[01183053]基于波动能源预测和Agent技术的源荷协同能量管理技术研究

针对我国在风/光短期、超短期功率预测,预测中充分利用了数字天气数据、深度学习技术,并与地球科学和能源学结合,并尤其适用于我国海域的风和光发电功率预测研究,波动能源预测模型的精度已经达到世界先进水平,实际使用预测耗时一般不超过2秒。在风电功率预测方面,提出了DBN、CNN、LSTM、CNN-LSTM和LSTM-CNN共5种深度学习模型,并对对各模型的预测结果进行了多角度的比较,虑风电数据和NWP数据本身的特点,使用k-means聚类等多种方法解决了数据变量的特征选择难题。实际风场的数据的验证和测试结果超过了2016年国际最好水平。在光伏预测领域,提出了一种新的晴空时间推算方法,并完成晴空因子、高精度辐照度计算（SPA）的计算模型修正,开发了晴空检测软件。设计了地基云图的处理与地基云图分析程序,实现云层检测、云层移动估算等功能。创造性地提出了基于一维卷积神经网络模型、基于长短期记忆神经网络的预测模型、基于卷积和长短期记忆神经网络的混合神经网络的光伏功率预测模型,独创性地指出了历史数据长度对预测结果的影响和选择建议。采用真实光伏电场数据进行测试,预测精度达到国际先进行列。 计及REG出力和负荷需求的预测误差,建完成了以区间数表征的海岛微电网日前经济调度模型、调度实施方案,已经实现5min和10min级别时间尺度的调度,并通过实验验证。成果引入并针对船舶直流电网,在国内率先基于agent思想设计了分层控制架构（执行层、中间层和管理层）,并对各层设计了具体的控制策略,并完成仿真验证。达到国内先进水平。 共发表相关SCI期刊论文8篇,在3个国际会议发表会议论文7篇（EI检索）并做报告;申请发明专利10项,其中授权4项,6项受理;申请并获得软件著作权4项。项目累计培养并已毕业博士、硕士研究生共6人;另有在2021年3月毕业的硕士研究生2人。