文献类型：期刊文章

作　　者：夏元清[1] 高润泽[1] 林敏[1] 任延明[2] 闫策[1]

XIA Yuan-Qing;GAO Run-Ze;LIN Min;REN Yan-Ming;YAN Ce(School of Automation,Beijing Institute of Technology,Beijing 100081;Beijing IWHR Hydro Power Technology Development Co.Ltd.,Beijing 100038)

机构地区：[1]北京理工大学自动化学院,北京100081 [2]北京中水科水电科技开发有限公司,北京100038

出　　处：《自动化学报》

基　　金：国家重点研发计划(2018YFB1003700);国家自然科学基金(61836001,61803033);国家自然科学基金国际合作交流项目(61720106010);国家自然科学基金创新研究群体基金(61621063);北京市自然科学基金(4161001,Z170039)资助。

年　　份：2020

卷　　号：46

期　　号：9

起止页码：1844-1868

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.

关 键 词：绿色能源互补  智能电厂  云控制系统  机器学习  经济模型预测控制  滚动优化  

分 类 号：TM76]