【摘要】：發(fā)電調(diào)度是保證電網(wǎng)安全穩(wěn)定運(yùn)行,實(shí)現(xiàn)發(fā)電資源高效配置的重要環(huán)節(jié)。近年來,為了促進(jìn)能源、環(huán)境可持續(xù)發(fā)展,風(fēng)電作為一種成熟的可再生發(fā)電資源,得到了大力開發(fā),風(fēng)電場規(guī)模不斷擴(kuò)大,并網(wǎng)容量不斷增加。然而風(fēng)電具有隨機(jī)性、間歇性和難以準(zhǔn)確預(yù)測等特點(diǎn),這些特點(diǎn)給電力系統(tǒng)發(fā)電調(diào)度和安全運(yùn)行帶來了一系列新的問題。同時,隨著發(fā)電調(diào)度系統(tǒng)管理水平的提高,為了實(shí)現(xiàn)綜合效益最大化,不僅應(yīng)該考慮有功出力的分配,還應(yīng)該考慮機(jī)組備用的選擇、機(jī)組檢修計(jì)劃優(yōu)化等問題,統(tǒng)籌協(xié)調(diào)發(fā)電資源�；谏鲜霰尘�,本文圍繞風(fēng)電接入電力系統(tǒng)的中短期發(fā)電調(diào)度問題開展了以下研究： 在間隔10-15min有功優(yōu)化調(diào)度方面,為了應(yīng)對風(fēng)電功率波動對備用容量和線路潮流帶來的不確定性問題,提出了考慮線路安全校核的含風(fēng)電場電力系統(tǒng)有功和備用協(xié)調(diào)調(diào)度模型。首先,在建模過程中結(jié)合置信水平,分析了負(fù)荷和風(fēng)電出力預(yù)測誤差對備用的影響,建立了備用與風(fēng)電出力之間的量化關(guān)系。然后針對風(fēng)電功率不確定性引起線路潮流波動的特點(diǎn),引入線路安全約束的多場景模型,同時為了處理該模型存在校核場景和校核線路數(shù)量大的問題,進(jìn)一步結(jié)合調(diào)度時段機(jī)組的出力范圍,基于線性規(guī)劃定理,提出校核線路和校核場景的縮減方法,降低了求解難度。最后進(jìn)行了算例驗(yàn)證,結(jié)果顯示,根據(jù)所建模型給出的調(diào)度方案能同時滿足經(jīng)濟(jì)性和安全性。 在上述研究基礎(chǔ)上,進(jìn)一步考慮環(huán)境效益和備用不足引起的運(yùn)行風(fēng)險,目標(biāo)函數(shù)中增加了污染物排放量,定義了備用風(fēng)險指標(biāo),構(gòu)建了多目標(biāo)有功優(yōu)化調(diào)度模型。為了更好的求解該模型,提出了一種改進(jìn)多目標(biāo)微分進(jìn)化算法。該算法引入混沌搜索策略以提高初始種群利用率,采用控制參數(shù)調(diào)整策略以克服算法對控制參數(shù)依賴性強(qiáng)的缺點(diǎn),利用動態(tài)擁擠距離排序策略使得帕累托最優(yōu)解集分布更加均勻。以所提算法求得的帕累托最優(yōu)解集為決策矩陣,使用基于熵的序數(shù)偏好方法對最優(yōu)解集進(jìn)行排序,得到最終決策方案。對比分析結(jié)果表明,所提算法能夠?yàn)槎嗄繕?biāo)有功優(yōu)化調(diào)度問題提供更加優(yōu)良的候選方案。 在日前機(jī)組組合方面,為了更高效地求解含風(fēng)電場電力系統(tǒng)安全約束機(jī)組組合的多場景隨機(jī)模型,提出了一種區(qū)間優(yōu)化結(jié)合點(diǎn)估計(jì)的方法。首先基于風(fēng)電出力置信區(qū)間,利用最緊約束集及相應(yīng)的極限場景描述風(fēng)電出力波動,進(jìn)而對隨機(jī)安全約束機(jī)組組合進(jìn)行區(qū)間優(yōu)化,在保證調(diào)度方案滿足安全約束的同時提高了計(jì)算速度。然后為了評價應(yīng)對風(fēng)電出力波動的調(diào)整能耗,進(jìn)一步利用點(diǎn)估計(jì)法對區(qū)間優(yōu)化方法進(jìn)行改進(jìn),使得優(yōu)化調(diào)度方案更為經(jīng)濟(jì)。最后采用混合整數(shù)線性規(guī)劃法對模型進(jìn)行求解。通過算例對比分析,結(jié)果表明,所提方法僅需要對少量場景進(jìn)行計(jì)算就可以保證調(diào)度方案滿足安全性和經(jīng)濟(jì)性的要求,能夠有效地求解含風(fēng)電場的隨機(jī)安全約束機(jī)組組合問題。 在月度機(jī)組組合方面,為了更好地接納風(fēng)電,同時兼顧檢修計(jì)劃優(yōu)化,建立了含風(fēng)電場電力系統(tǒng)月度機(jī)組組合和檢修計(jì)劃聯(lián)合優(yōu)化模型。首先基于歷史數(shù)據(jù),采用威布爾函數(shù)描述風(fēng)電的概率分布,利用機(jī)會約束規(guī)劃理論處理風(fēng)電不確定性對約束條件的影響,構(gòu)建了相關(guān)概率模型并給出了多個風(fēng)電場情況下概率模型確定化方法。然后引入了檢修費(fèi)用和檢修相關(guān)約束,并針對機(jī)組組合和檢修計(jì)劃時段間隔不同,分別設(shè)置了時段索引變量,建立了相互之間的關(guān)聯(lián)矩陣,實(shí)現(xiàn)了發(fā)電和檢修協(xié)調(diào)優(yōu)化。最后利用混合整數(shù)線性規(guī)劃法對模型進(jìn)行優(yōu)化。算例結(jié)果表明,所建模型可以有效地權(quán)衡成本費(fèi)用和運(yùn)行風(fēng)險之間的關(guān)系,能夠同時給出合理的機(jī)組組合方案和檢修計(jì)劃方案,為風(fēng)電接入電力系統(tǒng)的中期調(diào)度運(yùn)行提供了一種有效的手段。 上述論文工作研究了風(fēng)電出力隨機(jī)性對不同時間尺度發(fā)電調(diào)度的影響,并給出了一套建模和求解方法,為規(guī)模化波動性電源并網(wǎng)后電力系統(tǒng)中短期安全經(jīng)濟(jì)運(yùn)行提供了理論和方法支撐。
【圖文】：

