电力论文哪里有？本文建立了基于VMD-IPOA-KELM的短期电力负荷预测模型。首先针对负荷序列具有非平稳性的特征，利用变分模态分解方法将负荷序列分解为多个子序列；然后对不同的子序列构建KELM模型，并利用改进的鹈鹕优化算法对KELM的正则化系数和核函数参数进行寻优；
第一章 绪论
1.2.1 短期光伏功率预测研究现状
第三次能源革命以来，光伏发电技术得到了迅猛的发展，国内外许多学者在光伏发电功率预测领域做了许多的研究。光伏发电功率预测从预测方法的角度可以划分为物理法和统计法两大类[9]。物理法根据光伏电站的地理位置，综合分析光伏电池板，逆变器等多种设备的特性，得到光伏发电输出功率与数值天气预报的物理关系，对光伏发电输出功率进行预测。物理法虽然不需要历史数据的支持，但其对光伏电站地理信息以及气象数据可靠性要求较高，且易受外界条件的影响，抗干扰能力差，因此应用较少。文献[10]利用物理法构建了光伏发电系统的近似物理模型，并采用标准实验条件下参数的代数计算和实际工况下参数的分析确定相结合的方式对模型进行求解，结果表明，预测结果与实际功率有较好的拟合。统计法可以分为传统统计法和人工智能法。传统统计法是通过找到历史数据的内在规律，建立历史数据与输出功率之间的映射关系，从而对光伏发电输出功率进行预测的一种方法，如回归分析法[11]、灰色理论[12]等。传统统计法模型相对简单，虽然可以快速预测出光伏发电输出功率，但是其只能拟合简单的线性关系，导致预测精度较差，不能满足实际需求。人工智能法通过挖掘数据中的潜在特征，建立输入数据和输出数据之间的非线性映射关系，进而实现光伏功率预测，如人工神经网络[13]、支持向量机[14]、组合预测法[15]等。文献[16]将历史数据和温度作为输入变量，采用BP神经网络（Back Propagation Neural Network）进行预测，但没有考虑其他天气类型对输出功率的影响，预测精度有待进一步提高；文献[17]通过将传统神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）的预测结果进行对比，验证了LSTM在光伏功率预测方面具有更优异的性能，预测精度更高；文献[18]采用改进的LSTM网络进行光伏功率预测，优化了神经网络易过拟合的问题，并将单一输入因素与充分考虑气象因素的预测结果进行比较，结果表明，充分考虑气象因素可以有效提高预测精度；文献[19]使用两个并行的卷积神经网络（Convolutional Neural Network，CNN）进行特征提取，然后将提取的特征融合后送入LSTM中进行光伏功率预测，实验结果表明进行特征提取可以有效提高预测精度；文献[20]利用离散小波变换将光伏功率数据分解为功率分量，并利用CNN-LSTM网络进行特征提取，最后由全连接层输出预测结果，实验结果表明CNN-LSTM网络可以充分数据中的空间特征和时序特征。
第三章 基于特征提取和优化LSSVM的短期光伏功率预测
3.1 CNN-LSTM特征提取
3.1.1 卷积神经网络
光伏功率预测是微电网优化调度的重要组成部分，光伏发电因受到辐照度、温度、相对湿度等天气因素的影响，其输出功率具有随机性和波动性的特点，在接入微电网时会对其稳定性造成一定的冲击，而准确的光伏发电功率预测信息能够为微电网安全稳定的调度提供保障。传统光伏功率预测由于特征提取不足导致预测精度不高，因此，本章首先结合了CNN和LSTM的优点构建了CNN-LSTM特征提取模型，用于提取数据中的空间特征以及时序特征；然后将提取出的特征向量输入到LSSVM模型中进行预测；其次对SSA算法的不足进行了改进，并采用ISSA算法对LSSVM的参数进行寻优；最后通过与其他模型的预测结果进行对比，验证本章所提模型的有效性和优越性。
卷积神经网络（Convolutional Neural Networks，CNN）具有优异的特征提取能力，能够有效提取高维数据中的空间特征信息，目前已被广泛应用于图像处理、故障诊断、功率预测等领域。CNN主要由输入层、卷积层、池化层、全连接层和输出层组成[52]，其结构如图3.1所示。
第五章 基于改进灰狼算法的微电网经济优化调度
5.1 分布式电源运行特性及数学模型
5.1.1 光伏电池
太阳能作为重要的清洁可再生能源，近年来已经得到广泛的应用，其中太阳能发电是应用太阳能的一种主要方式。光伏发电的原理是利用半导体PN结的光生伏特效应，直接将光能转换成电能[64]。光伏电池作为太阳能发电的核心部件，具有可靠性高、使用寿命长等优点，其等效电路图如图5.1所示。
由于风力发电和光伏发电的出力具有不确定性，不一定能满足微电网负荷的需求，所以通常会在微电网中加入一种可控的发电机组。而柴油发电机组具有启动快、稳定可靠、可以随时启停的优点，既可以在风、光发电机组发电量充足的时候充当备用电源，也可以在夜间光伏发电机组无出力或者风速较低风力发电机组无出力的情况下充当主电源，所以选用柴油发电机组作为微电网的可控发电机组，来提高微电网供电系统的安全可靠性，减少因意外停电造成的财产损失[66]。柴油发电机以柴油为燃料进行发电，其原理是通过活塞的挤压，将柴油在气缸内充分燃烧，从而产生气体推动活塞做功，通过机械装置带动发电机的转子旋转，从而产生电能。
5.4 算例分析
5.4.1 基础数据
以我国南部某地区的独立微电网为例进行优化调度研究。该微电网主要包括光伏发电系统、风力发电系统、柴油发电机组、蓄电池等，其系统结构图如图5.4所示。
第六章 总结与展望
6.2 展望
本文在短期光伏功率预测、短期电力负荷预测、微电网经济优化调度方面进行了一定的研究，由于本人的知识水平以及时间有限，论文中还有一定的问题没有考虑周全，难免存在一些不足，后续还可以进一步的改进和完善。主要包括以下几个方面：
（1）本文采用的光伏发电数据集为澳大利亚爱丽丝泉光伏研究中心提供的公开数据集。近年来，我国光伏发电发展较快，已有很多实例可以分析，且我国占地辽阔，由于各个地区的地理环境不同，对光伏出力也有一定的影响。之后，可以根据地理环境的不同进行分类研究。
（2）本文在负荷预测中采用VMD算法对负荷序列进行分解，从而降低负荷序列的非平稳性，但是VMD的参数是根据多次实验来确定的，后续可以对参数进行优化。其次由于工作日和休息日的负荷情况具有不同，后续可以考虑将工作日和休息日作为影响因素。
（3）本文研究的微电网优化调度为孤岛的情况，随着微电网技术的发展，微电网并网的情况会更加普遍，后续可以根据实时电价的不同，研究与大电网进行能量交换。
参考文献（略）
