本文選題：機(jī)組組合 + 負(fù)調(diào)峰能力　； 參考：《西南交通大學(xué)》2017年碩士論文

【摘要】：近年來,生態(tài)環(huán)境的日益惡化以及能源危機(jī)等問題,促使新能源發(fā)電得到了大力的發(fā)展,其中風(fēng)力發(fā)電已擁有了較為成熟的技術(shù),并在全世界范圍內(nèi)得到了廣泛的應(yīng)用。但受制于風(fēng)資源自身的特性,風(fēng)電具有非常明顯的隨機(jī)性、間歇性。當(dāng)風(fēng)電大規(guī)模接入后,電力系統(tǒng)在安全穩(wěn)定、電能質(zhì)量、調(diào)峰調(diào)頻等方面將面臨巨大的挑戰(zhàn)。為保證安全可靠地運(yùn)行,電力系統(tǒng)需要預(yù)留更多的旋轉(zhuǎn)備用容量,以應(yīng)對風(fēng)電不確定性和反調(diào)峰特性。系統(tǒng)常規(guī)機(jī)組在負(fù)荷低谷時(shí)刻的可調(diào)出力,在很大程度上決定了系統(tǒng)的風(fēng)電接納能力。因此,風(fēng)電的大規(guī)模消納,最關(guān)鍵的是需要解決系統(tǒng)調(diào)峰所面臨問題,這不僅取決于現(xiàn)有的系統(tǒng)結(jié)構(gòu),還需要制定合理的機(jī)組組合方案。為了能夠使系統(tǒng)經(jīng)濟(jì)、可靠地運(yùn)行,研究了一種綜合考慮系統(tǒng)運(yùn)行成本以及常規(guī)機(jī)組低谷時(shí)刻負(fù)調(diào)峰能力的多目標(biāo)機(jī)組組合優(yōu)化方法。本文首先分析了常規(guī)機(jī)組的負(fù)調(diào)峰特性,并以此建立了考慮低谷時(shí)段的負(fù)調(diào)峰能力模型。為了能在機(jī)組組合問題中體現(xiàn)風(fēng)電的波動(dòng)性,實(shí)現(xiàn)了一種基于非參數(shù)估計(jì)的風(fēng)功率區(qū)間預(yù)測方法。建立了以運(yùn)行費(fèi)用和負(fù)調(diào)峰能力為目標(biāo)的多目標(biāo)機(jī)組組合模型,并提出了一種考慮風(fēng)電不確定性的兩階段優(yōu)化方法,在第一階段使用確定性風(fēng)電預(yù)測值參與機(jī)組組合多目標(biāo)優(yōu)化,得到Pareto最優(yōu)解集,第二階段將所得的Pareto解集與風(fēng)電預(yù)測區(qū)間結(jié)合,對不同的機(jī)組組合方案進(jìn)行評估,最終可得到兼顧系統(tǒng)經(jīng)濟(jì)性和可靠性的機(jī)組組合方案。針對所建立的模型,研究了兩種求解方法,分別是基于離散粒子群和預(yù)測校正內(nèi)點(diǎn)法(DPSO-PCIPM)的層級優(yōu)化方法以及基于歸一化法線約束法(NNC)的優(yōu)化方法,通過算例分析,對比發(fā)現(xiàn)NNC法要優(yōu)于DPSO-PCIPM法。因此,后續(xù)選用NNC法在10機(jī)系統(tǒng)及其擴(kuò)展系統(tǒng)(20機(jī))進(jìn)行了仿真分析,仿真結(jié)果驗(yàn)證了本文方法的可行性,能夠?yàn)闆Q策者提供切合實(shí)際的機(jī)組組合優(yōu)化方案。
[Abstract]:In recent years, the deterioration of ecological environment and energy crisis have promoted the development of new energy power generation, among which wind power generation has a more mature technology, and has been widely used in the world. However, due to the characteristics of wind resources, wind power has a very obvious randomness and intermittence. When wind power is connected on a large scale, the power system will face great challenges in safety and stability, power quality, peak regulation and frequency modulation. In order to ensure the safe and reliable operation of the power system, it is necessary to reserve more rotating reserve capacity to deal with the uncertainty of wind power and the anti-peak-shaving characteristics. To a great extent, the adjustable output force of the system conventional units at the low load moment determines the wind power acceptance capacity of the system to a great extent. Therefore, the key to large-scale wind power absorption is to solve the problem of peak shaving system, which not only depends on the existing system structure, but also needs to formulate a reasonable unit combination scheme. In order to make the system run economically and reliably, a multi-objective unit combination optimization method considering the system operating cost and negative peak-shaving capacity at the low moment of the conventional unit is studied. In this paper, the negative peak-shaving characteristics of conventional units are analyzed, and the model of negative peak-shaving capacity considering the low period is established. In order to reflect the fluctuation of wind power in the unit commitment problem, a wind power interval prediction method based on nonparametric estimation is implemented. A multi-objective unit combination model with the aim of operating cost and negative peak-shaving ability is established, and a two-stage optimization method considering the uncertainty of wind power is proposed. In the first stage, the deterministic wind power prediction value is used to participate in the multi-objective optimization of the unit combination, and the Pareto optimal solution set is obtained. In the second stage, the Pareto solution set is combined with the wind power prediction interval to evaluate the different unit combination schemes. Finally, the unit combination scheme which takes into account the economy and reliability of the system can be obtained. According to the established model, two methods are studied, one is hierarchical optimization based on discrete particle swarm optimization and the other is based on DPSO-PCIPM, and the other is based on normalized normal constraint method (NNC). It is found that NNC method is better than DPSO-PCIPM method. Therefore, the NNC method is used to simulate the 10-machine system and its extended system (20 machines). The simulation results verify the feasibility of this method and can provide a practical optimization scheme for the decision makers.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM614;TM73

