發(fā)布時間：2017-10-28 01:21

  本文關(guān)鍵詞：風(fēng)光水氣多能源發(fā)電聯(lián)合優(yōu)化調(diào)度方法研究

  更多相關(guān)文章： 風(fēng)電 梯級水電站 調(diào)度 多目標差分進化算法 相關(guān)性

【摘要】：風(fēng)電和太陽能發(fā)電作為緩解化石燃料危機和解決環(huán)境污染問題的首選新能源,受到了越來越多的關(guān)注。然而其出力的不穩(wěn)定性和間歇性成為制約其大規(guī)模發(fā)展的瓶頸。在含有風(fēng)電和光伏發(fā)電的系統(tǒng)中,通常需要常規(guī)能源來平抑其出力的波動性。梯級水電站和燃氣電站由于出力穩(wěn)定、響應(yīng)負荷升降迅速等特點來補償風(fēng)光出力的不穩(wěn)定性。本文針對含有風(fēng)電場、光伏電站、梯級水電站和燃氣電站的發(fā)電系統(tǒng),建立了風(fēng)光水氣聯(lián)合發(fā)電的多能源聯(lián)合發(fā)電調(diào)度模型,采用差分進化算法得到相應(yīng)的優(yōu)化調(diào)度方案,并通過算例驗證了調(diào)度方法的有效性。本文的研究內(nèi)容及成果如下所示：(1)研究了風(fēng)電、光伏發(fā)電、梯級水電站以及燃氣電站各自的發(fā)電特性和出力模型,之后介紹了標準差分進化算法的原理和流程。(2)建立了風(fēng)光水氣多能源發(fā)電節(jié)能調(diào)度模型。優(yōu)先安排風(fēng)電和光伏發(fā)電,以燃氣電站的最小燃氣熱耗量和水電站最小發(fā)電流量為目標,約束條件中考慮了燃氣電站的出力約束、爬坡約束、啟停次數(shù)約束以及水電站的庫容約束、發(fā)電流量約束等。運用多目標差分進化算法得到Pareto最優(yōu)解集,再采用基于信息熵權(quán)的TOPSIS法得到調(diào)度方案。算例驗證表明,該調(diào)度方法可以達到節(jié)約燃料并減少水流量的目的。同時,在該調(diào)度系統(tǒng)中,水電站和燃氣電站共同承擔(dān)補償風(fēng)光出力的隨機性的任務(wù)。(3)建立風(fēng)光水氣多能源發(fā)電經(jīng)濟調(diào)度模型�？紤]風(fēng)光相關(guān)性,適度棄風(fēng)棄光,以系統(tǒng)發(fā)電成本最小為目標函數(shù),包括燃料成本和波動懲罰費用。選用Clay-Copula函數(shù)作為風(fēng)電光伏出力聯(lián)合概率分布函數(shù),并用Spearman相關(guān)系數(shù)描述其相關(guān)性。根據(jù)風(fēng)電、光伏發(fā)電以及負荷之間相關(guān)性的大小決定優(yōu)先調(diào)度的能源。采用差分進化算法得到最終調(diào)度結(jié)果。比較發(fā)現(xiàn),考慮風(fēng)電、光伏以及負荷相關(guān)性的系統(tǒng)的經(jīng)濟性優(yōu)于不考慮相關(guān)性的系統(tǒng),且隨著懲罰系數(shù)的增加,經(jīng)濟性越來越明顯。
【關(guān)鍵詞】：風(fēng)電 梯級水電站 調(diào)度 多目標差分進化算法 相關(guān)性
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM61;TM73
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 選題背景及其意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 多能源聯(lián)合發(fā)電型式13-15
• 1.2.2 電力系統(tǒng)調(diào)度優(yōu)化算法15-16
• 1.3 本文的主要研究工作16-17
• 第2章 風(fēng)光水氣發(fā)電子系統(tǒng)出力特性與建模分析17-28
• 2.1 引言17
