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(fù)荷響應(yīng)分布式電源波動(dòng)控制方法

        2022-04-19 11:07:34陳衛(wèi)東郭敏吳寧奉斌
        中國(guó)電力 2022年3期
        關(guān)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(zé)任公司電力科學(xué)研究院,廣西 南寧 530023;2. 廣西電網(wǎng)有限責(zé)任公司,廣西 南寧 530023)

        0 引言

        隨著用戶側(cè)微電網(wǎng)強(qiáng)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(fù)荷的規(guī)?;瘧?yīng)用,正深刻改變微電網(wǎng)源荷特征[1-3]。微電網(wǎng)的運(yùn)行控制正由傳統(tǒng)的分布式電源優(yōu)化控制向荷隨源動(dòng)優(yōu)化控制的方向發(fā)展。研究微電網(wǎng)內(nèi)各類(lèi)型柔性負(fù)荷通過(guò)優(yōu)化轉(zhuǎn)移、削減或者中斷等手段來(lái)主動(dòng)響應(yīng)分布式電源波動(dòng)的控制策略,是轉(zhuǎn)變微電網(wǎng)用戶需求側(cè)用電方式,促進(jìn)分布式可再生能源消納的有效途徑,對(duì)微電網(wǎng)運(yùn)行的穩(wěn)定可靠及經(jīng)濟(jì)性具有重要理論價(jià)值和實(shí)用價(jià)值[4-8]。

        目前,國(guó)內(nèi)外學(xué)者對(duì)負(fù)荷響應(yīng)分布式發(fā)電調(diào)控策略的研究較多。文獻(xiàn)[9]建立微網(wǎng)可削減負(fù)荷的補(bǔ)償代價(jià)模型,提出考慮可削減負(fù)荷參與的微網(wǎng)優(yōu)化調(diào)度模型;文獻(xiàn)[10]提出反映居民用電對(duì)電網(wǎng)調(diào)峰貢獻(xiàn)度的調(diào)峰激勵(lì)機(jī)制,綜合考慮用電成本、舒適度和調(diào)峰激勵(lì)建立了居民用戶用電優(yōu)化策略;文獻(xiàn)[11]在空調(diào)負(fù)荷熱力學(xué)模型和人體熱舒適度模型的基礎(chǔ)上建立虛擬儲(chǔ)能模型,并設(shè)計(jì)了2種用于臨時(shí)性削峰場(chǎng)景的虛擬儲(chǔ)能控制策略;文獻(xiàn)[12]提出考慮受控負(fù)荷響應(yīng)功率不確定性的直接負(fù)荷控制模型,進(jìn)而建立了微能源網(wǎng)魯棒隨機(jī)優(yōu)化調(diào)度模型,通過(guò)不確定集下的魯棒線性優(yōu)化理論,實(shí)現(xiàn)隨機(jī)優(yōu)化模型向確定優(yōu)化模型的轉(zhuǎn)化;文獻(xiàn)[13]考慮風(fēng)光出力的不確定性,構(gòu)建了計(jì)及風(fēng)、光和儲(chǔ)能的直接負(fù)荷控制模型;文獻(xiàn)[14]以電能花費(fèi)和用戶舒適度作為優(yōu)化目標(biāo),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(xiàn)[15]建立分時(shí)電價(jià)下計(jì)及用戶用電滿意度的家庭負(fù)荷優(yōu)化策略。

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

        為此,本文借鑒圖像分析技術(shù)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(fù)荷響應(yīng)分布式電源波動(dòng)控制方法。首先根據(jù)分布式電源與可調(diào)控負(fù)荷多維運(yùn)行數(shù)據(jù),構(gòu)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(guò)與歷史運(yùn)行態(tài)的源荷特性圖像進(jìn)行相似性匹配,制定下一周期的調(diào)控策略;最后通過(guò)某微電網(wǎng)算例驗(yàn)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(gòu)建