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭宇;茹海鵬;郭寶剛;;電力分配系統(tǒng)中的機(jī)組組合問題[J];硅谷;2011年08期

2 蔣妮娜;張志學(xué);劉超男;;不同約束下機(jī)組組合決策結(jié)果的分析[J];山東電力高等�？茖W(xué)校學(xué)報(bào);2013年03期

3 朱翠蘭，孫時(shí)春，，劉筱，周京陽，于爾鏗;華中電網(wǎng)機(jī)組組合軟件的開發(fā)與運(yùn)用[J];華中電力;1995年05期

4 王民量,張伯明,夏清;考慮多種約束條件的機(jī)組組合新算法[J];電力系統(tǒng)自動(dòng)化;2000年12期

5 王承民,郭志忠;電力市場環(huán)境下解決機(jī)組組合問題的新方法[J];電力自動(dòng)化設(shè)備;2001年11期

6 王承民,郭志忠,于爾鏗;確定機(jī)組組合的一種改進(jìn)的動(dòng)態(tài)規(guī)劃方法[J];電網(wǎng)技術(shù);2001年05期

7 王承民,郭志忠;機(jī)組組合問題的罰函數(shù)法[J];繼電器;2001年11期

8 江健健,夏清,沈瑜,康重慶,許洪強(qiáng),張?jiān)i;基于邊際電價(jià)的短期機(jī)組組合求解新方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年Z1期

9 袁曉輝,袁艷斌,張勇傳;電力系統(tǒng)中機(jī)組組合的現(xiàn)代智能優(yōu)化方法綜述[J];電力自動(dòng)化設(shè)備;2003年02期

10 王海云,趙宏偉,張曉清;蒙特卡洛優(yōu)化法在機(jī)組組合問題中的應(yīng)用[J];后勤工程學(xué)院學(xué)報(bào);2004年04期

相關(guān)會(huì)議論文 前6條

1 李曉磊;周京陽;于爾鏗;潘毅;;電力系統(tǒng)機(jī)組組合研究綜述[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

