首页-傲世皇朝平台-傲世皇朝注册

首页-傲世皇朝平台-傲世皇朝注册

报道，新模型使用人工神经网络来预测可再生能源柔性的变化和不确定性，作为微电网两阶段随机优化模型的输入。图片来源：光州科学技术大学的Yun-Su Kim。

可再生能源被视为应对气候变化的答案，但其吸收受到大多数可再生能源的可变性和间歇性的限制。解决这个问题的一个有希望的解决方案是微电网。

微电网是较小的局部电网，可以连接到该地区的主电网，但如果需要，也可以断开连接或“孤岛化”。指导微电网运行的模型，如调度减载等，是其有效运行的关键。但到目前为止，大多数微电网模型要么忽略了可再生能源的不确定性和变化，要么假设了最坏的情况，这可能导致未供应能源（ENS）和运营成本的增加。

为了解决这个问题，韩国光州科学技术大学的一个研究小组开发了一种新的两阶段随机优化模型，以最大限度地降低运营成本和减载。

根据领导这项研究的Yun-Su Kim博士的说法，“微电网的问题之一是它们有时无法为负载提供足够的电力，导致负荷减退，而在其他时候它们产生过多的电力。在本文中，我们创建了一个可以降低运营成本和减载的运营算法。

新优化模型的一个关键要素是创建基于（ANN）的可再生能源功率输出预测模型。该功率输出以概率密度函数的形式获得，即，它提供了在任何给定时间点获得给定功率输出的可能性，从而考虑了可再生能源供应的变化和不确定性。然后将此概率密度函数馈送到随机优化模型中，该模型制定操作决策，例如调度。

研究人员使用夏威夷当局自然能源实验室设计的微电网数据验证了他们的模型。他们发现ANN预测的功率输出误差低至9.7%。随机优化模型还降低了约20%的平均ENS，并降低了约19%的运营成本。

“化石燃料带来了气候变化和通货膨胀。利用微电网改造电网有助于可再生能源的整合。因此，提高微电网的效率和整合将使我们离能源安全和稳定更近一步，“金墉博士总结道。