Suche senden
Hochladen
研究背景、目的和意义
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
45 views
C
CSCScholarship
Folgen
研究背景、目的和意义
Weniger lesen
Mehr lesen
Ingenieurwesen
Melden
Teilen
Melden
Teilen
1 von 31
Jetzt herunterladen
Empfohlen
CURRICULUM VITAE
CURRICULUM VITAE
Hsueh-Chung (Stan) Liao
MPPT using P&O method and ANN method in solar PV array
MPPT using P&O method and ANN method in solar PV array
SMRUTISAGARPATTANAIK1
Power System Modeling and Simulation lab manual
Power System Modeling and Simulation lab manual
DHEERAJ DHAKAR
Brochure Entrepreneurial innovation
Brochure Entrepreneurial innovation
Vlerick Business School
Load flow study
Load flow study
Asif Jamadar
Optimization for-power-sy-8631549
Optimization for-power-sy-8631549
Kannan Kathiravan
Optimization in power system
Optimization in power system
Hassan Khalid Uppal
KVL & KCL
KVL & KCL
Yasmin Begum
Empfohlen
CURRICULUM VITAE
CURRICULUM VITAE
Hsueh-Chung (Stan) Liao
MPPT using P&O method and ANN method in solar PV array
MPPT using P&O method and ANN method in solar PV array
SMRUTISAGARPATTANAIK1
Power System Modeling and Simulation lab manual
Power System Modeling and Simulation lab manual
DHEERAJ DHAKAR
Brochure Entrepreneurial innovation
Brochure Entrepreneurial innovation
Vlerick Business School
Load flow study
Load flow study
Asif Jamadar
Optimization for-power-sy-8631549
Optimization for-power-sy-8631549
Kannan Kathiravan
Optimization in power system
Optimization in power system
Hassan Khalid Uppal
KVL & KCL
KVL & KCL
Yasmin Begum
Mppt
Mppt
Kamal Chellappan
Load flow studies 19
Load flow studies 19
Asha Anu Kurian
Power flow through transmission line.
Power flow through transmission line.
SHI SAD VIDYA MANDAL INSTITUTE OF TECHNOLOGY
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
HibaNadhimAmeen
Ece4762011 lect16
Ece4762011 lect16
miguelmena2013
BLDC motor control reference design press presentation
BLDC motor control reference design press presentation
Silicon Labs
Chapter 03
Chapter 03
Tha Mike
Lecture 1 introduction of Power Electronics
Lecture 1 introduction of Power Electronics
aadesharya
Economic dispatch
Economic dispatch
Hussain Ali
Harmonics mitigation solutions
Harmonics mitigation solutions
Fahad Shaikh
Perturb and observe maximum power point tracking for photovoltaic cell
Perturb and observe maximum power point tracking for photovoltaic cell
Alexander Decker
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
Pradeep Avanigadda
IYF Battery Management System Development For Evolving Hybrid Markets
IYF Battery Management System Development For Evolving Hybrid Markets
Information Services Group (ISG)
Solar Presentation.pptx
Solar Presentation.pptx
Steve Martinez
load flow 1
load flow 1
Kinoki Watanabe
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
Divya Yennam
Swing equation
Swing equation
Luis Portugal
Fuel cell
Fuel cell
Dhrupal Patel
Flying Capacitor Multi Level Inverter
Flying Capacitor Multi Level Inverter
Sajid Sheikh
Hydrothermal scheduling
Hydrothermal scheduling
ASHIRBAD BARIK
20190522_近期新加坡能源相關政策探討
20190522_近期新加坡能源相關政策探討
懂能源團隊
20221130_TCEP潔淨能源技術發展進程摘要
20221130_TCEP潔淨能源技術發展進程摘要
懂能源團隊
Weitere ähnliche Inhalte
Was ist angesagt?
Mppt
Mppt
Kamal Chellappan
Load flow studies 19
Load flow studies 19
Asha Anu Kurian
Power flow through transmission line.
