Resumen

Teniendo en cuenta la fluctuación de la producción de la microrred y la demanda de los clientes, se propone una estrategia de despacho óptima para la microrred combinada de refrigeración, calefacción y suministro eléctrico. La fluctuación de las fuentes de energía, como un sistema fotovoltaico y múltiples cargas, puede afectar a la seguridad, la economía y la estabilidad en el funcionamiento combinado de refrigeración, calefacción y alimentación de la microrred. Por lo tanto, la máquina de aprendizaje extremo optimizada por el algoritmo de enjambre de partículas se utiliza para mejorar la precisión de la predicción de la generación de energía fotovoltaica, la generación de energía eólica y la potencia de carga. El coeficiente de regularización C y el parámetro de núcleo λ de la máquina de aprendizaje extremo de núcleo se consideran los objetivos de optimización del algoritmo de enjambre de partículas para mejorar la precisión de la predicción. En el coste de explotación se tienen en cuenta el valor previsto del sistema de microrred de refrigeración, calefacción y electricidad y la generación de energía nueva, así como el precio de la electricidad en tiempo real, el precio unitario del combustible, etc. Con el fin de minimizar el coste de funcionamiento y mejorar la utilización de la energía, se utiliza un algoritmo mejorado de salto de rana barajado para resolver el problema de minimización de costes y proporcionar la estrategia de despacho de salida de los equipos. Los resultados de la simulación comparativa muestran que, en las mismas condiciones, en comparación con la máquina de aprendizaje extremo de núcleo y la máquina de aprendizaje extremo de núcleo optimizada por el algoritmo genético, la máquina de aprendizaje extremo de núcleo optimizada por el enjambre de partículas tiene una velocidad de convergencia más rápida y una mayor precisión de predicción. Se realizan simulaciones comparativas de despacho de microrredes en días típicos de verano e invierno. En comparación con el coste de distribución, la microrred de refrigeración, calefacción y energía basada en el algoritmo mejorado de salto de rana barajado tiene evidentes beneficios económicos y una mayor propiedad de utilización de la energía.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:máquina de aprendizaje extremo de núcleo, algoritmo de enjambre de partículas, refrigeración, calefacción, coste de funcionamiento, precisión de la predicción, estrategia de despacho de salida de equipos, propiedad de mayor utilización de la energía, generación de energía nueva, resultados de simulación comparativa.
• Keywords:kernel extreme learning machine, particle swarm algorithm, cooling, heating, operating cost, prediction accuracy, equipment output dispatch strategy, higher energy utilization property, new energy power generation, comparative simulation results