基于多目标优化的含风电场电力系统环境经济调度研究

发布时间：2018-02-14 16:44

本文关键词： 环境经济调度风力发电多目标优化万有引力搜索算法伽马函数　出处：《山东大学》2015年硕士论文　论文类型：学位论文

【摘要】：随着化石能源的不断枯竭和环境污染问题日益突出,开发和利用清洁、绿色的风能进行发电已经成为了一种势在必行的趋势。大规模的风电并入电网给社会带来了良好的经济效益和环境效益,但由于风能具有随机性、间歇性和不可调度性等特点,使得风电输出功率也具有不确定性的特点,因此,大规模的风电场并入电网将会给电力系统的经济调度(Economic Dispatch, ED)和可靠运行带来很多问题。对于电力系统而言,随着风电并网容量的提高以及环境问题的更加严峻,传统的经济调度模式已经不能满足目前电力系统的要求。因此,兼顾考虑经济效益和环境因素的电力系统环境经济调度(Economic/Emission Dispatch, EED)逐渐成为了研究热点。环境经济调度不是单纯的追求发电成本最小或者污染物排放量最低,而是寻找二者之间的折中平衡。在上述背景下,本文针对含风能的电力系统环境经济调度这一课题开展相关研究。首先,本文基于威布尔分布推导了风速概率分布的数学模型,然后将风速的概率分布转化为风电功率的概率模型。在此基础上,为量化风电功率不确定性所带来的风电成本问题,本文引入风电出力预期成本、风电出力高估成本、风电出力低估成本三个概念,采用不完全伽马函数详细推导了这三部分互斥风电成本的数学表达式,并以目标函数方式加入到经济调度模型中。本文构建了一种新型有效的多目标环境经济调度模型,模型中综合考虑了常规火电机组煤耗成本、风电成本和污染物排放惩罚成本。该模型以降低系统的发电成本和污染物的排放水平为优化目标,研究风电并网对于电力系统节能减排的影响。其次,在求解算法上,本文采用万有引力搜索算法(Gravitational Search Algorithm, GSA)。GSA算法是基于物理学中的万有引力定律和惯性质量而产生的一种元启发式智能优化算法,规则简单,寻优速度快。在GSA算法中,粒子之间通过万有引力作用相互吸引,粒子运动遵循牛顿运动学规律。本文针对基本GSA算法容易陷入局部最优的缺点,在惯性质量修正、粒子的精英保留策略的基础上,在算法中加入了粒子群算法(Particle Swarm Optimization,PSO)的全局记忆能力,提出了一种同时结合PSO算法和GSA算法优点的混合优化算法(HPSO-GSA)。通过Griewank函数的优化分析证明,与基本GSA算法相比,HPSO-GSA算法收敛速度更快,全局搜索能力更强,所求解的质量更高。最后,为了验证本文所建多目标环境经济调度模型与所提混合优化算法的有效性,本文采用IEEE-30节点标准测试系统在MATLAB中进行仿真验证。测试系统包含6个常规火电机组和2个风电场,风电接入的两个节点可以看作是PV节点。应用HPSO-GSA算法从最小化发电成本、最小化污染物排放、同时最小化发电成本和污染物排放以及考虑风电并网的多目标EED这四个方面分别求解所建模型。仿真结果表明：HPSO-GSA算法较GSA算法在帕累托最优解的质量和多样性方面均有显著改善；本文提出的含风能的多目标优化调度的方案更加全面、合理,风电并网能够有效降低电力系统的发电成本和污染物排放量。
[Abstract]:With the increasing of fossil energy and environmental pollution , the development and utilization of clean and green wind energy has become a necessary trend . This paper presents a hybrid optimization algorithm based on universal gravitation law and inertial mass in physics , which is simple in rule and fast in searching speed .

【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM73;TM614

【相似文献】