亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于圖像匹配的微電網(wǎng)負荷響應分布式電源波動控制方法

        2022-04-19 11:07:34陳衛(wèi)東郭敏吳寧奉斌
        中國電力 2022年3期
        關鍵詞:分布式調(diào)控電源

        陳衛(wèi)東,郭敏,吳寧,奉斌

        (1. 廣西電網(wǎng)有限責任公司電力科學研究院,廣西 南寧 530023;2. 廣西電網(wǎng)有限責任公司,廣西 南寧 530023)

        0 引言

        隨著用戶側微電網(wǎng)強間歇性可再生能源高比例接入、高滲透率電力電子化柔性負荷的規(guī)?;瘧?,正深刻改變微電網(wǎng)源荷特征[1-3]。微電網(wǎng)的運行控制正由傳統(tǒng)的分布式電源優(yōu)化控制向荷隨源動優(yōu)化控制的方向發(fā)展。研究微電網(wǎng)內(nèi)各類型柔性負荷通過優(yōu)化轉(zhuǎn)移、削減或者中斷等手段來主動響應分布式電源波動的控制策略,是轉(zhuǎn)變微電網(wǎng)用戶需求側用電方式,促進分布式可再生能源消納的有效途徑,對微電網(wǎng)運行的穩(wěn)定可靠及經(jīng)濟性具有重要理論價值和實用價值[4-8]。

        目前,國內(nèi)外學者對負荷響應分布式發(fā)電調(diào)控策略的研究較多。文獻[9]建立微網(wǎng)可削減負荷的補償代價模型,提出考慮可削減負荷參與的微網(wǎng)優(yōu)化調(diào)度模型;文獻[10]提出反映居民用電對電網(wǎng)調(diào)峰貢獻度的調(diào)峰激勵機制,綜合考慮用電成本、舒適度和調(diào)峰激勵建立了居民用戶用電優(yōu)化策略;文獻[11]在空調(diào)負荷熱力學模型和人體熱舒適度模型的基礎上建立虛擬儲能模型,并設計了2種用于臨時性削峰場景的虛擬儲能控制策略;文獻[12]提出考慮受控負荷響應功率不確定性的直接負荷控制模型,進而建立了微能源網(wǎng)魯棒隨機優(yōu)化調(diào)度模型,通過不確定集下的魯棒線性優(yōu)化理論,實現(xiàn)隨機優(yōu)化模型向確定優(yōu)化模型的轉(zhuǎn)化;文獻[13]考慮風光出力的不確定性,構建了計及風、光和儲能的直接負荷控制模型;文獻[14]以電能花費和用戶舒適度作為優(yōu)化目標,建立混合能源協(xié)同控制的智能家庭能源優(yōu)化控制模型;文獻[15]建立分時電價下計及用戶用電滿意度的家庭負荷優(yōu)化策略。

        綜上可以看出,國內(nèi)外對傳統(tǒng)的關于負荷響應分布式發(fā)電就地消納調(diào)控問題的研究,多是通過建立優(yōu)化調(diào)度數(shù)學模型,從而采用某種優(yōu)化算法制定各類型負荷調(diào)控策略。但是這種建立數(shù)學模型優(yōu)化求解的方法存在運算量較大,求解過程冗余復雜、變量不可微、易陷入局部最優(yōu)解等問題,難以滿足當前日益復雜的微電網(wǎng)高效、高精度優(yōu)化運行的需求。隨著人工智能技術的發(fā)展,打破傳統(tǒng)的基于物理原理通過建模求解調(diào)控策略的思路,借助數(shù)據(jù)驅(qū)動的思維來提高微電網(wǎng)智能化調(diào)控性能,成為制定微電網(wǎng)負荷調(diào)控策略的新思路。

