【摘要】：大規(guī)模的風(fēng)電接入,促使電網(wǎng)的運(yùn)行模式發(fā)生重大轉(zhuǎn)變。風(fēng)電不確定性的特點(diǎn),影響了電網(wǎng)中風(fēng)電的可控穩(wěn)定性,導(dǎo)致電網(wǎng)調(diào)峰能力不足,引發(fā)大量棄風(fēng)現(xiàn)象。針對這些問題,本文從兩方面進(jìn)行研究,以實(shí)現(xiàn)棄風(fēng)消納的目的,一是改善能源結(jié)構(gòu),二是減小混合系統(tǒng)中風(fēng)電不確定性的影響。主要研究內(nèi)容如下:(1)分析了風(fēng)電—蓄電池儲能混合系統(tǒng)的結(jié)構(gòu)和工作原理,對混合系統(tǒng)消納風(fēng)電的運(yùn)行原理進(jìn)行描述。同時,對混合系統(tǒng)中蓄電池儲能系統(tǒng)的基本工作原理和系統(tǒng)出力建模進(jìn)行了分析總結(jié)。(2)深入分析了風(fēng)電機(jī)組運(yùn)行的不確定性給電力系統(tǒng)帶來的不利影響,基于此設(shè)計了基于核嶺回歸的風(fēng)速預(yù)測模型以及基于支持向量回歸機(jī)的風(fēng)電功率預(yù)測模型,并進(jìn)行仿真分析,對仿真結(jié)果使用誤差指標(biāo)對兩種模型的性能進(jìn)行了評價,證明了所提方法的有效性,同時說明了風(fēng)電預(yù)測存在一定誤差。(3)針對風(fēng)電機(jī)組運(yùn)行中存在的不確定性,將魯棒思想引入了基于等位基因的實(shí)數(shù)編碼量子進(jìn)化算法,同時對算法進(jìn)行簡化。首先,深入研究了基于等位基因的實(shí)數(shù)編碼量子進(jìn)化算法的編碼方式與更新策略,并總結(jié)了魯棒優(yōu)化理論以及對不確定性問題的應(yīng)用。之后,將魯棒模型引入量子優(yōu)化框架,提出有效目標(biāo)函數(shù)的概念并通過數(shù)值算例對其有效性進(jìn)行驗(yàn)證。最后,為簡化計算,采用Monte Carlo積分計算有效目標(biāo)函數(shù)。(4)本文以風(fēng)電—蓄電池儲能混合系統(tǒng)為例,建立了狀態(tài)約束下,以棄風(fēng)量最小為優(yōu)化目標(biāo)的協(xié)調(diào)優(yōu)化模型。為緩解風(fēng)電的不確定性,將風(fēng)電儲能混合系統(tǒng)模型通過有效目標(biāo)函數(shù)和Monte Carlo方法轉(zhuǎn)化為基于Monte Carlo的魯棒優(yōu)化模型,采用所提出的魯棒量子進(jìn)化算法求解模型。引入SQRT序列抽樣的擬蒙特卡羅法對有效目標(biāo)函數(shù)進(jìn)行估計,將所得值作為進(jìn)化算法的適應(yīng)度值。最后,算例分析表明,所提出的協(xié)調(diào)優(yōu)化策略在風(fēng)電出力不確定的情況下具有較強(qiáng)的魯棒性,能夠有效減少棄風(fēng)量。
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM614;TM732
【圖文】：

1圖 1.1 2013-2018 年風(fēng)電并網(wǎng)容量及電源結(jié)構(gòu)占比 1.1 Wind power grid-connected capacity and proportion of power supply structure in 2013而朔緄綺檔吶畈⒄

本文編號：2800775