← 返回
基于人工神经网络的粒子群优化微电网最优能量调度
Artificial Neural Network Based Particle Swarm Optimization for Microgrid Optimal Energy Scheduling
| 作者 | Maher Abdolrasol · Ramizi Mohamed · M Hannan · Ali Al-Shetwi · M Mansor · Frede Blaabjerg |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年11月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 微电网 机器学习 储能系统 储能变流器PCS |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 人工神经网络 粒子群优化 微电网 能量调度 虚拟电厂 可再生能源 |
语言:
中文摘要
本文提出了一种结合人工神经网络（ANN）与粒子群优化（PSO）的增强算法，用于虚拟电厂（VPP）系统中可再生能源的管理。通过对比基于ANN的二进制粒子群优化（BPSO）算法与原始BPSO算法，验证了该方法在搜索微电网最优能量调度值方面的性能提升。
English Abstract
This letter proposes an enhancement for artificial neural network (ANN) using particle swarm optimization (PSO) to manage renewable energy resources (RESs) in a virtual power plant (VPP) system. This letter highlights the comparison of the ANN-based binary particle swarm optimization (BPSO) algorithm with the original BPSO algorithm. The comparison has been made upon searching the optimal value of...
S
SunView 深度解读
该研究提出的AI优化调度算法与阳光电源的iSolarCloud智能运维平台及PowerTitan/PowerStack储能系统高度契合。在虚拟电厂（VPP）场景下，通过ANN-PSO算法优化能量调度，可显著提升储能系统在调峰调频、削峰填谷中的经济效益。建议将该算法集成至阳光电源的EMS（能量管理系统）中，以提升对光储系统出力预测的精准度，优化PCS的充放电策略，从而增强系统在复杂电网环境下的调度灵活性与收益能力。