        為此,本文借鑒圖像分析技術以及相似性匹配理論[16-21],提出基于圖像相似性匹配的微電網(wǎng)負荷響應分布式電源波動控制方法。首先根據(jù)分布式電源與可調(diào)控負荷多維運行數(shù)據(jù),構建下一調(diào)控周期微電網(wǎng)源荷綜合特性圖像;隨后提取圖像特征,通過與歷史運行態(tài)的源荷特性圖像進行相似性匹配,制定下一周期的調(diào)控策略;最后通過某微電網(wǎng)算例驗證所提出的方法的有效性。

        1 微電網(wǎng)源荷綜合特性圖像構建

        微電網(wǎng)下一周期內(nèi)柔性負荷響應分布式電源波動的調(diào)控策略是基于下一周期的分布式電源出力以及負荷預測數(shù)據(jù)來制定的,而這兩者又與自然氣象因素緊密相關,包括決定光伏出力的太陽輻射強度,決定風機出力的風速,對負荷影響較大的溫度和濕度,綜合這些因素數(shù)據(jù)并結合分布式電源與負荷功率數(shù)據(jù),本文構建生成了反映分布式電源與負荷波動情況的散點氣泡串圖。另外,各類型柔性負荷的運行狀態(tài)也會影響調(diào)控策略的制定,負荷運行狀態(tài)考慮因素包括可調(diào)控負荷啟停狀態(tài)及所屬調(diào)控負荷類型、剩余可用時間、上調(diào)與下調(diào)靈活性調(diào)節(jié)潛力[22],綜合上述數(shù)據(jù)構建生成了可調(diào)控負荷運行狀態(tài)柱狀堆積圖像。最后將圖像像素處理為1 437×765,采用疊加函數(shù)融合生成源荷綜合特性圖像。微電網(wǎng)源荷綜合特性如圖1所示。

        圖1 微電網(wǎng)源荷綜合特性Fig. 1 Integrated source-charge characteristics of microgrid

        2 基于K-SURF法的圖像相似性匹配

        本文提出了基于K-SURF的微電網(wǎng)源荷綜合特性圖像相似性匹配算法,即采用加速魯棒特征(speeded up robust features, SURF)算法提取源荷綜合特性圖像特征點,并通過歐式距離判別法得到兩張圖像特征點的粗匹配對,采用K均值聚類(k-means clustering, k-means)算法和隨機抽樣一致(random sample consensus, RANSAC)算法完成特征點的精細篩選。

        2.1 微電網(wǎng)源荷綜合特性圖像關鍵點提取

        SURF算法是一種穩(wěn)健的圖像局部特征點檢測和描述算法,相比傳統(tǒng)的尺度不變特征轉(zhuǎn)換(scale-invariant feature transform,SIFT)算法[23]能夠更高效地完成圖像特征點的提取、描述和匹配。采用SURF算法提取源荷綜合特性圖像特征點過程中,構建原始源荷綜合特性圖像的Hessian矩陣是一個重要步驟,而在構造Hessian矩陣之前需要對源荷綜合特性圖像進行高斯濾波處理,以去除噪聲引起的像素突變,即

        式中:L(x,y,σ)為經(jīng)高斯濾波處理后的圖像像素點函數(shù);g(σ)為高斯函數(shù);f(x,y)為圖像所對應的像素點函數(shù);x、y分別為圖像像素的橫、縱坐標位置;σ為高斯函數(shù)的寬度參數(shù)。

        經(jīng)過濾波后圖像的Hessian矩陣判別式取得局部極大值時,則可以確定當前像素點比周圍鄰域內(nèi)其他點更亮或更暗,由此來定位圖像關鍵點的位置。

        2.2 微電網(wǎng)源荷綜合特性圖像特征點定位

        首先將經(jīng)過Hessian矩陣處理得到的每個關鍵點所在的2維圖像內(nèi)和立體尺度空間鄰域內(nèi)的26個點進行比較。比較方式為:若候選關鍵點的Hessian矩陣行列式的值大于其他26個點,則這個關鍵點就作為源荷綜合特性圖像的一個特征點;否則該關鍵點為能量比較弱或者錯誤定位的點,應予以刪除。