Power flow through transmission line.
SHI SAD VIDYA MANDAL INSTITUTE OF TECHNOLOGY
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
HibaNadhimAmeen
Ece4762011 lect16
Ece4762011 lect16
miguelmena2013
BLDC motor control reference design press presentation
BLDC motor control reference design press presentation
Silicon Labs
Chapter 03
Chapter 03
Tha Mike
Lecture 1 introduction of Power Electronics
Lecture 1 introduction of Power Electronics
aadesharya
Economic dispatch
Economic dispatch
Hussain Ali
Harmonics mitigation solutions
Harmonics mitigation solutions
Fahad Shaikh
Perturb and observe maximum power point tracking for photovoltaic cell
Perturb and observe maximum power point tracking for photovoltaic cell
Alexander Decker
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
Pradeep Avanigadda
IYF Battery Management System Development For Evolving Hybrid Markets
IYF Battery Management System Development For Evolving Hybrid Markets
Information Services Group (ISG)
Solar Presentation.pptx
Solar Presentation.pptx
Steve Martinez
load flow 1
load flow 1
Kinoki Watanabe
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
Divya Yennam
Swing equation
Swing equation
Luis Portugal
Fuel cell
Fuel cell
Dhrupal Patel
Flying Capacitor Multi Level Inverter
Flying Capacitor Multi Level Inverter
Sajid Sheikh
Hydrothermal scheduling
Hydrothermal scheduling
ASHIRBAD BARIK
Was ist angesagt?
(20)
Mppt
Mppt
Load flow studies 19
Load flow studies 19
Power flow through transmission line.
Power flow through transmission line.
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
Optimization of Power System Problems Methods Algorithms and MATLAB Codes 202...
Ece4762011 lect16
Ece4762011 lect16
BLDC motor control reference design press presentation
BLDC motor control reference design press presentation
Chapter 03
Chapter 03
Lecture 1 introduction of Power Electronics
Lecture 1 introduction of Power Electronics
Economic dispatch
Economic dispatch
Harmonics mitigation solutions
Harmonics mitigation solutions
Perturb and observe maximum power point tracking for photovoltaic cell
Perturb and observe maximum power point tracking for photovoltaic cell
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
Grid Interconnection of Renewable Energy Sources at the Distribution Level Wi...
IYF Battery Management System Development For Evolving Hybrid Markets
IYF Battery Management System Development For Evolving Hybrid Markets
Solar Presentation.pptx
Solar Presentation.pptx
