含大规模风电的电力系统优化调度

发布时间：2021-02-17 21:20

　　能源是一个国家经济和社会发展的根基,随着社会的进步、国家经济的飞速发展,我国的能源需求量呈稳步上升态势,然而化石能源正面临着逐年枯竭的危机,与此同时我国将可持续发展纳入经济发展目标,在追求经济快速发展的同时重视环境保护,因此大力发展可再生能源、提高可再生能源利用率成为发展经济的关键。风能作为我国储量较多、分布较广且成本较低的可再生能源得到了广泛的应用。我国不仅在全球风电总装机量占比中位居一位,同时也是全球风电装机容量增长最迅速的国家。然而随着风电并网规模的逐渐增大,风电在带来优势的同时也使电力系统运行面临着全新的挑战,风能作为不可控的自然资源,具有波动性、随机性、反调峰性等固有特性,电力系统调度操作可能因此作出弃风的决定,造成了清洁能源的浪费。因此建立新的更为准确的含大规模风电电力系统经济调度模型,在维持电力系统安全稳定运行、促进可再生能源消纳、提高电力系统运行的经济性等方面具有重要意义。风电功率预测是含大规模风电电力系统调度的基础,首先通过对影响风电功率预测的因素进行分析后,确定风电功率预测的输入数据并对其进行预处理,利用万有引力搜索算法优化后的BP神经网络对风电功率进行点预测。考虑... 

【文章来源】：青岛大学山东省

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 风电功率预测研究现状
        1.2.2 含风电的电力系统经济调度现状
        1.2.3 含风电的电力系统经济调度模型求解
    1.3 本文的主要工作
第二章 风电功率区间预测
    2.1 基于多参数的风电功率预测
        2.1.1 参数介绍
        2.1.2 数据预处理
    2.2 改进万有引力搜索对BP神经网络的优化
        2.2.1 BP神经网络
        2.2.2 万有引力搜索算法
        2.2.3 基于GSA的BP神经网络预测模型
    2.3 风电功率的区间预测
        2.3.1 风电功率预测的区间构造
        2.3.2 非参数概率密度估计
        2.3.3 风电功率区间预测
        2.3.4 风电场短期功率区间预测模型建立
    2.4 算例分析
    2.5 本章小结
第三章 含大规模风电的电力系统经济优化调度模型研究
    3.1 电力系统优化经济调度模型
    3.2 考虑综合运行成本的火电机组成本建模
    3.3 大规模风电并网对电力系统经济调度的影响
        3.3.1 风电并网对环保成本及发电成本的影响
        3.3.2 风电并网对备用容量设置的影响
        3.3.3 风电并网对系统调峰的影响
    3.4 综合考虑风电成本建模
        3.4.1 弃电惩罚成本建模
        3.4.2 弃风惩罚成本系数确定
        3.4.3 风电运营成本建模
        3.4.4 风电总成本建模
    3.5 计及弃风惩罚的电力系统综合经济调度模型
        3.5.1 目标函数
        3.5.2 约束条件
    3.6 本章小结
第四章 计及弃风惩罚的电力系统综合经济调度模型求解
    4.1 改进的粒子群算法
        4.1.1 粒子群算法的基本原理
        4.1.2 权重因子更新策略
        4.1.3 模拟退火思想改进的粒子群算法
    4.2 算例分析
        4.2.1 仿真参数设置
        4.2.2 电力系统经济优化调度结果分析
        4.2.3 优化算法分析结果
    4.3 本章小结
第五章 结论与展望
参考文献
攻读学位期间研究成果
致谢


【参考文献】：
期刊论文
[1]适应大规模新能源并网的电力系统备用配置及优化综述[J]. 杨肖虎,罗剑波,郁琛,谢东亮,葛睿,冯长有.  电力工程技术. 2020(01)
[2]自适应变异粒子群优化BP的短期风电功率预测模型[J]. 王粟,邱春辉,曾亮.  华侨大学学报(自然科学版). 2020(01)
[3]基于APSO-GSA和相关向量机的短期风电功率预测[J]. 田壁源,刘琪,张新燕,王昱洁,张怡帆,郭红艳,常喜强.  电力系统保护与控制. 2020(02)
[4]动态调整惯性权重的粒子群算法优化[J]. 吴静,罗杨.  计算机系统应用. 2019(12)
[5]新中国电力工业70年发展成就[J]. 白玫.  电器工业. 2019(12)
[6]火电燃煤电厂环保现状及应对措施[J]. 贾昌明.  节能. 2019(11)
[7]基于熵模型的粒子群优化算法[J]. 孙骞,高岭,刘涛,姚军,王海.  东南大学学报(自然科学版). 2019(06)
[8]计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度[J]. 王淑云,娄素华,吴耀武,曹侃,周鲲鹏.  电力系统自动化. 2020(01)
[9]大规模新能源接入弱同步支撑直流送端电网的运行控制技术综述[J]. 李冬梅.  河南科技. 2019(31)
[10]基于降噪时序深度学习网络的风电功率短期预测方法[J]. 曹有为,闫双红,刘海涛,郭力.  电力系统及其自动化学报. 2020(01)



本文编号：3038555