01
风电功率分配概述
风电并网背景、有功功率分配的意义、课程目标与学习路径
背景目标
02
风电机组基础
双馈异步发电机原理、永磁直驱发电机原理、功率特性曲线
双馈永磁特性
03
风电场建模
单机等效模型、尾流效应模型、Jensen模型与Park模型
尾流JensenPark
04
功率预测基础
数值天气预报(NWP)、统计预测方法、物理预测方法
NWP统计物理
05
超短期功率预测
时间序列模型(ARIMA)、神经网络模型(LSTM)、预测误差分析
ARIMALSTM误差
06
短期功率预测
支持向量回归(SVR)、随机森林回归、集成学习方法
SVR随机森林集成
07
功率分配优化问题建模
目标函数(弃风率、经济性、跟踪精度)、约束条件(爬坡率、容量、电压)
目标函数约束
08
线性规划方法
LP模型建立、单纯形法求解、Python实现(CVXOPT)
LP单纯形CVXOPT
09
二次规划方法
QP模型建立、内点法求解、Python实现(CVXOPT)
QP内点法CVXOPT
10
混合整数规划
MIP模型建立、分支定界法、Python实现(PuLP)
MIP分支定界PuLP
11
动态规划方法
多阶段决策、状态转移方程、Python实现
多阶段状态转移
12
遗传算法优化
编码与解码、选择交叉变异、Python实现(DEAP)
GADEAP
13
粒子群算法优化
粒子更新公式、惯性权重策略、Python实现
PSO惯性权重
14
模拟退火算法
Metropolis准则、温度退火策略、Python实现
模拟退火Metropolis
15
多目标优化
NSGA-II算法、Pareto前沿、Python实现(Platypus)
NSGA-IIParetoPlatypus
16
模型预测控制(MPC)
滚动优化原理、反馈校正、Python实现
MPC滚动优化
17
分布式优化
交替方向乘子法(ADMM)、一致性算法、Python实现
ADMM一致性
18
强化学习基础
马尔可夫决策过程、Q-learning、深度Q网络
MDPQ-learningDQN
19
深度强化学习分配
DDPG算法、状态动作空间设计、奖励函数设计
DDPG状态空间奖励
20
风储联合优化
储能系统建模、SOC约束、充放电策略
储能SOC充放电
21
考虑尾流效应的分配
尾流时延模型、动态尾流优化、协同控制
尾流时延动态协同
22
考虑电网约束的分配
潮流计算基础、N-1安全约束、灵敏度分析
潮流N-1灵敏度
23
考虑调频辅助服务
一次调频、二次调频、备用容量分配
一次调频二次调频备用
24
考虑爬坡率约束
爬坡事件检测、爬坡能力评估、平滑控制策略
爬坡检测平滑
25
考虑通信延迟
延迟模型、鲁棒优化、分布式补偿策略
延迟鲁棒补偿
26
实时分配系统架构
SCADA数据接口、OPC UA通信、实时数据库
SCADAOPC UA实时库
27
分配算法性能评估
评价指标(MAE、RMSE、R²)、对比实验设计、统计检验
MAERMSER²
28
工程案例分析
某50MW风电场分配方案、实际运行数据验证、经济效益分析
50MW案例效益
29
前沿技术展望
数字孪生、联邦学习、边缘计算在分配中的应用
数字孪生联邦学习边缘计算
30
课程总结与项目实战
综合项目需求、代码框架设计、部署与测试
项目实战部署测试