        微電網(wǎng)下一周期內(nèi)柔性負(fù)荷響應(yīng)分布式電源波動(dòng)的調(diào)控策略是基于下一周期的分布式電源出力以及負(fù)荷預(yù)測(cè)數(shù)據(jù)來(lái)制定的,而這兩者又與自然氣象因素緊密相關(guān),包括決定光伏出力的太陽(yáng)輻射強(qiáng)度,決定風(fēng)機(jī)出力的風(fēng)速,對(duì)負(fù)荷影響較大的溫度和濕度,綜合這些因素?cái)?shù)據(jù)并結(jié)合分布式電源與負(fù)荷功率數(shù)據(jù),本文構(gòu)建生成了反映分布式電源與負(fù)荷波動(dòng)情況的散點(diǎn)氣泡串圖。另外,各類(lèi)型柔性負(fù)荷的運(yùn)行狀態(tài)也會(huì)影響調(diào)控策略的制定,負(fù)荷運(yùn)行狀態(tài)考慮因素包括可調(diào)控負(fù)荷啟停狀態(tài)及所屬調(diào)控負(fù)荷類(lèi)型、剩余可用時(shí)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(gòu)建生成了可調(diào)控負(fù)荷運(yùn)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(diǎn),并通過(guò)歐式距離判別法得到兩張圖像特征點(diǎn)的粗匹配對(duì),采用K均值聚類(lèi)(k-means clustering, k-means)算法和隨機(jī)抽樣一致(random sample consensus, RANSAC)算法完成特征點(diǎn)的精細(xì)篩選。

        2.1 微電網(wǎng)源荷綜合特性圖像關(guān)鍵點(diǎn)提取

        SURF算法是一種穩(wěn)健的圖像局部特征點(diǎn)檢測(cè)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(diǎn)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(diǎn)過(guò)程中,構(gòu)建原始源荷綜合特性圖像的Hessian矩陣是一個(gè)重要步驟,而在構(gòu)造Hessian矩陣之前需要對(duì)源荷綜合特性圖像進(jìn)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(diǎn)函數(shù);g(σ)為高斯函數(shù);f(x,y)為圖像所對(duì)應(yīng)的像素點(diǎn)函數(shù);x、y分別為圖像像素的橫、縱坐標(biāo)位置;σ為高斯函數(shù)的寬度參數(shù)。

        經(jīng)過(guò)濾波后圖像的Hessian矩陣判別式取得局部極大值時(shí),則可以確定當(dāng)前像素點(diǎn)比周?chē)徲騼?nèi)其他點(diǎn)更亮或更暗,由此來(lái)定位圖像關(guān)鍵點(diǎn)的位置。

        2.2 微電網(wǎng)源荷綜合特性圖像特征點(diǎn)定位

        首先將經(jīng)過(guò)Hessian矩陣處理得到的每個(gè)關(guān)鍵點(diǎn)所在的2維圖像內(nèi)和立體尺度空間鄰域內(nèi)的26個(gè)點(diǎn)進(jìn)行比較。比較方式為:若候選關(guān)鍵點(diǎn)的Hessian矩陣行列式的值大于其他26個(gè)點(diǎn),則這個(gè)關(guān)鍵點(diǎn)就作為源荷綜合特性圖像的一個(gè)特征點(diǎn);否則該關(guān)鍵點(diǎn)為能量比較弱或者錯(cuò)誤定位的點(diǎn),應(yīng)予以刪除。

        2.3 圖像特征點(diǎn)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(diǎn)的主方向:在源荷綜合特性圖像某特征點(diǎn)鄰域內(nèi)取4×4個(gè)矩形區(qū)域塊,每個(gè)子矩形區(qū)域塊有5×5個(gè)像素,則可以計(jì)算每個(gè)子矩形區(qū)域塊像素區(qū)的4個(gè)梯度方向,將4×4個(gè)矩形區(qū)域塊的各梯度方向幅值計(jì)算完成后,分別針對(duì)各梯度方向的4×4個(gè)矩形區(qū)域塊梯度幅值對(duì)應(yīng)相加可以得到4個(gè)方向的幅值和,最大幅值和對(duì)應(yīng)的方向即為主方向。

        (2)規(guī)定與主方向同向?yàn)樗椒较颍梢杂?jì)算得到子矩形區(qū)域塊5×5個(gè)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(duì)值之和以及垂直方向幅值絕對(duì)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(jì)算該特征點(diǎn)領(lǐng)域的4×4個(gè)矩形區(qū)域塊的4維描述向量,最后可得到描述該特征點(diǎn)的64維向量。

        (4)對(duì)微電網(wǎng)源荷綜合特性圖像的每個(gè)特征點(diǎn)重復(fù)以上步驟,計(jì)算得到該圖像每個(gè)特征點(diǎn)的64維描述向量。

