PDF《人工智能在电力系统及综合能源系统中的应用综述》

3 人工智能在电力系统及综合能源系统中 的应用 3.

1 人工智能在能源预测中的应用 综合能源系统不仅仅是以电能为研究对象, 其 涵盖了更广泛的热( 冷) 、 气、 油等多种能源形式, 既 有传统褐色能源( 煤、 石油) , 也包括绿色可再生能源 ( 风、 光、 潮汐能) 等.如何更好地掌控这些物理属性 迥异、 影响因素众多的能源, 是综合能源系统需研究 的首要课题.利用人工智能技术在回归方面的优 势, 在源端, 开展多种形式能源发电功率预测研究;

在荷端, 开展能源负荷预测研究, 将更好地支撑综合 能源系统的规划、 运行和服务. 3. 1.

1 间歇性可再生能源发电功率预测 随着间歇性可再生能源的渗透率提升, 发电间 歇性和波动性对电网造成的影响愈加明显, 准确的 可再生能源长短周期发电功率预测对系统稳定以及 经济运行都尤为重要. 提高间歇性可再生能源发电功率预测精度的关 键是构建具有强大数据处理能力和特征提取能力的 预测模型, 并具有很好的自学习修正能力.传统的 预测方法一般为浅层模型, 在处理非线性和非平稳 特性的风能或光照数据时预测性能较差.为此, 部 分学者引入深度学习的回归能力改进预测模型.

1 ) 借助长短期记忆( l o n g - s h o r t - t e r m m e m o r y , L S TM) 网络中的循环结构和记忆单元善于捕捉时 序变化特征的能力, 构建深度长短期记忆循环神经 网络模型, 预测光伏系统输出功率[

3 5] .

4 2

0 1 9,

4 3 (

1 ) ・人工智能在电力系统及综合能源系统中的应用・ h t t p : / / ww w. a e p s - i n f o . c o m 图5 电力系统及综合能源系统与大数据、 人工智能的关系 F i g .

5 R e l a t i o n s h i pa m o n gp o w e r s y s t e ma n d i n t e g r a t e de n e r g y s y s t e m, b i gd a t aa n da r t i f i c i a l i n t e l l i g e n c e

2 ) 采用深度卷积神经网络( d e e pc o n v o l u t i o n a l n e u r a ln e t w o r k, D C NN) 提取每日光照数据序列的 非线性特征和不变........