本書將人工智能與新能源系統(tǒng)優(yōu)化技術相結合,針對新能源的強隨機性和強波動性特點,介紹了啟發(fā)式算法、神經(jīng)網(wǎng)絡、強化學習等智能優(yōu)化方法,系統(tǒng)梳理了近年來作者及其團隊將人工智能應用于新能源系統(tǒng)優(yōu)化的多種技術實踐。
本書基于新能源系統(tǒng)的運行特點,完整地建立了新能源系統(tǒng)的數(shù)學模型;提出了多種基于人工智能算法的新能源系統(tǒng)優(yōu)化技術,如將人工智能算法應用于光伏系統(tǒng)與風電系統(tǒng)預測、光伏系統(tǒng)與溫差系統(tǒng)重構,設計了高效的智能優(yōu)化算法進行光伏系統(tǒng)和溫差系統(tǒng)的最z大功率跟蹤、新能源控制器調參,通過多目標優(yōu)化算法確定儲能系統(tǒng)與波浪能系統(tǒng)的最z優(yōu)規(guī)劃方案等。
本書所提新能源發(fā)電系統(tǒng)智能優(yōu)化技術可為電力系統(tǒng)消納清潔能源、系統(tǒng)安全可靠運行提供有效支持,為相關研究人員提供新穎的研究思路,具有較高的學術價值和工程應用潛力。
本書具有專業(yè)性和系統(tǒng)性,全書結構合理、層次清晰、邏輯緊密,研究素材豐富,通過詳實的理論方法介紹和研究實驗數(shù)據(jù)展示了智能優(yōu)化算法的有效性。本書作者及其研究團隊在新能源系統(tǒng)優(yōu)化與控制等研究工作中取得了大量研究成果,在國內(nèi)外高水平期刊上發(fā)表了一定數(shù)量的論文,并在多個新能源高比例滲透電網(wǎng)中開展了工程應用并取得成效,為本書提供了豐富的素材和背景資料。
東北電力大學 穆鋼教授
本書針對太陽能、風能的隨機性和波動性,討論了光伏發(fā)電、溫差發(fā)電、風力發(fā)電和儲能系統(tǒng)傳統(tǒng)結構與優(yōu)化技術的缺陷,建立了上述系統(tǒng)的數(shù)學模型,針對上述問題提出了多種相應的人工智能優(yōu)化技術,并通過實驗驗證了這些優(yōu)化技術的工程實用性和有效性。
南洋理工大學 黃朝陽教授
中國是世界上最大的能源生產(chǎn)和消費國。為應對氣候變化,中國將采取更有效的政策和措施,實現(xiàn)2030年二氧化碳排放量達到峰值,力爭于2060年實現(xiàn)碳中和。同時,云南省全力打造世界一流綠色能源牌,全面推動綠色低碳發(fā)展,實現(xiàn)能源資源配置更加合理,促進生產(chǎn)生活方式綠色轉型。發(fā)展新能源對保障國家能源安全十分重要,也是應對全球氣候變化、實現(xiàn)碳峰值排放和中和目標的有效途徑。近年來,我國可再生能源發(fā)展迅速,正在經(jīng)歷從替代能源向主要能源的轉變。近年來,以風力發(fā)電和光伏發(fā)電為代表的新能源發(fā)電技術在我國得到了極大的發(fā)展,電力轉型正在順利進行,風力發(fā)電和光伏發(fā)電能夠提供逐步淘汰所有化石燃料所需的大部分清潔電力,同時幫助提高能源安全。為重塑現(xiàn)有的能源體系,需要迅速部署新能源發(fā)電系統(tǒng),以扭轉全球排放增加的趨勢,應對氣候變化。在相關政策支持的推動下,中國可再生能源發(fā)電技術已經(jīng)成熟和完善。能源生產(chǎn)成本不斷降低,市場競爭力不斷增強,為可再生能源的大規(guī)模應用和未來電網(wǎng)的互聯(lián)互通奠定了重要基礎。然而,新能源由于其波動性、間歇性和反向調峰輸出特性,很難準確預測與部署。在電力系統(tǒng)中,新能源的滲透率較低,且可能出現(xiàn)波動問題,這就為新能源的開發(fā)和利用帶來了困難。傳統(tǒng)的新能源優(yōu)化技術主要考慮其經(jīng)濟性,且整體效率較低,無法保障當前的電力需求,不順應低碳清潔的潮流。因此,依據(jù)新能源發(fā)電系統(tǒng)的運行特性,在優(yōu)化技術上進行創(chuàng)新是解決新型電力系統(tǒng)中新能源消納難題的必由之路。