• 2.2 風(fēng)力發(fā)電系統(tǒng)的模型17-20
• 2.2.1 風(fēng)速特性17-19
• 2.2.2 風(fēng)電場出力模型19-20
• 2.3 太陽能發(fā)電系統(tǒng)的模型20-23
• 2.3.1 太陽能輻射特性20-21
• 2.3.2 太陽能光伏電站出力模型21-23
• 2.4 梯級水電站的出力特性23
• 2.4.1 梯級水電站的特點23
• 2.4.2 梯級水電站的出力模型23
• 2.5 燃氣電站出力特性分析23-24
• 2.6 差分進化算法(DE)原理24-27
• 2.6.1 差分進化算法的流程25-26
• 2.6.2 差分進化算法的受控參數(shù)26-27
• 2.7 本章小結(jié)27-28
• 第3章 含風(fēng)光水氣的電力系統(tǒng)多能源聯(lián)合優(yōu)化節(jié)能調(diào)度28-43
• 3.1 引言28
• 3.2 風(fēng)光水氣多能源聯(lián)合優(yōu)化節(jié)能調(diào)度模型28-32
• 3.2.1 目標函數(shù)28-29
• 3.2.2 約束條件29-32
• 3.3 多目標差分進化算法32-35
• 3.3.1 多目標優(yōu)化的基本定義32-33
• 3.3.2 快速非支配排序33
• 3.3.3 擁擠度計算33-34
• 3.3.4 基于信息熵權(quán)的TOPSIS多屬性決策方法34-35
• 3.4 風(fēng)光水氣多能源發(fā)電節(jié)能調(diào)度的實現(xiàn)35-39
• 3.4.1 編碼35-36
• 3.4.2 初始化36
• 3.4.3 交叉和變異36
• 3.4.4 選擇36-38
• 3.4.5 快速非支配排序38
• 3.4.6 擁擠度計算38-39
• 3.5 算例分析39-42
• 3.6 本章小結(jié)42-43
• 第4章 考慮風(fēng)光出力與負荷相關(guān)性的風(fēng)光水氣電力系統(tǒng)經(jīng)濟調(diào)度43-57
• 4.1 引言43-44
• 4.2 風(fēng)電廠出力和光伏電站出力之間的相關(guān)性研究44-51
• 4.2.1 風(fēng)速的概率分布44
• 4.2.2 風(fēng)電場出力的概率分布44-45
• 4.2.3 光照強度的概率分布45
• 4.2.4 光伏電站出力的概率分布45
• 4.2.5 風(fēng)電出力和光伏出力的聯(lián)合概率分布45-51
• 4.3 風(fēng)光水氣多能源聯(lián)合發(fā)電經(jīng)濟調(diào)度模型51-52
• 4.3.1 目標函數(shù)51
• 4.3.2 約束條件51-52
• 4.4 算法流程52
• 4.4.1 編碼52
• 4.4.2 初始化52
• 4.4.3 交叉變異52
• 4.4.4 選擇52
• 4.5 算例分析52-56
• 4.6 本章小結(jié)56-57
• 第5章 結(jié)論與展望57-59
• 參考文獻59-62
• 攻讀碩士學(xué)位期間發(fā)表的論文62-63
• 攻讀碩士學(xué)位期間參加的科研工作63-64
• 致謝64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 王艷君;余貽鑫;;風(fēng)電場對電力系統(tǒng)運行成本和市場價格的影響[J];電力系統(tǒng)自動化;2009年05期

2 戴慧珠;王偉勝;遲永寧;;風(fēng)電場接入電力系統(tǒng)研究的新進展(英文)[J];電網(wǎng)技術(shù);2007年20期

3 尚金成;;兼顧市場機制的主要節(jié)能發(fā)電調(diào)度模式比較研究[J];電網(wǎng)技術(shù);2008年04期

4 趙繼超;袁越;傅質(zhì)馨;孫純軍;錢康;許文超;;基于Copula理論的風(fēng)光互補發(fā)電系統(tǒng)可靠性評估[J];電力自動化設(shè)備;2013年01期

，

本文編號：1106046