        2.3 圖像特征點64維描述向量生成

        (1)SURF算法為了保證圖像的旋轉(zhuǎn)不變性,首先需要確定圖像特征點的主方向:在源荷綜合特性圖像某特征點鄰域內(nèi)取4×4個矩形區(qū)域塊,每個子矩形區(qū)域塊有5×5個像素,則可以計算每個子矩形區(qū)域塊像素區(qū)的4個梯度方向,將4×4個矩形區(qū)域塊的各梯度方向幅值計算完成后,分別針對各梯度方向的4×4個矩形區(qū)域塊梯度幅值對應相加可以得到4個方向的幅值和,最大幅值和對應的方向即為主方向。

        (2)規(guī)定與主方向同向為水平方向,可以計算得到子矩形區(qū)域塊5×5個像素的水平方向幅值之和、垂直方向幅值之和、水平方向幅值絕對值之和以及垂直方向幅值絕對值之和,從而得到該子矩形區(qū)域塊的4維描述向量。

        (3)分別計算該特征點領域的4×4個矩形區(qū)域塊的4維描述向量,最后可得到描述該特征點的64維向量。

        (4)對微電網(wǎng)源荷綜合特性圖像的每個特征點重復以上步驟,計算得到該圖像每個特征點的64維描述向量。

        2.4 基于歐式距離判別法的圖像特征點粗匹配

        針對源荷綜合特性圖像A中的某一個特征點64維描述向量,采用歐氏距離判別方法在另一張源荷綜合特性圖像B中尋找出距離它最近的特征點和次近的特征點[24],如果最近距離和次近距離的比值小于設定的閾值,則選取最近距離的這兩個特征點作為匹配對并用直線連接,依次用該歐式距離判別法確定出圖像A和圖像B的特征點粗匹配對。

        2.5 基于k-means聚類算法和RANSAC算法的圖像特征點匹配對精細篩選

        k-means聚類算法是一種無監(jiān)督學習算法,能夠?qū)?shù)據(jù)集劃分為若干類,使得各類之內(nèi)的數(shù)據(jù)最為相似,而各類之間的數(shù)據(jù)相似度差別盡可能大。本文用此特征去除兩張圖像的部分異常匹配對,提取出有效的匹配對。將源荷綜合特性圖像A和圖像B的特征點匹配對集合進行聚類,聚類完成后,聚類區(qū)間內(nèi)特征點匹配對數(shù)量最多的一類即為正確的匹配結果,否則為錯誤匹配,需要對錯誤特征點匹配對予以刪除。

        基于RANSAC抽樣一致算法進一步刪除異常特征點匹配對。RANSAC抽樣一致算法采用迭代方式從一組包含離群的被觀測數(shù)據(jù)中估算出數(shù)學模型的參數(shù),假設選取出的抽樣數(shù)據(jù)都是正確數(shù)據(jù),去計算篩選異常數(shù)據(jù)(記為外點)。本文采用文獻[25]中的RANSAC算法建立變換矩陣,并按變換矩陣來進一步篩選刪除錯誤的匹配點,最終輸出圖像A和圖像B的所有特征點匹配對的數(shù)量。

        2.6 控制策略制定流程

        基于圖像相似性匹配的負荷響應分布式電源波動控制方法建模詳細流程如圖2所示。主要分為數(shù)據(jù)預處理、圖像相似性搜索、策略制定和修正等步驟。

        圖2 基于圖像相似性匹配的微電網(wǎng)負荷響應分布式電源波動控制策略制定流程Fig. 2 Flow chart of the control method that load respond to distributed generation fluctuation in microgrid based on image similarity matching

        3 算例分析

        3.1 系統(tǒng)基本資料

        以某典型微電網(wǎng)系統(tǒng)為例進行基于圖像匹配的負荷響應分布式電源波動控制方法仿真分析。微電網(wǎng)系統(tǒng)中風力發(fā)電容量為60 kW;光伏發(fā)電容量190 kW;可中斷負荷88 kW;可時移負荷15 kW;可削減負荷148 kW;剛性負荷50 kW。各類型負荷詳細參數(shù)如表1所示。