        2.4 基于歐式距離判別法的圖像特征點(diǎn)粗匹配

        針對(duì)源荷綜合特性圖像A中的某一個(gè)特征點(diǎn)64維描述向量,采用歐氏距離判別方法在另一張?jiān)春删C合特性圖像B中尋找出距離它最近的特征點(diǎn)和次近的特征點(diǎn)[24],如果最近距離和次近距離的比值小于設(shè)定的閾值,則選取最近距離的這兩個(gè)特征點(diǎn)作為匹配對(duì)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(diǎn)粗匹配對(duì)。

        2.5 基于k-means聚類(lèi)算法和RANSAC算法的圖像特征點(diǎn)匹配對(duì)精細(xì)篩選

        k-means聚類(lèi)算法是一種無(wú)監(jiān)督學(xué)習(xí)算法,能夠?qū)?shù)據(jù)集劃分為若干類(lèi),使得各類(lèi)之內(nèi)的數(shù)據(jù)最為相似,而各類(lèi)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(duì),提取出有效的匹配對(duì)。將源荷綜合特性圖像A和圖像B的特征點(diǎn)匹配對(duì)集合進(jìn)行聚類(lèi),聚類(lèi)完成后,聚類(lèi)區(qū)間內(nèi)特征點(diǎn)匹配對(duì)數(shù)量最多的一類(lèi)即為正確的匹配結(jié)果,否則為錯(cuò)誤匹配,需要對(duì)錯(cuò)誤特征點(diǎn)匹配對(duì)予以刪除。

        基于RANSAC抽樣一致算法進(jìn)一步刪除異常特征點(diǎn)匹配對(duì)。RANSAC抽樣一致算法采用迭代方式從一組包含離群的被觀測(cè)數(shù)據(jù)中估算出數(shù)學(xué)模型的參數(shù),假設(shè)選取出的抽樣數(shù)據(jù)都是正確數(shù)據(jù),去計(jì)算篩選異常數(shù)據(jù)(記為外點(diǎn))。本文采用文獻(xiàn)[25]中的RANSAC算法建立變換矩陣,并按變換矩陣來(lái)進(jìn)一步篩選刪除錯(cuò)誤的匹配點(diǎn),最終輸出圖像A和圖像B的所有特征點(diǎn)匹配對(duì)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(fù)荷響應(yīng)分布式電源波動(dòng)控制方法建模詳細(xì)流程如圖2所示。主要分為數(shù)據(jù)預(yù)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(fù)荷響應(yīng)分布式電源波動(dòng)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(jìn)行基于圖像匹配的負(fù)荷響應(yīng)分布式電源波動(dòng)控制方法仿真分析。微電網(wǎng)系統(tǒng)中風(fēng)力發(fā)電容量為60 kW;光伏發(fā)電容量190 kW;可中斷負(fù)荷88 kW;可時(shí)移負(fù)荷15 kW;可削減負(fù)荷148 kW;剛性負(fù)荷50 kW。各類(lèi)型負(fù)荷詳細(xì)參數(shù)如表1所示。

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

        系統(tǒng)設(shè)定的調(diào)控周期為2小時(shí),每5 min為1個(gè)數(shù)據(jù)采樣點(diǎn),即將2小時(shí)劃分成24個(gè)時(shí)段,Δt=5 min,歷史數(shù)據(jù)庫(kù)存儲(chǔ)至少1年的歷史運(yùn)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(shí)周期性采用本文所提方法進(jìn)行圖像相似性匹配挖掘微電網(wǎng)歷史相似運(yùn)行狀態(tài)的負(fù)荷調(diào)控策略。

        3.2 優(yōu)化結(jié)果及算例分析

        3.2.1 10:00—12:00典型調(diào)控場(chǎng)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(lái)挖掘歷史數(shù)據(jù)庫(kù)中的微電網(wǎng)相似運(yùn)行態(tài),歷史數(shù)據(jù)庫(kù)中與圖像A特征點(diǎn)匹配信息如表2所示。

        表2 匹配結(jié)果詳細(xì)信息Table 2 Match result details

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

        圖3 10:00—12:00場(chǎng)景圖像匹配結(jié)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(yùn)行狀態(tài)相似性極高,基于圖像匹配結(jié)果,借鑒圖像2,即3月12日10:00的負(fù)荷調(diào)控策略作為圖像A對(duì)應(yīng)的調(diào)控周期(10:00—12:00)的負(fù)荷優(yōu)化調(diào)控策略,得到各類(lèi)型可調(diào)控負(fù)荷用電計(jì)劃如表3所示。