load flow 1
load flow 1
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
SIMULATION OF MULTIMODE DC-DC CONVERTER FOR EV APPLICATIONS
Swing equation
Swing equation
Fuel cell
Fuel cell
Flying Capacitor Multi Level Inverter
Flying Capacitor Multi Level Inverter
Hydrothermal scheduling
Hydrothermal scheduling
Ähnlich wie 研究背景、目的和意义
20190522_近期新加坡能源相關政策探討
20190522_近期新加坡能源相關政策探討
懂能源團隊
20221130_TCEP潔淨能源技術發展進程摘要
20221130_TCEP潔淨能源技術發展進程摘要
懂能源團隊
46.風速變動下風力發電機槳距角控制 許家毓
46.風速變動下風力發電機槳距角控制 許家毓
Zih-Ming Yang
智慧型網路家庭系統架構
智慧型網路家庭系統架構
jbcinvest
Microgrid Research Programme (Chinese version)
Microgrid Research Programme (Chinese version)
Juan C. Vasquez
國內外Pv發展概況
國內外Pv發展概況
5045033
吉興公司李副總簡介火力發電技術
吉興公司李副總簡介火力發電技術
Nuclear Myth Buster
04 能源管理系統應用實務簡介
04 能源管理系統應用實務簡介
jbcinvest
產品介紹-QE-R 量子效率系統
產品介紹-QE-R 量子效率系統
Enlitech
产品介绍-QE-R 量子效率系统
产品介绍-QE-R 量子效率系统
Enlitech
sfoj23648
sfoj23648
香港六合彩 香港六合彩
香港六合彩
香港六合彩
香港六合彩 香港六合彩
20230829_桃園市虛擬電廠亮點案例分享.pdf
20230829_桃園市虛擬電廠亮點案例分享.pdf
懂能源團隊
產品介紹-QE-RX PERC / HJT / TOP-Con 光伏太陽能電池效率-損失分析解決方案
產品介紹-QE-RX PERC / HJT / TOP-Con 光伏太陽能電池效率-損失分析解決方案
Enlitech
太陽光發電原理與應用R
太陽光發電原理與應用R
5045033
3.太陽能發電系統之最大功率點追蹤及主動式追日技術研發 陳柏宏
3.太陽能發電系統之最大功率點追蹤及主動式追日技術研發 陳柏宏
Zih-Ming Yang
產品介紹-REPS 鈣鈦礦與有機光伏Voc損耗分析系統
產品介紹-REPS 鈣鈦礦與有機光伏Voc損耗分析系統
Enlitech
15.市電併聯型太陽光電發電系統之電路模擬 江昭明
15.市電併聯型太陽光電發電系統之電路模擬 江昭明
Zih-Ming Yang
20170412 全球儲能市場與發展現況
20170412 全球儲能市場與發展現況
懂能源團隊
Internet of Energy in China by Tianjian Gao
Internet of Energy in China by Tianjian Gao
Tianjian Gao
Ähnlich wie 研究背景、目的和意义
(20)
20190522_近期新加坡能源相關政策探討
20190522_近期新加坡能源相關政策探討
20221130_TCEP潔淨能源技術發展進程摘要
20221130_TCEP潔淨能源技術發展進程摘要
46.風速變動下風力發電機槳距角控制 許家毓
46.風速變動下風力發電機槳距角控制 許家毓
智慧型網路家庭系統架構
智慧型網路家庭系統架構
Microgrid Research Programme (Chinese version)
Microgrid Research Programme (Chinese version)
國內外Pv發展概況
國內外Pv發展概況
吉興公司李副總簡介火力發電技術
吉興公司李副總簡介火力發電技術
04 能源管理系統應用實務簡介
04 能源管理系統應用實務簡介
產品介紹-QE-R 量子效率系統
產品介紹-QE-R 量子效率系統
产品介绍-QE-R 量子效率系统
产品介绍-QE-R 量子效率系统
sfoj23648
sfoj23648
香港六合彩
香港六合彩
20230829_桃園市虛擬電廠亮點案例分享.pdf
20230829_桃園市虛擬電廠亮點案例分享.pdf
產品介紹-QE-RX PERC / HJT / TOP-Con 光伏太陽能電池效率-損失分析解決方案
產品介紹-QE-RX PERC / HJT / TOP-Con 光伏太陽能電池效率-損失分析解決方案
太陽光發電原理與應用R
太陽光發電原理與應用R
3.太陽能發電系統之最大功率點追蹤及主動式追日技術研發 陳柏宏
3.太陽能發電系統之最大功率點追蹤及主動式追日技術研發 陳柏宏
產品介紹-REPS 鈣鈦礦與有機光伏Voc損耗分析系統
產品介紹-REPS 鈣鈦礦與有機光伏Voc損耗分析系統
15.市電併聯型太陽光電發電系統之電路模擬 江昭明
15.市電併聯型太陽光電發電系統之電路模擬 江昭明
20170412 全球儲能市場與發展現況
20170412 全球儲能市場與發展現況
Internet of Energy in China by Tianjian Gao
Internet of Energy in China by Tianjian Gao
研究背景、目的和意义
1.
基于深度神经网络与强化学习 算法的家庭能源管理系统研究 汇报人:任柯政 指导老师:刘俊 2021年6月
2.