        表1 可調(diào)控負荷相關參數(shù)Table 1 Parameters of adjustable load

        系統(tǒng)設定的調(diào)控周期為2小時,每5 min為1個數(shù)據(jù)采樣點,即將2小時劃分成24個時段,Δt=5 min,歷史數(shù)據(jù)庫存儲至少1年的歷史運行數(shù)據(jù)與源荷綜合特性圖像。以該微電網(wǎng)某典型日為例,每2小時周期性采用本文所提方法進行圖像相似性匹配挖掘微電網(wǎng)歷史相似運行狀態(tài)的負荷調(diào)控策略。

        3.2 優(yōu)化結果及算例分析

        3.2.1 10:00—12:00典型調(diào)控場景

        形成的下一調(diào)控周期(10:00—12:00)微電網(wǎng)源荷綜合特性圖像為圖像A,采用本文所提算法來挖掘歷史數(shù)據(jù)庫中的微電網(wǎng)相似運行態(tài),歷史數(shù)據(jù)庫中與圖像A特征點匹配信息如表2所示。

        表2 匹配結果詳細信息Table 2 Match result details

        由表2可以看出,原始圖像A提取特征點數(shù)為1 352個,依據(jù)匹配對數(shù)最大為最相似運行態(tài)可知,數(shù)據(jù)庫中與圖像A的最相似匹配圖像是圖像2,兩者特征點匹配對數(shù)為1 243。圖像A與圖像2間匹配結果如圖3所示。其中部分特征點匹配對已用直線連接起來。

        圖3 10:00—12:00場景圖像匹配結果Fig. 3 Image matching results in 10:00—12:00 scene

        從圖3可以看出,圖像A與歷史圖像2的運行狀態(tài)相似性極高,基于圖像匹配結果,借鑒圖像2,即3月12日10:00的負荷調(diào)控策略作為圖像A對應的調(diào)控周期(10:00—12:00)的負荷優(yōu)化調(diào)控策略,得到各類型可調(diào)控負荷用電計劃如表3所示。

        表3 10:00—12:00場景下各類型可調(diào)控負荷優(yōu)化前后用電計劃對照Table 3 Comparison table for power consumption plan of each type of adjustable load before and after optimization in 10:00—12:00 scene

        由表3可以看出,該場景下可時移負荷平均功率由優(yōu)化前的0增大到7.8 kW;可中斷負荷平均功率由優(yōu)化前的22.3 kW增大到27.9 kW;可削減負荷平均功率由優(yōu)化前的41.8 kW增大到53.4 kW。

        分布式電源出力和優(yōu)化前后總負荷曲線對比如圖4所示。

        圖4 10:00—12:00場景分布式電源出力與優(yōu)化前后總用電負荷曲線Fig. 4 Distributed generation output and load curve before and after optimization in 10:00—12:00 scene

        由圖4可以看出,經(jīng)可調(diào)控負荷的調(diào)控作用,優(yōu)化后微電網(wǎng)總用電負荷曲線較優(yōu)化前能夠更緊密跟蹤分布式電源波動,從而提高了分布式可再生能源就地消納量。

        3.2.2 全天優(yōu)化調(diào)控情況

        全天分布式電源出力和優(yōu)化前后總用電負荷對比曲線如圖5所示。由圖5可知,分布式電源出力高峰集中在光伏發(fā)電集中出力時段8:00—18:00;優(yōu)化前總用電負荷在白天有明顯波動,晚上總負荷需求較大,凌晨時段用電負荷較少;優(yōu)化后總用電負荷曲線能夠跟蹤分布式電源波動趨勢。釆用負荷與分布式電源做差取絕對值求和來評估負荷跟蹤分布式電源波動情況,數(shù)值越小表明負荷跟蹤分布式電源越好,經(jīng)計算得到優(yōu)化前的值為65.052,優(yōu)化后為21.557,可見優(yōu)化后負荷響應分布式電源波動效果明顯提高。

        圖5 全天分布式電源出力與優(yōu)化前后總用電負荷曲線Fig. 5 Distributed generation output and load curve before and after optimization of whole day