本書介紹了多種新能源發(fā)電系統(tǒng)的前沿優(yōu)化技術,涵蓋了作者近幾年來在新能源發(fā)電系統(tǒng)優(yōu)化技術領域的研究成果,試圖為相關領域的研究提供理論與技術參考。本書所有仿真算例均基于MATLABR2020b軟件,所有硬件在環(huán)實驗均基于RTLAB或dSpace平臺。希望讀者通過閱讀本書內(nèi)容,掌握新能源發(fā)電技術的基礎理論、運行特點和相關優(yōu)化技術,并能參考本書設計更多具有工程實用性的優(yōu)化技術。本書內(nèi)容準確、表達嚴謹。完整地建立了新能源發(fā)電系統(tǒng)的數(shù)學模型,并翔實地給出了新能源發(fā)電系統(tǒng)的運行特點,存在的問題及解決方法,具有一定的工程實用價值。本書行文精煉、層次分明。介紹了新能源發(fā)電系統(tǒng)和人工智能的發(fā)展現(xiàn)狀和基礎理論,適用不同基礎的相關工程技術人員和學生使用。本書創(chuàng)新性強、重點突出。提出了多種基于人工智能算法的新能源發(fā)電系統(tǒng)優(yōu)化技術,為相關研究人員提供了新穎的研究思路。
第1章新能源發(fā)電系統(tǒng)概述
1.1新能源發(fā)電系統(tǒng)技術
1.2儲能系統(tǒng)技術
第2章 人工智能算法概述
2.1啟發(fā)式算法
2.2 神經(jīng)網(wǎng)絡算法.
2.3強化學習算法
第3章人工智能在新能源發(fā)電系統(tǒng)功率預測中的應用
3.1 概述
3.2基于LCASO算法優(yōu)化BP神經(jīng)網(wǎng)絡預測模型
3.3 風光發(fā)電系統(tǒng)數(shù)據(jù)預處理
3.4基于經(jīng)典算法優(yōu)化BP神經(jīng)網(wǎng)絡的風光發(fā)電系統(tǒng)功率預測
3.5基于LCASO-BP神經(jīng)網(wǎng)絡的風光發(fā)電系統(tǒng)功率預測
第4章 人工智能在新能源發(fā)電系統(tǒng)最優(yōu)規(guī)劃中的應用·
4.1概述
4.2新能源發(fā)電系統(tǒng)選址定容
4.3 儲能系統(tǒng)選址定容
第5章 人工智能在新能源發(fā)電系統(tǒng)參數(shù)識別中的應用
5.1概述
5.2基于孔雀優(yōu)化算法的光伏電池參數(shù)辨識
5.3基于人工生態(tài)系統(tǒng)優(yōu)化算法-蝠鱗覓食優(yōu)化算法的固體氧化物燃料電池參數(shù)辨識
5.4基于極限學習機的質子交換膜燃料電池參數(shù)辨識
第6章人工智能在新能源發(fā)電系統(tǒng)最優(yōu)重構中的應用
6.1概述
6.2基于改進蛭蟒算法的光伏系統(tǒng)重構方法
6.3基于禿鷹搜索算法的光伏系統(tǒng)重構方法
6.4基于改進免疫遺傳算法的溫差發(fā)電系統(tǒng)重構方法
6.5基于改進合作搜索算法的模塊化溫差發(fā)電系統(tǒng)重構方法
第7章人工智能在新能源發(fā)電系統(tǒng)最大功率點跟蹤中的應用
7.1概述
7.2基于集體智慧的光伏系統(tǒng)最大功率跟蹤
7.3基于模因強化學習的光伏系統(tǒng)最大功率跟蹤
7.4基于集體智慧算法的集中式溫差發(fā)電系統(tǒng)最大功率點跟蹤
7.5基于貪婪神經(jīng)網(wǎng)絡的集中式溫差發(fā)電系統(tǒng)最大功率點跟蹤
第8章人工智能在新能源發(fā)電系統(tǒng)控制器調參中的應用
8.1概述
8.2永磁同步發(fā)電機系統(tǒng)控制器調參
8.3雙饋感應發(fā)電機系統(tǒng)控制器調參
8.4 風機接入的多機電力系統(tǒng)控制器調參
8.5 儲能系統(tǒng)非線性控制器調參
第9章人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調頻和調壓中的應用
9.1概述
9.2人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調頻中的應用
9.3人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調壓中的應用
參考文獻
后記