CONTENTS CONTENS 一、研究背景、目的和意义 二、综合HEMS模型的建立 三、预测模型结果分析 四、优化调度模型结果分析
3.
一、研究背景、目的和意义 需求侧响应DR (Demond Response) 1.电力市场价格上涨/系统可靠性面临挑战 2.电力用户根据电价信号或其它激励措施, 暂时改变用电状态 3.系统侧:保证电力系统的稳定 用户侧:节省电费 •
1.1 研究背景 新能源的接入:光伏、电动汽车的发展普及 技术进步:智能电器、智能仪表、储能设备 电力市场的改革 “双碳”目标 3
4.
一、研究背景、目的和意义 • 1.2 研究HEMS的目的和意义 意义:实现需求侧响应, 用户:提高用电效率,节约电费,提 高舒适度 系统:节能减排,削峰填谷,提高电 力系统的可靠性等 两个主要功能: (1)
实时监测,负荷的能耗,室温等 (2) 优化调度各类负荷 4
5.
二、综合HEMS系统的建立 • 2.1 基于DNN和RL的HEMS优化调度方法 提前1小时决策的HEMS系统 1.预测未来的电价、光伏出力 2.考虑预测数据、负荷状态、用户习惯等因素训练Q学习模型 3.做出提前一小时的负荷调度 整体流程: 5
6.
• 2.2 家用电器的需求侧响应模型 不同的用电特性:运行时间、功率大小、相关联的物理量(温度、电量)等 6 二、综合HEMS系统的建立
7.
• 2.2 家用电器的需求侧响应模型 1)不可转移负荷 2)可转移负荷 3)不含储能 的可控负荷 二、综合HEMS系统的建立
8.
• 2.2 家用电器的需求侧响应模型 4)温控型负荷 5)储电型负荷 二、综合HEMS系统的建立
9.
• 2.3.1 深度神经网络DNN 神经网络的优点: •
无模型,应用广 • 精度高,可以根据用户设定不断训练 深度神经网络: • 较少的参数表示复杂的函数,影响电价和光 伏的参数较多,适合使用DNN预测 电价预测的影响因素: • 客观因素:天气,温度,风速,日期等 • 主观因素:过去电价,发电商报价等 光伏预测的影响因素: • 环境因素:太阳辐照强度、温度、湿度等 9 二、综合HEMS系统的建立
10.
• 2.3.2 基于DNN的电价预测模型 神经元个数: 输入层
31 隐藏层 40:20:10 输出层 1 10 二、综合HEMS系统的建立
11.
······ ······ ······ 输入层 隐藏层 输出层 年y 月m 日d 时段h 过去24h的 光伏出力 当前时段 光伏出力 W1 b1 W2 b2
b3 W3 • 2.3.3 基于DNN的光伏出力预测模型 神经元个数: 输入层 28 隐藏层 40:20:10 输出层 1 11 二、综合HEMS系统的建立
12.
• 2.4.1 Q学习算法简介 智能体 环境 奖励 反馈状态
选择动作 “试探一评价” 1. 智能体感知环境 2. 智能体根据当前状态选择动 作 3. 动作执行使环境进入下一个 状态 4. 环境反馈智能体一个奖励信 息,表示当前状态下选择当 前动作的好坏程度 5. 智能体感知环境 …… 12 二、综合HEMS系统的建立
13.
• 2.4.2 Q学习算法:流程图及其优点 QL的优点 •
无模型 不需要预设规则,而是通过与 环境的互动来发现最优动作 • 自适应 能够适应各种环境,包括不同 的负荷,以及用户的不确定性, 非常灵活 • 简洁快速 模型训练最终得到一个Q值表, 通过查找表选择动作,在现实 中简单易操作 开始 停止 初始化Q值表,迭代次数σ =1 σ = σ + 1 是最终状态 更新Q值 观察奖励值r以及下一个状态s 1 ? Q Q 是 是 否 使用改进的ε贪婪策略,在状态s下选择行为a 选出状态 的最优动作 否 初始化状态s s =s' s a ' s 13 二、综合HEMS系统的建立
14.
