含风电的电力优化调度模型及其求解方法研究

发布时间：2021-06-15 09:05

　　风电具有较强的随机性、间歇性和反调峰特性,相比常规电源可调控性差。随着大量风电场陆续建成并投入运行,风电的优化调度问题成为目前热门的研究领域之一。含风电的电力系统优化调度不仅要处理风电的不确定性,还需考虑其它电源的效益以及众多的物理约束条件,是一种复杂的约束优化问题。由于传统调度方法主要基于确定性电源制定调度方案,已经无法满足风电并网的实际需求,为了合理消纳风电并保证电力系统的安全稳定运行,当前亟需研究新的调度理论和优化方法。含风电的电力系统优化调度包含两个核心问题:如何建立调度模型和调度模型如何求解。本文紧密围绕这两个核心问题,在求解算法的分析和改进、含风电的动态经济优化调度、滚动优化调度以及多目标优化调度等方面进行了研究和探讨,取得了一些具有理论意义和实用价值的研究成果。主要的研究工作和成果包括:（1）针对风电优化调度的求解问题,提出了两种优化能力更强的改进粒子群算法。首先,结合图论和信息论对粒子的邻居结构进行了分析,通过对粒子携带信息量的二进制化,从信息传播角度研究了粒子邻居结构对算法性能的影响。在此基础上,提出了一种邻居结构动态变化的改进单目标优化算法,通过改变邻居结构可以控制... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：145 页

【学位级别】：博士

【部分图文】：

图１．１中国２００６？２０１７年风电新增装机容量和丨装机矜量统计阁??１??

图１．２论文研宄的路线关系图??论文研究的路线关系如图１．２所示

此多目标优化的最优解不存在单个全局最优解，而是一组较优解的集合，在应用中需要??引入Ｐａｒｅｔｏ最优的概念，其中，支配关系的比较、Ｐａｒｅｔｏ最优、Ｐａｒｅｔｏ最优集和Ｐａｒｅｔｏ??前沿等具体的定义可参考文献［１８２－１８３］。图２．１以双目标优化为例对Ｐａｒｅｔｏ相关概念进??行了说明。??＾?籲非支配解?〇支配解??Ａｔ?Ｆ〇?Ｌ〇??＼?可行域??Ｐａｒｅｔｏ前沿?ｉ?Ｆ???？??／ｉ??图２．１?Ｐａｒｅｔｏ优化理论示意图??上图中，两个目标函数分别是／！和／２，虚线与黑实线包围的区域称为可行域，即满??足约束条件解的集合。图中的解分为支配解和非支配解，由非支配解Ａ、Ｂ、Ｃ、Ｄ、Ｅ??构成的边缘曲线即为Ｐａｒｅｔｏ前沿，其余解Ｆ、Ｇ、Ｈ、丨、Ｊ、Ｋ、Ｌ、Ｍ由于受到其它解的??支配，而称之为支配解。此外，在支配解集中，解Ｇ距离Ｐａｒｅｔｏ前沿较近，而解〗距离??Ｐａｒｅｔｏ前沿则相对较远，因此解Ｇ要优于解Ｊ，即Ｇ支配Ｊ，Ｇ?＞?Ｊ。同理，Ｊ卜Ｌ?〇相??反，对比解Ｊ和Ｍ可以发现，Ｊ在目标／２上要优于Ｍ，但是在．／ｉ上却劣于Ｍ，这种情况??即Ｊ不支配Ｍ，同时Ｍ也不支配Ｊ，可简记Ｓ

【参考文献】：
期刊论文
[1]基于机会约束目标规划的风火储系统滚动调度[J]. 王扬,赵书强,徐岩,殷加玞.  电网技术. 2017(01)
[2]风电的波动成本计算及应用研究[J]. 李璐,郑亚先,陈长升,吴亭苇,袁堃,耿建,程海花,薛必克,张凯锋.  中国电机工程学报. 2016(19)
[3]考虑大规模风电接入并计及多时间尺度需求响应资源协调优化的滚动调度模型[J]. 包宇庆,王蓓蓓,李扬,杨胜春.  中国电机工程学报. 2016(17)
[4]考虑不确定性成本的含风电场群电力系统短期优化调度[J]. 曲正伟,王京波,张坤,王云静,郑磊.  电力自动化设备. 2016(04)
[5]基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测[J]. 陈昊,万秋兰,王玉荣.  电工技术学报. 2016(05)
[6]基于高斯混合模型的风电场群功率波动概率密度分布函数研究[J]. 崔杨,杨海威,李鸿博.  电网技术. 2016(04)
[7]基于MPC的超短期优化调度策略研究[J]. 杨冬锋,周苏荃,魏剑啸,张实.  电力系统保护与控制. 2015(11)
[8]基于波动特性的风电出力时间序列建模方法研究[J]. 李驰,刘纯,黄越辉,王伟胜.  电网技术. 2015(01)
[9]关于风电不确定性对电力系统影响的评述[J]. 薛禹胜,雷兴,薛峰,郁琛,董朝阳,文福拴,鞠平.  中国电机工程学报. 2014(29)
[10]含大规模风电的电力系统多时间尺度滚动协调调度方法研究[J]. 王魁,张步涵,闫大威,李媛媛,罗涛.  电网技术. 2014(09)

博士论文
[1]粒子群优化的邻居拓扑结构和算法改进研究[D]. 陈自郁.重庆大学 2009



本文编号：3230765