116.48MW、231.56MW和400MW時，通過計(jì)算可以得到負(fù)荷-風(fēng)電聯(lián)合概率密度函數(shù)/zC^z)如圖2-3所示。從圖中可以看出：當(dāng)風(fēng)速預(yù)測值為6.5m/s時，的曲線呈現(xiàn)單峰偏左狀；當(dāng)風(fēng)速預(yù)測值為12.5m/s時，/z(Pz)的曲線呈現(xiàn)單峰偏右狀；當(dāng)風(fēng)速預(yù)測值為8.5m/s和10.5m/s時，/zC^z)的曲線兩端分布較為均勾。0012, . . . . . . A V = 6.5m/s0 01. / \ fy-v =S.5m/s V = 12.5ra/s “柋丨 y \ ；y"A -i M\:-100 0 100 200 300 400 500 600/yMW圖2-3負(fù)荷-風(fēng)電聯(lián)合概率密度函數(shù)Fig.2-3 The probability density function of load and wind power令PHh,應(yīng)對預(yù)測誤差所需正、負(fù)備用關(guān)系系數(shù)/fc/j為1，通過計(jì)算得到風(fēng)電場計(jì)劃出力值和正、負(fù)備用與/?1、；^值之間的關(guān)系分別如圖2-4和2-5所示。由圖2-4可以看出：風(fēng)電場計(jì)劃出力值與風(fēng)電場預(yù)測出力值不相等，而且隨著置信水平的變化而變化，這一特征在風(fēng)電功率預(yù)測值為400MW時最為明顯。由圖2-5中可以看出：對于同一風(fēng)電功率預(yù)測值，，隨著置信水平的提高，應(yīng)對預(yù)測誤差所需的正、貧P28