负荷类型 状态 动作 不可转移负荷
{𝑡} {1}𝑃𝑁 𝑛𝑠 可转移负荷 {𝑡} {0,1}𝑃𝑁 𝑠 不含储能的可控负荷 {𝑡, 𝑐} {0.4,0.5,0.6,0.7,0.8,0.9,1}𝑃𝑁 𝑐 储热型负荷 {𝑡, 𝑡𝑒𝑚𝑝} {-1,− 13 15 ,……,− 1 15 , 1 15 ,……, 13 15 ,1}𝑃𝑁 𝑎𝑐 储电型负荷 𝑡, 𝑠𝑜𝑒 {-1,− 13 15 ,……,− 1 15 , 1 15 ,……, 13 15 ,1}𝑃𝑁 𝑒𝑣 • 2.4.3 Q学习要素:状态,动作,奖励 14 二、综合HEMS系统的建立
15.
三、预测模型结果分析 • 3.1 基于DNN的预测模型验证 电价预测
光伏出力预测 平均绝对误差MAE 1.39058 0.04462 均方差MSE 3.26966 0.00947 15 0 10 20 30 40 50 60 70 10 15 20 25 30 35 电价/$·MWh -1 时段/h 真实电价 预测电价 0 10 20 30 40 50 60 70 0.0 0.4 0.8 1.2 1.6 光伏出力/kW 时段/h 真实光伏出力 预测光伏出力
16.
三、预测模型结果分析 • 3.2 DNN与自回归移动平均模型对比 MAE
MSE L电力成本/$ L舒适度成本/$ L总成本/$ DNN 1.3906 3.2697 0.2302 0.2284 0.4586 ARMA 2.0253 6.2911 0.2506 0.2138 0.4644 16 ARMA: 电价高峰更加精准 电价低谷差别更大 DNN: 预测曲线更加平滑 整体来说预测更精准 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 12.4 18.6 24.8 31.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 12.4 18.6 24.8 31.0 电价/$·MWh -1 真实电价 ARMA预测电价 电价/$·MWh -1 时段/h 真实电价 DNN预测电价
17.
• 4.1 Q值收敛 每个负荷的Q值收敛情况 17 L1、L2、WM的Q值
AC、EV的Q值 0 100 200 300 400 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 0.00 Q值/$ 迭代次数 wm l1 l2 0 1000 2000 3000 4000 -0.05 -0.04 -0.03 -0.02 -0.01 0.00 Q值/$ 迭代次数 ac ev 四、优化调度模型结果分析
18.
四、优化调度模型结果分析 • 4.1 Q值表 18 18
19 20 21 22 23 。。。 0 - 0.04184403 1 - 0.03797998 1 - 0.03386423 6 - 0.02948248 2 - 0.02490646 6 - 0.02047538 1 - 0.04184488 2 - 0.03797579 7 - 0.03385850 7 - 0.02945188 1 - 0.02484331 5 - 0.02018598 7 2 - 0.04184949 4 - 0.03798858 8 - 0.03387048 6 - 0.02945802 1 - 0.02484048 1 - 0.02018611 8 3 - 0.04202508 7 - 0.03813215 5 - 0.03398360 9 - 0.02954076 6 - 0.02489988 4 - 0.02024007 6 4 - 0.04258715 3 - 0.03863442 6 - 0.03448941 5 - 0.02984904 3 - 0.02521005 6 - 0.02038328 3 5 - 0.04339004 7 - 0.03945019 6 - 0.03516566 5 - 0.03052245 - 0.02583161 8 - 0.02085419 1 6 - 0.04430356 1 - 0.04029294 4 - 0.03609881 8 - 0.03155356 8 - 0.02646503 8 - 0.02135114 7 负荷(灯2)的Q值表 状态 动 作
19.