2 李曉磊;周京陽;于爾鏗;潘毅;;改進(jìn)線性混合整數(shù)規(guī)劃法機(jī)組組合[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

3 郭文蘭;韓學(xué)山;;基于模糊決策的最優(yōu)機(jī)組組合[A];1994中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

4 謝俊;;考慮風(fēng)電出力隨機(jī)性的風(fēng)—火機(jī)組組合建模(英文)[A];中國智能電網(wǎng)學(xué)術(shù)研討會(huì)論文集[C];2011年

5 王楠;張黎明;滿玉巖;;計(jì)及換電站電池充放電優(yōu)化的機(jī)組組合模型[A];2013年中國電機(jī)工程學(xué)會(huì)年會(huì)論文集[C];2013年

6 賴曉平;王冰;;提高機(jī)組組合問題動(dòng)態(tài)規(guī)劃算法效率的有效方法[A];第二十二屆中國控制會(huì)議論文集（下）[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 龍丹麗;大規(guī)模電力系統(tǒng)機(jī)組組合問題的近似動(dòng)態(tài)規(guī)劃模型與算法[D];廣西大學(xué);2014年

2 周博然;含風(fēng)電的機(jī)組組合模型及算法研究[D];浙江大學(xué);2015年

3 鄭海艷;機(jī)組組合基于Benders分解與割平面的方法及約束優(yōu)化SQP算法研究[D];廣西大學(xué);2015年

4 鄧俊;機(jī)組組合混合整數(shù)線性規(guī)劃模型的研究與改進(jìn)[D];廣西大學(xué);2015年

5 李整;基于粒子群優(yōu)化算法的機(jī)組組合問題的研究[D];華北電力大學(xué)(北京);2016年

6 張娜;面向風(fēng)電高不確定性的多周期機(jī)組組合研究[D];大連理工大學(xué);2014年

7 車平;基于最優(yōu)化的電力系統(tǒng)機(jī)組組合問題研究[D];東北大學(xué);2012年

8 楊朋朋;機(jī)組組合理論與算法研究[D];山東大學(xué);2008年

9 張利;電力市場中的機(jī)組組合理論研究[D];山東大學(xué);2006年

10 謝毓廣;計(jì)及網(wǎng)絡(luò)安全約束和風(fēng)力發(fā)電的機(jī)組組合問題的研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 李穎浩;電力系統(tǒng)機(jī)組組合問題的研究[D];浙江大學(xué);2012年

2 謝上華;隨機(jī)機(jī)組組合問題中情景生成與削減技術(shù)研究[D];湖南大學(xué);2013年

3 諸言涵;基于序優(yōu)化理論的大規(guī)模機(jī)組組合求解算法研究[D];華南理工大學(xué);2015年

4 閆圓圓;基于向量序優(yōu)化理論的大規(guī)模多目標(biāo)機(jī)組組合問題研究[D];華南理工大學(xué);2015年

5 李健成;考慮環(huán)境成本的含多類型能源的魯棒機(jī)組組合問題[D];華南理工大學(xué);2015年

6 徐勤;考慮風(fēng)電不確定性的風(fēng)電并網(wǎng)調(diào)度方法研究[D];江蘇大學(xué);2016年

7 王昭卿;考慮風(fēng)電預(yù)測誤差分布特性的機(jī)組組合模型與算法[D];山東大學(xué);2016年

8 張曉丹;風(fēng)電功率預(yù)測誤差不確定性建模研究[D];北京交通大學(xué);2016年

9 曹帥;中長期安全約束機(jī)組組合優(yōu)化研究[D];中國電力科學(xué)研究院;2016年

10 SINGIRANKABO YOUSSOUF（辛洛）;水火電機(jī)組聯(lián)合發(fā)電優(yōu)化調(diào)度方法[D];華北電力大學(xué)(北京);2016年

本文編號(hào)：2086511