【技术实现步骤摘要】
本专利技术属于微电网优化运行，涉及一种微电网运行优化方法，尤其是一种基于代价敏感决策树的微电网运行优化方法。
技术介绍
1、随着电力市场创新的进步和用户对通用性需求的不断增加，参与需求侧响应是实现“源-网-荷-储”协调运行的重要手段。然而，随着可再生能源系统(res)规模的不断扩大，电网减峰能力不足、机组产量有限等问题变得越来越突出。为进一步协调随机因素，需要对微电网的内部微源和储能调度问题进行研究。加强需求侧各类能源负荷的使用和成本管理，不仅可以提高多能源供需的匹配程度，还会鼓励用户改变能源消费习惯，有利于微电网的节能、高效、发展。
2、在现有的研究中，针对微电网最优运行优化提出了各种方法，最新的研究中，有学者将压缩空气储能作为辅助风电场调节调峰和提供其他电网辅助服务的重要储能技术之一。该方法在平滑机组输出方面降低了总体调度成本和效率。但上述方法还存在以下缺陷，未能充分考虑储能系统不同储能方式的效率波动，导致调节能力的不稳定性。更重要的是，缺乏对系统整体可靠性和灵活性的综合评估，限制了微电网的调度能力和响应速度，进而未能实现预期的优化效果。因此，如何综合考虑不同类型负荷及其特点，实现电力供需的相互改善，仍然是微网运行优化面临的长期挑战。
3、经检索，未发现与本专利技术相同或相似的已公开的技术文献。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提出一种基于代价敏感决策树的微电网运行优化方法，通过对分布式能源的运行特性和数学模型进行分析，结合微电
2、本专利技术解决其现实问题是采取以下技术方案实现的：
3、一种基于代价敏感决策树的微电网运行优化方法，包括以下步骤：
4、步骤s1、对微电网中的分布式能源运行特性进行深入分析，构建包括风光电源消耗与输出模型和cchp系统效率与输出模型的微电网系统模型；基于所构建的模型，进行设备参数、负荷参数及自然条件参数的数据采集。
5、步骤s2、基于步骤1中采集的不平衡数据，引入代价敏感强化学习算法来建立不平衡数据分类模型，该模型将不平衡数据作为决策树算法输入，并针对输出效率较高且散热损失系数较小的少数类样本设定更高的错误分类代价，构建出以最大化信息增益为目标的不平衡数据分类模型，进而不同运行状态下的效率和功率进行分类。
6、步骤s3、引入拒识代价优化机制，通过优化拒识代价，增强代价学习对分类错误的敏感性，更新不平衡数据分类模型；
7、步骤s4、结合步骤1中微电网风光电源消耗与输出模型、cchp效率与输出模型模型和微电网本身的特性，建立微电网运行的运行优化模型；通过储能能量流、综合能源成本和步骤3中的最小拒识代价构建目标函数，根据并微电网风电、光伏、电、冷、热的预测误差构建约束条件，完成微电网运行优化模型构建；
8、步骤s5、基于步骤4中的目标函数和微网概率约束，用优化决策树算法进行求解，得出最优运行调度方案。
9、而且，所述步骤s1的具体步骤包括：
10、s1.1对微电网中的分布式能源运行特性进行分析，构建微电网系统风光能源消耗与输出模型，包括风能和太阳能的输出功率；
11、风力输出功率pwt的计算公式为：
12、
13、式中，ρ为当前空气密度(kg/m3)，v为风速(m/s)，rwt为风力机半径(m)，cp为0.35-0.45范围内的功率系数，a为转子扫掠面积(m2)，ng为发电机效率，nb为齿轮箱轴承效率；
14、光伏板的输出功率的表达式为：
15、
16、式中，ppv为光伏电池在第t时段的输出功率；pstc和istc是标准测试条件下的光伏功率和电流；k为特定温度下的功率系数；te(t)和tref分别为第t时段的温度和参考温度值。
17、s1.2，构建cchp系统效率与输出模型，cchp系统包括产能部分和储能部分；其中，产能部分包括：燃气轮机、吸收制冷机、燃气锅炉、燃料电池；
18、所述产能部分的效率和输出模型包括：
19、微型燃气轮机的燃料消耗量及其天然气消耗量的数学模型表示为：
20、
21、式中umt(t)为微型燃气轮机在t时段的燃油消耗量；pmt(t)和ηmt(t)分别为微型燃气轮机在t时段的输出功率和效率；δt为机组调度时间；lng是热值较低的天然气；
22、热电联产系统在电能驱动下实现冷却和加热，令tcmt和thmt分别为时刻t的热电联产系统冷热功率，其冷、热功率和电能输出功率的表达式为：
23、
24、tcmt(t)＝ηrecrmtctmt(t)(7)
25、thmt(t)＝ηrecrmthtmt(t)(8)
26、式中，ηmt为微型汽轮机第t时段的排热系数；ηl为散热损失系数；ηref为气体流量系数；rmtc和rmth分别为吸收式制冷机和余热回收机组的制冷系数和制热系数。
27、燃料电池效率和输出功率表示为：
28、ηfc＝0.6744(pfc/ifc) (9)
29、其中fc是燃料电池；ηfc为燃料电池效率；pfc为燃料电池功率(w)，ifc为燃料电池的电流(a)。
30、对cchp储能部分进行模型，储能系统在运行过程中满足能量充放电约束、储能容量约束等条件，并具有相对相似的运行特性的数学模型可以表示为：
31、
32、
33、式中pb为储能单元第t时段的功率，-pb,ch(t)、+pb,dis(t)分别为电池储能单元第t时段的充电、放电功率。
34、s1.3采集风能、太阳能和天然气，电能、制冷能和热能来源的设备参数、负荷参数以及自然条件参数、光伏中温度和功率以及cchp中各元件的能量效率。
35、而且，所述步骤2的具体步骤包括：
36、s2.1基于步骤1采集的不平衡数据，引入代价敏感强化学习算法建立不平衡数据分类模型，在处理微电网参数分类问题时，用<xi,yi>表示输入的设备、负荷以及自然条件参数样本，xi表示样本属性，yi∈{1,2,…,n}表示样本类型，p(j|x)是样本x的后验概率，cij表示将第i类样本错误的分类为第j类时产生的代价。r(x,i)表示将样本x分为i类的误分类代价，由式(12)进行计算：
37、
38、通过计算，选择r(x,i)最小的类别作为最终的分类结果:
39、
40、对于平衡数据的分类问题，相当于将不同类别的错误分类的代价统一设定为1，此时的分类代价变为:
41、
42、该式对输出效率较高和散热损失系数较小等情况下对应的少数类样本赋予更高的错误分类代价。
本文档来自技高网...
【技术保护点】
1.一种基于代价敏感决策树的微电网运行优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤S1的具体步骤包括：
3.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤2的具体步骤包括：
4.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤3的具体步骤包括：
5.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤4的具体步骤包括：
6.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤5的具体步骤包括：
【技术特征摘要】
1.一种基于代价敏感决策树的微电网运行优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤s1的具体步骤包括：
3.根据权利要求1所述的一种基于代价敏感决策树的微电网运行优化方法，其特征在于：所述步骤2的具体步骤包括：
4.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。