• 4.2 单个负荷的调度结果(WM) •
图(a),综合电力成本和等待成本,选择在22点开始运行 • 图(b),调整运行时间后,WM从7点开始运行 19 (a)19-23点内运行 (b)7-11点内运行 洗衣机的调度结果 四、优化调度模型结果分析 19 21 23 1 3 5 7 9 11 13 15 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 功率/kW 时段/h wm price 18 20 22 24 26 28 30 电价/$·MWh -1 19 21 23 1 3 5 7 9 11 13 15 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 功率/kW 时段/h wm2 price 18 20 22 24 26 28 30 电价/$·MWh -1
20.
• 4.2 单个负荷的调度结果(L) •
灯1和灯2的用能情况,灯1和灯2有不同的不舒适度系数(𝒌𝒄𝟏 < 𝒌𝒄𝟐) • L1:走廊等照明;L2:书房等照明 • L1:蓝色柱状图,功率小,变化范围大;L2,功率大,对电价不敏感 20 电灯的调度结果 四、优化调度模型结果分析 19 21 23 1 3 5 7 9 11 13 15 0.0 0.2 0.4 0.6 0.8 1.0 功率/kW 时段/h l1 l2 price 18 20 22 24 26 28 30 电价/$·MWh -1
21.
• 4.2 单个负荷的调度结果(AC) 21 温度舒适度系数
0.005 0.01 0.05 电费成本/$ 0.25586 0.26814 0.29348 舒适度成本/$ 0.04399 0.01941 0.00118 总成本/$ 0.29985 0.28755 0.29466 空调的调度结果 不同舒适度系数下的室温对比 四、优化调度模型结果分析 19 21 23 1 3 5 7 9 11 13 15 0.0 0.5 1.0 功率/kW 时段/h ac Tin Tout price 22 24 26 28 30 32 34 36 温度/℃ 18 20 22 24 26 28 30 电价/$·MWh -1 19 21 23 1 3 5 7 9 11 13 15 17 23.6 24.0 24.4 24.8 室内温度/℃ 时段/h kac=0.005 kac=0.01 kac=0.05 Tset
22.
• 4.2 单个负荷的调度结果(EV) 充放电
仅充电 无DR 电费成本/$ 0.07511 0.08743 0.07522 舒适度成本 /$ 0.02624 0.04402 0.15292 总成本/$ 0.10135 0.13145 0.22815 1.使用DR的两种模式,不舒适成本都远 低于无DR; 2.仅充电模式,电费成本高于其它两个 模式; • EV通过充放电参与调度,可以在低电 价的时候充电,高电价的时候发电, 电费成本较低,和无DR使用平均功率 充电相近 • 充放电模式最早达到期望储能,然后 是仅充电,最后是无DR模式 四、优化调度模型结果分析 18 19 20 21 22 23 0 1 2 3 4 5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 功率/kW 时段/h 充放电 仅充电 平均功率 soc_exp 19 21 23 1 3 5 7 9 11 13 15 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 功率/kW 时段/h ev SOE SOEexp price 3 4 5 6 7 8 储能/kWh 18 20 22 24 26 28 30 电价/$·MWh -1
23.
• 4.3 负荷综合用电情况 23 无DR的用电情况 所有负荷都运行 在有DR下的平均 功率 1.负荷峰值出现在 19-20点,正是电 价高峰 2.
负 荷 峰 值 为 3.2kW,较大 四、优化调度模型结果分析 18 19 20 21 22 23 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 功率/kW 时段/h ev wm ac l2 l1 refg prices 16 18 20 22 24 26 28 30 32 电价/$·MWh -1
24.
• 4.3 负荷综合用电情况 24 新能源不参与调度 所有负荷都利用 需求侧响应的方 案调度 1.
