智能电网中的微网的电力需求侧管理研究

本项目对智能电网中的微网的电力需求侧管理理论进行研究，力求通过发展微网的需求侧管理理论方法解决普通用户自备电源中风电和光伏等能源发电的上网问题，这对我国大力发展可再生能源和可持续发展具有重要的意义。.研究内容：1、提出的微网的智能动态电价理论模型，能够吸取实时电价和峰谷电价的优点，清楚界定微网作为一个独立受控单元所真正承担的主网成本，促进可再生能源发展；2、针对用户自备电源单体容量小、波动性大和分布广的特点，建立微网内电源点配置结构模型和选址模型；3、研究主网和微网的关联关系，建立等效静态和等效动态模型；4、建立基于智能生物优化的BP神经网络和支持向量机电力需求预测模型，引入知识挖掘和生物进化技术，提高预测的精度，提升微网运行的稳定性；5、研究一套完整的微网的分布式能源需求侧管理理论体系。力争取得创新性成果，建立一套微网的需求侧管理理论，推进智能电网生态环境的生成，为清洁能源发展作出贡献。

在自然基金执行过程中，按照项目申请书的立项内容完成了研究任务。期间课题组在期刊和国际会议上公开发表相关学术论文16篇，其中，被SCI收录3篇，被EI收录9篇，国际期刊发表1篇，在中文核心期刊上发表1篇。成功申请软件著作权2项。签订了4项相关实际应用的项目协议。所研究成果获得1项中国商业科技进步一等奖，1项国家电网公司科学技术进步奖三等奖。共参加了4次国内外学术会议，应邀请做分会场报告1次。培养与课题相关人才包括毕业2名博士研究生，毕业7名硕士研究生。具体内容如下：.在科研方面，课题组首先建立了小型风场历史气象和负荷数据库，挖掘内部潜在规律，依据此建立了基于组合优化的风电负荷预测模型；其次，为了设计智能电网中的微网的发展机制，课题组对我国分布式能源系统的发展与应用进行了研究；第三，为了更好的对电力需求预测的分析，课题组分别建立了基于改进的自适应学习的BP神经网络负荷预测模型，基于小波分解的回声状态网络负荷预测模型，基于改进遗传算法的神经网络短期电力负荷预测模型，基于数据挖掘和知识发现技术的电力负荷预测模型，基于动态惯性权重粒子群优化的支持向量机电力负荷预测模型，基于分形理论外推算法优化的电力负荷预测模型等；第四，为了设计一套分布式能源的需求侧管理理论，对电能在中国能源消费结构中地位进行了研究；第五，为了更好的研究微网与主网的关系，建立了一种基于分布式动态描述逻辑Tableau推理算法等效模型；第六，为了解决小型可再生分布式能源的利用问题，建立了基于期望效用最大化可再生能源发展优化模型；第七，在对需求侧管理的效果进行评估中，涉及到各指标的权重和赋值不好确定，建立了基于模糊影响图与Ｄ-Ｓ证据理论的多属性群决策评价模型。以上所研成果均被通过学术论文形式发表或者即将发表。.课题组所研究的相关成果与浙江大学共同申报的“面向智慧服务的双脑（脑-机）智能与仿脑智慧计算关键技术及应用” 获得2014年“全国商业科技进步一等奖”。所研成果：“电网发展诊断分析理论研究与应用”获得2014年“国家电网公司科技进步三等奖”。围绕分布式能源的电力负荷预测研究开发了教学软件“基于WEB的网络在线教学平台”，并成功申请了软件著作权。签订了4项相关实际应用的项目协议，受企事业单位委托对不同风电消纳方式的社会经济效益综合评价、投资建设分布式天然气三联供项目以及城镇化小区供电设施建设研究与应用等方面