duì)電力質(zhì)量和可靠性的要求,而且不會(huì)對(duì)大電網(wǎng)產(chǎn)生不利影響,不需要對(duì)大電網(wǎng)的運(yùn)行策略進(jìn)行修改.孤立運(yùn)行遇到的問題1)電壓和頻率控制問題;2)發(fā)電設(shè)備故障診斷;3)能量存儲(chǔ)和轉(zhuǎn)換;4)最大功率跟蹤;5)電能質(zhì)量控制;6)不同類型DG間相互干擾問題(能量波動(dòng)等);7)多類型DG間能量互補(bǔ)控制策略;8)微網(wǎng)本身的投資及運(yùn)行的最優(yōu)化等.并網(wǎng)供電方式 微網(wǎng)和傳統(tǒng)大電網(wǎng)之間具有靈活、可控的電力電子接口,允許兩側(cè)在接口處實(shí)現(xiàn)經(jīng)濟(jì)地輸送、接受電能.并網(wǎng)運(yùn)行模式時(shí)除孤立運(yùn)行模式中存在的問題外,還包括以下主要問題1)微網(wǎng)和傳統(tǒng)大電網(wǎng)靈

3、活、可控、可靠、智能化的電力電子接口;2) DG最優(yōu)規(guī)劃;3)對(duì)電網(wǎng)穩(wěn)定性的影響;4)對(duì)電網(wǎng)電能質(zhì)量的影響;5)對(duì)電網(wǎng)繼電保護(hù)的影響;6)孤島檢測(cè)與最優(yōu)劃分;7)分布式電力市場(chǎng)中DG的最優(yōu)調(diào)度;8) DG發(fā)電預(yù)測(cè);9) DG的分散布局與全局優(yōu)化控制的矛盾等.人工智能技術(shù)在分布式發(fā)電系統(tǒng)中應(yīng)用人工智能技術(shù)在分布式發(fā)電系統(tǒng)中應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)(ANN) 遺傳算法(GA) 模糊邏輯(FL)人工神經(jīng)網(wǎng)絡(luò)(ANN)人工神經(jīng)網(wǎng)絡(luò)(ANN) 神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模并行處理的非線性系統(tǒng),它根據(jù)數(shù)據(jù)本身的內(nèi)在聯(lián)系進(jìn)行建模,具有良好容錯(cuò)、結(jié)構(gòu)拓?fù)漪敯簟⒙?lián)想、推測(cè)、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能,被廣

4、泛地應(yīng)用于電力系統(tǒng)的辨識(shí)與測(cè)量、實(shí)時(shí)控制、監(jiān)測(cè)與診斷、負(fù)荷預(yù)測(cè)、穩(wěn)定性分析等諸多領(lǐng)域.人工神經(jīng)網(wǎng)絡(luò)在分布式發(fā)電系統(tǒng)方面的主要應(yīng)用 1)分布式電源的最大功率跟蹤(MPPT); 2)分布式發(fā)電智能診斷系統(tǒng),實(shí)現(xiàn)故障自動(dòng)診斷; 3)分布式發(fā)電系統(tǒng)的短期發(fā)電預(yù)測(cè); 4)DG并網(wǎng)系統(tǒng)中新的保護(hù)方案,以實(shí)現(xiàn)故障的檢測(cè)與定位; 5)增強(qiáng)并網(wǎng)系統(tǒng)的穩(wěn)定性,減小分布式發(fā)電系統(tǒng)非線性和隨機(jī)性對(duì)并網(wǎng)系統(tǒng)的影響; 6)應(yīng)用于微網(wǎng)控制器:通過評(píng)估經(jīng)濟(jì)效益,接收市場(chǎng)信息和負(fù)荷預(yù)測(cè)等,確定發(fā)電機(jī)的合適發(fā)電量,使微網(wǎng)花費(fèi)最小,效益最高; 7)應(yīng)用于智能化EMS,可以自動(dòng)地實(shí)時(shí)確定各DG的調(diào)度量,使并網(wǎng)系統(tǒng)總的能耗最小化.人工

5、神經(jīng)網(wǎng)絡(luò)在分布式發(fā)電系統(tǒng)的應(yīng)用中存在的主要問題 1)ANN在使用之前需要大量的、有代表性的樣本供其學(xué)習(xí),且算法的收斂速度一般較慢,學(xué)習(xí)完成之后,如果系統(tǒng)結(jié)構(gòu)發(fā)生變化,則需要增加新的樣本重新學(xué)習(xí); 2)ANN缺乏解釋自身行為和輸出結(jié)果的能力; 3)神經(jīng)網(wǎng)絡(luò)缺乏從專家中獲取口頭和語言信息的能力.神經(jīng)網(wǎng)絡(luò)的改良 對(duì)ANN算法的研究、特征樣本變量的選取均需進(jìn)行進(jìn)一步深入探討;同時(shí),有機(jī)結(jié)合其相關(guān)領(lǐng)域特別是模糊理論等去研究開發(fā)ANN,也具有十分重要的意義. 例如：模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)集成后則可擁有兩方面的優(yōu)點(diǎn),可具有神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力、優(yōu)化能力、聯(lián)想記憶能力等,又具有模糊系統(tǒng)類似于人類思維方式的if-th