最 大 峰 值 降 到 3kW以下 2.下午的用能增大, 提高空调舒适度 四、优化调度模型结果分析 18 19 20 21 22 23 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 功率/kW 时段/h ev wm ac l2 l1 refg prices 16 18 20 22 24 26 28 30 32 电价/$·MWh -1
25.
• 4.3 负荷综合用电情况 25 新能源参与调度 EV和PV都参与调 度 白天的负荷明显 减少,PV可以很 好适应空调这类 和温度有关的负 荷 四、优化调度模型结果分析 18
19 20 21 22 23 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 功率/kW 时段/h ev wm ac_d l2_d l1_d refg_d prices pv 16 18 20 22 24 26 28 30 32 电价/$·MWh -1 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 光伏出力/kW
26.
• 4.3 负荷综合用电成本计算 无DR
EV仅充电 EV充放电 完整系统 电费 舒适度 电费 舒适度 电费 舒适度 电费 舒适度 冰箱 0.29079 0 0.29079 0 0.2786 0 0.15579 0 灯1 0.25656 0.12 0.25256 0.2284 0.25017 0.2284 0.23044 0.2284 灯2 0.35667 0.18 0.35402 0.2538 0.35043 0.2538 0.32084 0.2538 洗衣机 0.03726 0.0015 0.0308 0.0075 0.0308 0.0075 0.0308 0.0075 空调 0.24426 0.74788 0.26788 0.0206 0.27159 0.01329 0.25764 0.01883 电动 汽车 0.07522 0.15292 0.08743 0.04402 0.09488 0.0179 0.09444 0.02228 合计 1.017192 0.519004 1.28348 0.55432 1.27647 0.52089 1.08995 0.53081 总成本 2.46306 1.8378 1.79736 1.62076 比例 1 74.61% 72.97% 65.80% 26 四、优化调度模型结果分析
27.
• 4.3 负荷综合用电成本计算 27 2.46307 1.8378
1.79736 1.62076 无DR EV充电 EV充放电 包含光伏 0.0 0.5 1.0 1.5 2.0 2.5 总成本/$ 不同模式 不同模式家庭用电成本比较 四、优化调度模型结果分析 65.80% 100% 74.61% 72.97%
28.
• 4.4 QL与遗传算法对比:经济性 28 基于QL和GA的优化调度方法对 空调负荷调度结果 0
50 100 150 200 250 300 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 总成本/$ 迭代次数 QL GA QL在初始阶段表 现差,但逐渐优 于GA算法 四、优化调度模型结果分析
29.
• 4.4 QL与遗传算法对比:不确定性行为适应性 29 行为违反概率: 如果储能不满足要求则认为违反用户行为 = 19
23 = 2 = 1 60 = 6 = 80 P1 0. 7,留在家里 点 P1 0. SO E% 55%去商场 P1 0. SO E% %游玩 P1 0. 8 留在家里 点 P2 0. 2 SO E% %提前上班 = 100% vio n C N EV的随机性行为: 方 法 电费成本/$ 舒适度 成本/$ 总成本/$ 去商场 /次 游玩 /次 提前上班 /次 𝐶𝑣𝑖𝑜 QL 0.086177 0.03456 0.12073 0 105 0 10.5% 24.0% 仿真结果:基于QL的优化调度方案更适应用户随机行为 四、优化调度模型结果分析
30.
• 5 基于DNN和RL的HEMS优化调度模型 30 优点: 1.数据驱动:使用真实数据对预测模型进行训练,然后利用 历史数据对电价、光伏出力进行预测,带入优化调度模型 2.无模型算法,适应性好:使用Q学习算法,和遗传算法对 比,能更好地适应住宅用电环境,经济性、舒适性好,能节 约34.2%的总成本 3.能更好地适应用户的不确定性行为 五、总结
31.
请各位老师点评 汇报人:任柯政 指导老师:刘俊 2021年6月 31
Jetzt herunterladen