软计算技术在微电网自动化中的应用：可再生能源发电预测、需求预测、微电网保护

摘要

微电网，分布式可再生能源和高效节能技术是电力系统现代化的一个重要特征。微电网已成为整合可再生能源发电和智能电网的特点是能源效率这样一个有吸引力的命题。近年来，越来越多的安装在不同的岛屿和偏远地区微电网。为更高水平的可靠性的需求也引起了电气化区微电网大验收。然而，诸如可再生能源的高度间歇性、负荷情况的不可预测性以及微电网保护系统的复杂性等问题也增加了这种电力系统运行的不确定性。软计算方法提供一个有效的解决方案和模型研究可再生能源发电的随机行为，负荷需求和微电网的运行和保护。软计算方法具有容错性、不确定性、不精确性和近似性等特点，是解决微电网自动化问题的理想方法。
　　本文利用软计算工具等不同类型的人工神经网络(ANN)、支持向量机(SVM)，自适应神经模糊推理系统(ANFIS)，非线性自回归神经网络（NAR和NARX）和袋装的决策树(BDT)用于生成预测而言，负荷预测和保护微电网。为了建立稳定、准确的预测模型，本文设计了战略投入参数选择和输出处理方案。改进的信号处理工具窗口快速傅里叶变换的使用(WFFT)和小波变换(WWT)也参与开发的微网保护方案的特征提取。
　　在预测应用中，输入参数重要度指数用来选择输入参数。该指数是一个组合的相关分析、敏感性分析和Garrson的算法。建立了光伏阵列和风力发电机组短期预测模型。预测模型是基于软计算工具，如人工神经网络(径向基和传统的前馈神经网络、SVM和ANFIS)。多个预测模型输出汇总使用简单平均方法、回归和超越。
　　本研究设计的负荷需求预测模型采用小波分析，将负荷记录预处理分解为近似和细节部分，通过小波分解得到独立处理和预测。采用自相关分析确定每个目标参数的最优反馈延迟的唯一步骤。交叉相关分析来确定外部输入参数的使用，因此选择NAR或NARX模型。通过小波重构将单个预测合并后进行负荷预测。
　　本文还解决了微网保护问题，它采用了基于软计算的方案，通过窗口快速傅立叶变换和小波变换，详细分析了电流和电压波形。故障检测方案涉及袋装决策树。所提出的保护策略在孤岛和并网运行模式下进行评估。
　　预测模型进行测试和基于微电网的实际数据验证了金风科技在北京，中国。微网保护方案进行了微电网模型使用PSCAD/EMTDS发达，它的灵感来自同一操作微网。所有的软计算技术在Matlab2017b环境实现。
　　研究结果证明了软计算工具在预测发电和需求以及保护微电网方面的适用性。预测模型在预测精度方面优于文献中的预测方法。所设计的保护方案具有足够的灵敏度和选择性，能够有效地识别微电网不同区域的其他故障和故障。并与传统过流、定向、差动保护作了比较。

目录

声明

ACKNOWLEDGMENTS

摘要

ABSTRACT

Table of Contents

LIST OF TABLES

LIST OF FIGURES

ACRONYMS

1 INTRODUCTION

1．1 BACKGROUND

1．1．1 Concept of Microgrid

1．1．2 Renewable Energy and Demand Forecasting

1．1．3 Microgrid Protection

1．2 LITERATURE REVIEW

1．2．1 Literature in Renewable Generation Forecasting

1．2．2 Literature in Demand Forecasting

1．2．3 Literature in Microgrid Protections

1．3 PROBLEM DESCRIPTION AND OBJECTIVES

1．3．1 Problem Description

1．3．2 Objectives

1．4 DATA AND METHODOLOGY

1．4．1 Data sources

1．4．2 Methodology

2 INPUT PARAMETER SELECTION AND OUTPUT PROCESSING IN FORECASTING

2．1 INPUT PARAMETER SELECTION METHODS

2．2 OUTPUT PROCESSING METHODS

3 SIGNAL PROCESSING TOOLS FOR APPLICATION IN MICROGRID AUTOMATION

3．1 WINDOWED FAST FOURIER TRANSFORM

3．2 WINDOWED WAVELET TRANSFORM

4 SOFT COMPUTING METHODS

4．1 INTRODUCTION

4．2 ARTIFICIAL NEURAL NETWORK(ANN)

4．3 SUPPORT VECTOR MACHINE

4．4 ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM(ANFIS)

4．5 NON LINEAR AUTOREGRESSIVE NEURAL NETWORKS

4．6 BAGGED DECISION TREES

5 TEST CASES AND RESULTS

5．1．2 Data and Method

5．1．3 Results

5．2 OUTPUT PROCESSING IN SHORT TERM WIND POWER PREDICTION

5．2．1 Introduction

5．2．2 Data and method

5．2．3 Pefrormance Metrics

5．2．4 Results

5．3 STLF USING NON-LINEAR AUTOREGRESSIVE NEURAL NETWORKS

5．3．1 Introduction

5．3．2 Data and Method

5．3．3 Results and Discussion

5．4 MICROGRID PROTECTION SCHEME USING BAGGED DECISION TREES

5．4．1 Introduction

5．4．2 Methodology

5．4．3 Simulation Model of Test Microgrid

5．4．4 Input Features

5．4．5 Results＆Discussion

6 CONCLUSIONS AND RECOMMENDATIONS

6．1 CONCLUSIONS

6．2 RECOMMENDATIONS

REFERENCES

LIST OF PUBLICATIONS

APPENDICES