內容大鋼
本書聚焦于多能流耦合系統中的關鍵技術研究，以模型預測控製為核心手段。首先，闡述多能流耦合系統的概念、構成及發展現狀，包括電力、氫氣、氧氣等多種能量流在系統中的交互機制。其次，模型預測控制部分詳細介紹其基本原理、演算法流程及其在多能流耦合系統中的適用性。
在關鍵技術方面，深入探討如何建立精確的多能流耦合系統模型，以反映不同能量流之間的複雜動態關係。對於多能流耦合系統的優化調度問題，利用模型預測控制實現對多種能源的協同優化，考慮到能源的供應需求平衡、新能源（風能、太陽能）本地消納最大等多項目標。
書中還研究了系統的不確定性處理技術，如應對可再生能源的間歇性、負荷的波動等情況，通過模型預測控制中的預測機制和反饋校正機制，提高系統的穩定性和可靠性。同時，對多能流耦合系統的控制策略進行深入分析，涉及到不同能源子系統之間的協調控制方法，以確保整個耦合系統高效、穩定地運行。最後，對基於模型預測控制的多能流耦合系統技術的應用前景和發展趨勢進行展望，為相關領域的研究人員、工程技術人員提供了理論基礎和實踐指導。
作者介紹
張啟龍|責編:汪子珺
張啟龍，貴州省興義市人，貴州大學電氣工程學院控制科學與工程專業工學碩士，六盤水師範學院講師，主要從事綜合能源系統的優化與控制研究。主持並完成了貴州省教育廳自然科學研究項目「基於風／氫互補分散式供能系統的風電消納方法研究」（項目編號：黔教合KY字〔2022〕047號）；參與建設六盤水師範學院學科團隊（項目編號：LPSSY2023XKTD12）、六盤水師範學院省級一流本科專業建設點項目（項目編號：GZSylzy202104）。主要參與並完成國家自然科學基金項目（項目編號：51867007）和貴州省科技廳基金項目（項目編號：黔科合J字〔2015〕2034號）。已發表學術論文19篇，其中以第一作者或通信作者發表SCI論文4篇、EI論文2篇、中文核心期刊論文3篇。
目錄
第1章 多能流耦合系統
1.1 多能流耦合系統的概述
1.2 多能流耦合系統的研究現狀
1.3 多能流耦合系統的關鍵技術
1.4 多能流耦合系統的模型預測控制
1.5 總結
第2章 基於單片機與CRC演算法的風-光氣象環境智能採集裝置
2.1 概述
2.2 系統總體設計
2.3 系統硬體設計
2.4 系統軟體設計
2.5 系統功能測試
2.6 結論
第3章 基於遺傳演算法優化BP神經網路模型的風電功率短期預測
3.1 概述
3.2 演算法原理
3.3 演算法實現
3.4 算例分析
3.5 結論
第4章 基於多演算法融合優化模型的風電功率短期預測
4.1 概述
4.2 演算法原理
4.3 演算法實現
4.4 算例分析
4.5 結論
第5章 數據深度挖掘驅動下多模型融合的短期光伏功率預測
5.1 概述
5.2 演算法原理
5.3 演算法實現
5.4 算例分析
5.5 結論
第6章 基於特徵降維技術與組合模型構建的短期光伏功率預測
6.1 概述
6.2 演算法原理
6.3 演算法實現
6.4 算例分析
6.5 結論
第7章 基於二次分解技術與混合深度學習模型的短期電力負荷預測
7.1 概述
7.2 分解技術及預測演算法分析
7.3 CEEMDAN-VMD-CNN-BiLSTM模型的構建與評價指標
7.4 算例分析
7.5 結論
第8章 基於特徵選擇與組合模型構建的綜合能源系統多能短期負荷預測
8.1 概述
8.2 多能負荷氣象特徵的選擇方法
8.3 GVMD-RSSA-LSSVM組合預測模型的搭建
8.4 算例分析
8.5 結論
第9章 融合改進二分解技術與CNN-BiLSTM-Attention的短期負荷預測
9.1 概述
9.2 研究方法
9.3 預測演算法原理
9.4 預測模型
9.5 算例分析
9.6 結論
第10章 基於特徵綜合相關與混合深度學習的綜合能源系統多元負荷雙階段預測
10.1 概述
10.2 IES結構及特徵綜合相關性分析
10.3 日前-日內CNN-BiLSTM-Attention預測模型
10.4 算例分析
10.5 結論
第11章 考慮風電消納的多能流系統模型預測控制方法
11.1 概述
11.2 多能流系統描述
11.3 多能流系統模型
11.4 多能流系統MPC策略的實現
11.5 算例分析
11.6 結論
第12章 基於模型預測控制的多能流耦合系統可再生能源消納研究
12.1 概述
12.2 風電-光伏與氫儲能的多能流耦合系統構建
&n
[