Hannan

AALBORG UNIVERTET的机会约束...

摘要 - 本文提出了使用粒子群优化（PSO）对人工神经网络（ANN）的增强，以管理虚拟电厂（VPP）系统中的可再生能源资源（RESS）。这项研究突出了ANN-BPSO算法与原始BPSO算法的比较。在搜索隐藏层（n）和学习率（LR）中节点数量的最佳值时进行了比较。这些参数值用于微电网最佳能量调度的ANN训练中。已对涉及Ress的微电网（MG）的VPP系统进行了测试，这些方法涉及Ress，以最大程度地减少能力并优先考虑可持续资源的参与，而不是从公用事业网格那里购买电力。该模型使用马来西亚北部Perlis State记录的24小时记录的实际载荷需求进行了测试。此外，Tenaga nasional Berhad Research（TNBR）太阳能气象学记录了真实的天气状况数据，平均为1小时（例如，太阳辐射，风速，电池状态数据和燃油水平）。结果表明，与BPSO算法相比，ANN-PSO给出了精确的决策，这反过来又证明神经网的增强达到了最佳的能量调度水平。