6、en規(guī)則并易于嵌入專家知識(shí).遺傳算法(GA)遺傳算法(GA) 遺傳算法具有廣泛適用性的搜索方法,具有很強(qiáng)的全局優(yōu)化搜索能力,是一種最有效的解決最優(yōu)化問題的方法.在電力系統(tǒng)中,已廣泛應(yīng)用于無功優(yōu)化、經(jīng)濟(jì)調(diào)度、負(fù)荷預(yù)測(cè)、故障診斷、供電恢復(fù)、機(jī)組優(yōu)化等領(lǐng)域中.遺傳算法在分布式發(fā)電系統(tǒng)方面的主要應(yīng)用 1)DG多目標(biāo)最優(yōu)規(guī)劃:主要目標(biāo)涉及選址、定容、系統(tǒng)投資花費(fèi)、發(fā)電花費(fèi)、電壓特性、網(wǎng)損最小化、穩(wěn)定性、饋線容量限制、負(fù)荷需求、供電可靠性等各方面; 2)聯(lián)合分布式發(fā)電系統(tǒng)中DG機(jī)組組合的優(yōu)化配置和控制策略,找到可接入的DG位置和容量的最佳策略,滿足負(fù)荷需求,系統(tǒng)最小花費(fèi), DG最小維護(hù)費(fèi)用和操作費(fèi)用; 3

7、)含DG的配電網(wǎng)絡(luò)重構(gòu)方法:目標(biāo)1)實(shí)現(xiàn)最大DG接入,即輔助配電系統(tǒng)操作員規(guī)劃和管理DG接入,使總的DG接入量最大,實(shí)現(xiàn)可再生能源的最大利用;目標(biāo)2)由DG和變電站母線(主網(wǎng))聯(lián)合提供的電能總成本最小; 4)含DG配電系統(tǒng)的經(jīng)濟(jì)調(diào)度; 5)配電網(wǎng)無功優(yōu)化:DG位置及無功輸出; 6)最大功率跟蹤.遺傳算法的存在的問題 如何確定最優(yōu)的交叉和變異算子及其相應(yīng)的參數(shù)仍是遺傳算法中有待進(jìn)一步研究的問題,而且單一傳統(tǒng)的遺傳算法已不能解決一些大規(guī)模的復(fù)雜問題。 結(jié)合其他智能算法如模擬退火、最優(yōu)潮流等方法變得更加有效甚至有時(shí)成為必須。模糊邏輯(FL)模糊邏輯(FL) 模糊邏輯(Fuzzy Logic)控制是以

8、模糊集合論、模糊語言及模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)智能控制 模糊邏輯的知識(shí)表達(dá)更接近于人類思維有強(qiáng)大的專家系統(tǒng)推理能力和普通知識(shí)的表達(dá)能力當(dāng)系統(tǒng)模型不存在或難以建立精確的數(shù)學(xué)模型時(shí),模糊邏輯能成功地為系統(tǒng)控制提供工具.近年來模糊邏輯理論在電力系統(tǒng)中的應(yīng)用得到了飛速發(fā)展.模糊邏輯在分布式發(fā)電系統(tǒng)方面的應(yīng)用1）控制和保護(hù)設(shè)備控制器:一種基于FL的AVC控制器,用來更新OLTC變壓器的傳統(tǒng)控制設(shè)備 AVC繼電器,解決含DG配電網(wǎng)的電壓控制問題;2）接口逆變器控制算法:提高電能質(zhì)量、功率控制;3）DG最優(yōu)布置:多目標(biāo)分析時(shí)的參數(shù)適當(dāng)選擇.提出一種定義定性和定量參數(shù)的方法,以確定配電系統(tǒng)中DG的最優(yōu)位置;

9、4）能量管理系統(tǒng):考慮到風(fēng)能、太陽能和用戶負(fù)荷需求預(yù)測(cè)的模糊性,用來實(shí)現(xiàn)混合DG系統(tǒng)中的長期操作的優(yōu)化;5）模糊自適應(yīng)控制:風(fēng)力發(fā)電機(jī)組變漿距智能控制,最大功率跟蹤及電能質(zhì)量改善;6）機(jī)組性能分析的模糊綜合評(píng)判方法;7）短期負(fù)荷預(yù)測(cè).模糊理論在實(shí)際應(yīng)用中可能存在的缺陷 1）由于人們對(duì)過程認(rèn)識(shí)貧乏,或者總結(jié)不出完整的經(jīng)驗(yàn),使模糊控制很粗糙,影響其效果; 2）如何用模糊集來準(zhǔn)確描述人類專家的不同經(jīng)驗(yàn).模糊系統(tǒng)的改良 在模糊邏輯的基礎(chǔ)上,產(chǎn)生了自適應(yīng)模糊邏輯(Adaptive Fuzzy Logic,簡稱AFL),可以用推理預(yù)測(cè)來增強(qiáng)智能系統(tǒng)的表現(xiàn);把模糊集理論和其他人工智能方法特別是人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來,以發(fā)揮它們的綜合優(yōu)勢(shì),將是今后的發(fā)展方向.總結(jié) 現(xiàn)代人工智能