1500代后，4種算法都能得到清晰的帕累托前沿，而且帕累托前沿構(gòu)成的空間形狀也較為相似，如圖3-4所示，說明這4種算法都適用于求解多目標(biāo)優(yōu)化調(diào)度問題，所得的帕累托最優(yōu)解集能夠較好的展示各個目標(biāo)之間的關(guān)系，也給決策者提供更多的選擇余地。從帕累托前沿中較難比較各種算法的性能，下面選用外部解、C指標(biāo)和S指標(biāo)3個指標(biāo)具體分析IDEMO算法的優(yōu)勢。X10 ‘ Xl0'1 SPEA2 2、 NSGA-II2 - 2-/E/lb'9-...:7./,/lb19-： .. 18- ’- 17- ?：NB?：?：.,：... 204202 202“?10' x,0'0 194Xx10'2.1-.2- DEMO IDEMO? ? 2、18- . .、..??：-■ 、?-二￡。... w： ‘圖3-4不同算法的帕累托前沿Fig.3-4 Pareto fronters of different algorithms(1)外部解對比分析在帕累托最優(yōu)解集中，某一目標(biāo)分量最優(yōu)的解稱為外部解[129]，一般有幾個目標(biāo)分量就有相應(yīng)的幾個外部解，其定義如下：1 V?e 巧：fM ^ /?,(?)} (3-30)式中：m表示目標(biāo)分量；&表示進(jìn)化代數(shù)，表示第A代帕累托最優(yōu)解集。；d對應(yīng)的第m個目標(biāo)分量是最優(yōu)的。通過比較外部解對于目標(biāo)分量的最終代的值和進(jìn)化過程
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TM73

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭漳華;艾芊;徐偉華;韓利;蔣傳文;馮士剛;顧承紅;;基于偽并行SPEA2算法的含風(fēng)電場多目標(biāo)負(fù)荷調(diào)度[J];上海交通大學(xué)學(xué)報;2009年08期

2 楊秀媛,肖洋,陳樹勇;風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測研究[J];中國電機(jī)工程學(xué)報;2005年11期

3 劉自發(fā);張建華;;一種求解電力經(jīng)濟(jì)負(fù)荷分配問題的改進(jìn)微分進(jìn)化算法[J];中國電機(jī)工程學(xué)報;2008年10期

4 黎靜華;韋化;;求解機(jī)組組合問題的領(lǐng)域搜索法[J];中國電機(jī)工程學(xué)報;2008年13期

5 潘煒;劉文穎;楊以涵;;概率最優(yōu)潮流的點(diǎn)估計(jì)算法[J];中國電機(jī)工程學(xué)報;2008年16期

6 陳寧;于繼來;;基于電氣剖分信息的風(fēng)電系統(tǒng)有功調(diào)度與控制[J];中國電機(jī)工程學(xué)報;2008年16期

7 李學(xué)斌;;火電廠廠級負(fù)荷分配的多目標(biāo)優(yōu)化和決策研究[J];中國電機(jī)工程學(xué)報;2008年35期

8 孫元章;吳俊;李國杰;何劍;;基于風(fēng)速預(yù)測和隨機(jī)規(guī)劃的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[J];中國電機(jī)工程學(xué)報;2009年04期

9 鄭漳華;艾芊;顧承紅;蔣傳文;;考慮環(huán)境因素的分布式發(fā)電多目標(biāo)優(yōu)化配置[J];中國電機(jī)工程學(xué)報;2009年13期

10 湯偉;王漪;于繼來;閔德靜;羅桓桓;郭鈺鋒;金鐘鶴;柳進(jìn);柳焯;;編制直調(diào)火力發(fā)電單元月度電能交易計(jì)劃的綜合耗量優(yōu)化法[J];中國電機(jī)工程學(xué)報;2009年25期

本文編號：2556561