        通過以上分析可見,本文所提出的圖像相似性匹配方法能夠有效搜尋到最相似歷史運行狀態(tài),借鑒歷史相似運行狀態(tài)調(diào)控策略制定的負荷調(diào)控策略能夠有效跟蹤可再生能源出力波動,提升分布式可再生能源的就地消納量,減小微電網(wǎng)交互功率。

        4 結語

        隨著微電網(wǎng)源荷特征和調(diào)控模式的改變,以及人工智能技術的發(fā)展,有望基于數(shù)據(jù)驅(qū)動的思想借助人工智能技術實現(xiàn)化繁為簡的微電網(wǎng)智能化調(diào)控目的。本文基于分布式電源與可調(diào)控負荷多維運行數(shù)據(jù),構建了調(diào)控周期內(nèi)微電網(wǎng)源荷綜合特性圖像,提出了基于K-SURF的微電網(wǎng)源荷綜合特性圖像相似性匹配算法,從而達到借鑒歷史相似運行狀態(tài)的微電網(wǎng)調(diào)控策略制定下一周期的負荷響應分布式電源波動調(diào)控策略的目的。典型微電網(wǎng)算例仿真表明,所提出的圖像相似性匹配方法能夠有效搜尋到最相似歷史運行狀態(tài),借鑒歷史相似運行狀態(tài)調(diào)控策略制定的負荷調(diào)控策略能夠有效跟蹤可再生能源出力波動,促進分布式可再生能源的消納,提升了微電網(wǎng)智能化調(diào)控性能。

        猜你喜歡
        分布式調(diào)控電源
        如何調(diào)控困意
        經(jīng)濟穩(wěn)中有進 調(diào)控托而不舉
        中國外匯(2019年15期)2019-10-14 01:00:34
        Cool Invention炫酷發(fā)明
        分布式光伏熱錢洶涌
        能源(2017年10期)2017-12-20 05:54:07
        分布式光伏:爆發(fā)還是徘徊
        能源(2017年5期)2017-07-06 09:25:54
        順勢而導 靈活調(diào)控
        哪一款移動電源充電更多?更快?
        消費者報道(2016年3期)2016-02-28 19:07:38
        陽光電源
        風能(2016年12期)2016-02-25 08:46:10
        基于DDS的分布式三維協(xié)同仿真研究
        雷達與對抗(2015年3期)2015-12-09 02:38:50
        SUMO修飾在細胞凋亡中的調(diào)控作用
        无码av在线a∨天堂毛片| 午夜不卡无码中文字幕影院| 久久精品蜜桃亚洲av高清| 少妇被爽到高潮喷水久久欧美精品| 啪啪无码人妻丰满熟妇| 色窝窝无码一区二区三区2022| 国语自产啪在线观看对白| av在线播放免费观看| 隔壁老王国产在线精品| 国内老熟妇对白xxxxhd| 亚洲综合色一区二区三区小说| 激情综合五月天开心久久| 国产一区二区三区在线男友| 男人边做边吃奶头视频| 精品国产a∨无码一区二区三区| 国产精品人成在线观看| 丰满少妇av一区二区三区| 亚洲精品无码不卡在线播he| 国产高清在线精品一区| 91啦视频在线观看| 国产毛片三区二区一区| 亚洲第一幕一区二区三区在线观看 | 成人试看120秒体验区| 成人亚洲性情网站www在线观看| 国产精品video| 中文字幕日产人妻久久| 人妻少妇中文字幕专区| 色狠狠色狠狠综合天天| 吃奶还摸下面动态图gif| 国产乱色国产精品免费视频| 亚洲一区二区成人在线视频| 青青青免费在线视频亚洲视频| 国产精品久久国产精品99| 亚洲永久精品ww47| 亚洲图片第二页| 国产免费人成视频在线观看播放播 | 日本午夜精品一区二区三区电影| 岛国av无码免费无禁网站下载| 女同性恋精品一区二区三区| 一个人午夜观看在线中文字幕| а天堂中文地址在线|