猜你喜欢
人工智能在新能源发电系统中的应用

人工智能在新能源发电系统中的应用

书籍作者:杨博 ISBN:9787519872755
书籍语言:简体中文 连载状态:全集
电子书格式:pdf,txt,epub,mobi,azw3 下载次数:8958
创建日期:2024-05-10 发布日期:2024-05-10
运行环境:PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板
内容简介
本书将人工智能与新能源系统优化技术相结合,针对新能源的强随机性和强波动性特点,介绍了启发式算法、神经网络、强化学习等智能优化方法,系统梳理了近年来作者及其团队将人工智能应用于新能源系统优化的多种技术实践。
本书基于新能源系统的运行特点,完整地建立了新能源系统的数学模型;提出了多种基于人工智能算法的新能源系统优化技术,如将人工智能算法应用于光伏系统与风电系统预测、光伏系统与温差系统重构,设计了高效的智能优化算法进行光伏系统和温差系统的最z大功率跟踪、新能源控制器调参,通过多目标优化算法确定储能系统与波浪能系统的最z优规划方案等。
本书所提新能源发电系统智能优化技术可为电力系统消纳清洁能源、系统安全可靠运行提供有效支持,为相关研究人员提供新颖的研究思路,具有较高的学术价值和工程应用潜力。
编辑推荐
本书具有专业性和系统性,全书结构合理、层次清晰、逻辑紧密,研究素材丰富,通过详实的理论方法介绍和研究实验数据展示了智能优化算法的有效性。本书作者及其研究团队在新能源系统优化与控制等研究工作中取得了大量研究成果,在国内外高水平期刊上发表了一定数量的论文,并在多个新能源高比例渗透电网中开展了工程应用并取得成效,为本书提供了丰富的素材和背景资料。
——东北电力大学 穆钢教授

本书针对太阳能、风能的随机性和波动性,讨论了光伏发电、温差发电、风力发电和储能系统传统结构与优化技术的缺陷,建立了上述系统的数学模型,针对上述问题提出了多种相应的人工智能优化技术,并通过实验验证了这些优化技术的工程实用性和有效性。
——南洋理工大学 黄朝阳教授
前言
中国是世界上最大的能源生产和消费国。为应对气候变化,中国将采取更有效的政策和措施,实现2030年二氧化碳排放量达到峰值,力争于2060年实现碳中和。同时,云南省全力打造世界一流“绿色能源牌”,全面推动绿色低碳发展,实现能源资源配置更加合理,促进生产生活方式绿色转型。发展新能源对保障国家能源安全十分重要,也是应对全球气候变化、实现碳峰值排放和中和目标的有效途径。近年来,我国可再生能源发展迅速,正在经历从替代能源向主要能源的转变。
近年来,以风力发电和光伏发电为代表的新能源发电技术在我国得到了极大的发展,电力转型正在顺利进行,风力发电和光伏发电能够提供逐步淘汰所有化石燃料所需的大部分清洁电力,同时帮助提高能源安全。为重塑现有的能源体系,需要迅速部署新能源发电系统,以扭转全球排放增加的趋势,应对气候变化。在相关政策支持的推动下,中国可再生能源发电技术已经成熟和完善。能源生产成本不断降低,市场竞争力不断增强,为可再生能源的大规模应用和未来电网的互联互通奠定了重要基础。
然而,新能源由于其波动性、间歇性和反向调峰输出特性,很难准确预测与部署。在电力系统中,新能源的渗透率较低,且可能出现波动问题,这就为新能源的开发和利用带来了困难。传统的新能源优化技术主要考虑其经济性,且整体效率较低,无法保障当前的电力需求,不顺应低碳清洁的潮流。因此,依据新能源发电系统的运行特性,在优化技术上进行创新是解决新型电力系统中新能源消纳难题的必由之路。
本书介绍了多种新能源发电系统的前沿优化技术,涵盖了作者近几年来在新能源发电系统优化技术领域的研究成果,试图为相关领域的研究提供理论与技术参考。本书所有仿真算例均基于MATLABR2020b软件,所有硬件在环实验均基于RTLAB或dSpace平台。
希望读者通过阅读本书内容,掌握新能源发电技术的基础理论、运行特点和相关优化技术,并能参考本书设计更多具有工程实用性的优化技术。
本书内容准确、表达严谨。完整地建立了新能源发电系统的数学模型,并翔实地给出了新能源发电系统的运行特点,存在的问题及解决方法,具有一定的工程实用价值。
本书行文精炼、层次分明。介绍了新能源发电系统和人工智能的发展现状和基础理论,适用不同基础的相关工程技术人员和学生使用。
本书创新性强、重点突出。提出了多种基于人工智能算法的新能源发电系统优化技术,为相关研究人员提供了新颖的研究思路。
目录
第1章新能源发电系统概述
1.1新能源发电系统技术
1.2储能系统技术
第2章 人工智能算法概述
2.1启发式算法
2.2 神经网络算法.
2.3强化学习算法
第3章人工智能在新能源发电系统功率预测中的应用
3.1 概述
3.2基于LCASO算法优化BP神经网络预测模型
3.3 风光发电系统数据预处理
3.4基于经典算法优化BP神经网络的风光发电系统功率预测
3.5基于LCASO-BP神经网络的风光发电系统功率预测
第4章 人工智能在新能源发电系统最优规划中的应用·
4.1概述
4.2新能源发电系统选址定容
4.3 储能系统选址定容
第5章 人工智能在新能源发电系统参数识别中的应用
5.1概述
5.2基于孔雀优化算法的光伏电池参数辨识
5.3基于人工生态系统优化算法-蝠鳞觅食优化算法的固体氧化物燃料电池参数辨识
5.4基于极限学习机的质子交换膜燃料电池参数辨识
第6章人工智能在新能源发电系统最优重构中的应用
6.1概述
6.2基于改进蛭蟒算法的光伏系统重构方法
6.3基于秃鹰搜索算法的光伏系统重构方法
6.4基于改进免疫遗传算法的温差发电系统重构方法
6.5基于改进合作搜索算法的模块化温差发电系统重构方法
第7章人工智能在新能源发电系统最大功率点跟踪中的应用
7.1概述
7.2基于集体智慧的光伏系统最大功率跟踪
7.3基于模因强化学习的光伏系统最大功率跟踪
7.4基于集体智慧算法的集中式温差发电系统最大功率点跟踪
7.5基于贪婪神经网络的集中式温差发电系统最大功率点跟踪
第8章人工智能在新能源发电系统控制器调参中的应用
8.1概述
8.2永磁同步发电机系统控制器调参
8.3双馈感应发电机系统控制器调参
8.4 风机接入的多机电力系统控制器调参
8.5 储能系统非线性控制器调参
第9章人工智能在新能源发电系统参与电网调频和调压中的应用
9.1概述
9.2人工智能在新能源发电系统参与电网调频中的应用
9.3人工智能在新能源发电系统参与电网调压中的应用
参考文献
后记