基于大数据的微网系统多目标协同优化运行策略研究

The optimal operation of micro-grid system is a difficult due to the diversity of composition and operation goals, complexity of the energy flow. Micro-grid operation data are bigger and bigger. The big data accumulated gradually of micro-grid provides a new way to achieve the purpose of optimizing operation. The preprocess and analysis of micro-grid data, the forecasting and optimal operation of micro-grid system are researched mainly to realize the multi-objective optimization operation strategy of the micro-grid system under the background of big data. The research contents including: ①Owing to the high data missing rate, low signal noise ratio and multi-source heterogeneous characteristics, the missing fill, noise reduction and integration methods for micro network data have been proposed. ②Based on linkage analysis theory and vector auto-regression model, the holographic associative feature extraction method between environmental factors and power data is researched, and which provides the comprehensive micro-grid operation characteristic data. ③Based on graph model method, spatial analysis, forecasting methods for outputs of distributed micro power source and short-term load are researched, and which provides the basis for the power balance during optimal operation of micro-grid. ④Based on adaptive dynamic programming and the deep learning model, the multi-objective optimization operation strategy of the micro-grid system is researched, and the target value is provided for the bottom layer control. This project belongs to the application basic research, and the research result has the very strong application prospect to the improve operation efficiency of the micro-grid system.

微网系统由于组成及运行目标的多样性、能量流动的复杂性，其优化运行一直是研究的难点问题，微网运行中逐步积累的大数据为解决这一问题提供了新途径。课题重点研究微网大数据的预处理与分析、系统的预测与优化问题，实现大数据背景下的微网系统多目标协同优化运行。研究内容包括:①针对数据缺失比高、信噪比低及多源异构特征，提出微网大数据的缺失填补、降噪及集成方法，实现微网数据的预处理；②基于联动分析理论与向量自回归模型等，提出多环境因素与电力数据间全息关联特征提取方法，获取微网运行全面特征数据；③采用图模型法、时空分析法等，研究微网系统分布式微源出力及短期负荷预测方法，为微网优化运行功率平衡提供依据；④围绕发电成本、排放、综合效益、失负荷概率等运行目标，提出基于自适应动态规划方法与深度模型的微网系统多目标协同优化运行策略，为底层控制提供参考值。本课题属于应用基础研究,研究成果对提高微网运行效率有很强应用前景。

微网系统由于组成及运行目标的多样性、能量流动的复杂性，其优化运行一直是研究的难点问题，项目基于微网运行中积累的大数据，采用数据分析与挖掘技术来解决这一问题。主要研究内容及成果如下：（1）对微网运行数据进行预处理,分别提出基于马尔可夫蒙特卡罗算法（MCMC）的微网光伏数据填补方法、基于变分模态分解（VMD）、改进小波阈值等方法风电数据降噪处理方法。（2）对微网运行数据进行特征提取及集成，提出了基于采用核主成分析法（KPCA）、随机森林模型（RF）的微网数据特征构建方法、基于Stacking集成模型的数据集成方法。（3）对微网微源出力及负荷进行预测，分别提出了基于相似日和改进粒子群（PSO）优化最小二乘支持向量机(LS-SVM)的光伏发电功率预测方法、基于RF的风电功率预测方法、基于自适应柯西变异粒子群(ACMPSO)算法优化长短期记忆(LSTM)神经网络的短期电力负荷预测方法、基于互信息选择特征向量、分布估计算法LSSVM的微网储能单元电池SOC、SOH预测方法。（4）基于运行数据及预测数据对微网系统多目标协同优化运行策略进行了研究，以最小运行维护本、最小污染排放量和最低电能浪费率为目标建立微网多目标优化运行模型，以各发电单元特性制定约束条件，提出基于非支配排序遗传算法(NSGA-II)的微网系统多目标优化进行求解策略。(5)对微网系统中的功率接口装置的调制及控制策略进行了研究，提出了基于U模型的储能电池的模糊PID控制方法、三相四桥臂逆变器随机脉冲位置3D-SVPWM策略。（6）构建了基于DSPACE的半实物仿真平台，对提出的方法、策略进行了验证。通过上述研究，发表学术论文40余篇，其中SCIE检索5篇，授权发明专利2项，完成相关译著1部，获得江苏省科学技术奖一等奖1项。研究成果对于提高微网系统的运行效率、充分发挥微网的特征优势、解决新能源利用的瓶颈等问题具有重要的理论意义，研究成果具有广泛的市场前景。