        表3 10:00—12:00場(chǎng)景下各類(lèi)型可調(diào)控負(fù)荷優(yōu)化前后用電計(jì)劃對(duì)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(chǎng)景下可時(shí)移負(fù)荷平均功率由優(yōu)化前的0增大到7.8 kW;可中斷負(fù)荷平均功率由優(yōu)化前的22.3 kW增大到27.9 kW;可削減負(fù)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(fù)荷曲線對(duì)比如圖4所示。

        圖4 10:00—12:00場(chǎng)景分布式電源出力與優(yōu)化前后總用電負(fù)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(fù)荷的調(diào)控作用,優(yōu)化后微電網(wǎng)總用電負(fù)荷曲線較優(yōu)化前能夠更緊密跟蹤分布式電源波動(dòng),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(fù)荷對(duì)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(shí)段8:00—18:00;優(yōu)化前總用電負(fù)荷在白天有明顯波動(dòng),晚上總負(fù)荷需求較大,凌晨時(shí)段用電負(fù)荷較少;優(yōu)化后總用電負(fù)荷曲線能夠跟蹤分布式電源波動(dòng)趨勢(shì)。釆用負(fù)荷與分布式電源做差取絕對(duì)值求和來(lái)評(píng)估負(fù)荷跟蹤分布式電源波動(dòng)情況,數(shù)值越小表明負(fù)荷跟蹤分布式電源越好,經(jīng)計(jì)算得到優(yōu)化前的值為65.052,優(yōu)化后為21.557,可見(jiàn)優(yōu)化后負(fù)荷響應(yīng)分布式電源波動(dòng)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(fù)荷曲線Fig. 5 Distributed generation output and load curve before and after optimization of whole day

        通過(guò)以上分析可見(jiàn),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(yùn)行狀態(tài),借鑒歷史相似運(yùn)行狀態(tài)調(diào)控策略制定的負(fù)荷調(diào)控策略能夠有效跟蹤可再生能源出力波動(dòng),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(jié)語(yǔ)

        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(shù)的發(fā)展,有望基于數(shù)據(jù)驅(qū)動(dòng)的思想借助人工智能技術(shù)實(shí)現(xiàn)化繁為簡(jiǎn)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(fù)荷多維運(yùn)行數(shù)據(jù),構(gòu)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(dá)到借鑒歷史相似運(yùn)行狀態(tài)的微電網(wǎng)調(diào)控策略制定下一周期的負(fù)荷響應(yīng)分布式電源波動(dòng)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(yùn)行狀態(tài),借鑒歷史相似運(yùn)行狀態(tài)調(diào)控策略制定的負(fù)荷調(diào)控策略能夠有效跟蹤可再生能源出力波動(dòng),促進(jìn)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(jì)穩(wěn)中有進(jìn) 調(diào)控托而不舉
        Cool Invention炫酷發(fā)明
        分布式光伏熱錢(qián)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(shì)而導(dǎo) 靈活調(diào)控
        哪一款移動(dòng)電源充電更多?更快?
        陽(yáng)光電源
        風(fēng)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
        SUMO修飾在細(xì)胞凋亡中的調(diào)控作用
        亚洲国产精品久久久久秋霞1| 亚洲av无码专区国产不卡顿| 少妇被粗大的猛烈进出免费视频 | 一个人在线观看免费视频www| 国产女奸网站在线观看| 亚洲中文字幕高清在线视频一区| 人妻少妇偷人精品免费看| 粉嫩虎白女毛片人体| 國产AV天堂| 亚洲精品女同在线观看| 天堂视频在线观看一二区| 亚洲人成影院在线观看| 精品乱子伦一区二区三区| 精品在线视频免费在线观看视频 | 国产成人www免费人成看片| 九九久久精品大片| 杨幂一区二区系列在线| 精品国产麻豆免费人成网站| 成人无码视频| 亚洲国产精品免费一区| 真实夫妻露脸爱视频九色网| 护士人妻hd中文字幕| 久久精品无码一区二区2020| 国产精品女同二区五区九区| 男女性杂交内射女bbwxz| 少妇被躁爽到高潮无码文| 男人天堂AV在线麻豆| 国产一区二区免费在线视频| 波多野结衣的av一区二区三区| 国产欧美日韩专区| 都市激情亚洲综合一区| 国产一区二区黄色录像| 欧美午夜精品一区二区三区电影| 最新欧美一级视频| 精品极品一区二区三区| 影音先锋中文字幕无码资源站| 亚洲手机国产精品| 国内国外日产一区二区| 亚洲综合天堂av网站在线观看| 国产熟女高潮视频| 日韩精品一区二区亚洲av性色|