适合风电接入电力系统的中短期发电调度模型与方法

发布时间：2019-11-06 05:30

【摘要】：发电调度是保证电网安全稳定运行,实现发电资源高效配置的重要环节。近年来,为了促进能源、环境可持续发展,风电作为一种成熟的可再生发电资源,得到了大力开发,风电场规模不断扩大,并网容量不断增加。然而风电具有随机性、间歇性和难以准确预测等特点,这些特点给电力系统发电调度和安全运行带来了一系列新的问题。同时,随着发电调度系统管理水平的提高,为了实现综合效益最大化,不仅应该考虑有功出力的分配,还应该考虑机组备用的选择、机组检修计划优化等问题,统筹协调发电资源。基于上述背景,本文围绕风电接入电力系统的中短期发电调度问题开展了以下研究： 在间隔10-15min有功优化调度方面,为了应对风电功率波动对备用容量和线路潮流带来的不确定性问题,提出了考虑线路安全校核的含风电场电力系统有功和备用协调调度模型。首先,在建模过程中结合置信水平,分析了负荷和风电出力预测误差对备用的影响,建立了备用与风电出力之间的量化关系。然后针对风电功率不确定性引起线路潮流波动的特点,引入线路安全约束的多场景模型,同时为了处理该模型存在校核场景和校核线路数量大的问题,进一步结合调度时段机组的出力范围,基于线性规划定理,提出校核线路和校核场景的缩减方法,降低了求解难度。最后进行了算例验证,结果显示,根据所建模型给出的调度方案能同时满足经济性和安全性。 在上述研究基础上,进一步考虑环境效益和备用不足引起的运行风险,目标函数中增加了污染物排放量,定义了备用风险指标,构建了多目标有功优化调度模型。为了更好的求解该模型,提出了一种改进多目标微分进化算法。该算法引入混沌搜索策略以提高初始种群利用率,采用控制参数调整策略以克服算法对控制参数依赖性强的缺点,利用动态拥挤距离排序策略使得帕累托最优解集分布更加均匀。以所提算法求得的帕累托最优解集为决策矩阵,使用基于熵的序数偏好方法对最优解集进行排序,得到最终决策方案。对比分析结果表明,所提算法能够为多目标有功优化调度问题提供更加优良的候选方案。 在日前机组组合方面,为了更高效地求解含风电场电力系统安全约束机组组合的多场景随机模型,提出了一种区间优化结合点估计的方法。首先基于风电出力置信区间,利用最紧约束集及相应的极限场景描述风电出力波动,进而对随机安全约束机组组合进行区间优化,在保证调度方案满足安全约束的同时提高了计算速度。然后为了评价应对风电出力波动的调整能耗,进一步利用点估计法对区间优化方法进行改进,使得优化调度方案更为经济。最后采用混合整数线性规划法对模型进行求解。通过算例对比分析,结果表明,所提方法仅需要对少量场景进行计算就可以保证调度方案满足安全性和经济性的要求,能够有效地求解含风电场的随机安全约束机组组合问题。 在月度机组组合方面,为了更好地接纳风电,同时兼顾检修计划优化,建立了含风电场电力系统月度机组组合和检修计划联合优化模型。首先基于历史数据,采用威布尔函数描述风电的概率分布,利用机会约束规划理论处理风电不确定性对约束条件的影响,构建了相关概率模型并给出了多个风电场情况下概率模型确定化方法。然后引入了检修费用和检修相关约束,并针对机组组合和检修计划时段间隔不同,分别设置了时段索引变量,建立了相互之间的关联矩阵,实现了发电和检修协调优化。最后利用混合整数线性规划法对模型进行优化。算例结果表明,所建模型可以有效地权衡成本费用和运行风险之间的关系,能够同时给出合理的机组组合方案和检修计划方案,为风电接入电力系统的中期调度运行提供了一种有效的手段。 上述论文工作研究了风电出力随机性对不同时间尺度发电调度的影响,并给出了一套建模和求解方法,为规模化波动性电源并网后电力系统中短期安全经济运行提供了理论和方法支撑。
【图文】：

116.48MW、231.56MW和400MW时，通过计算可以得到负荷-风电联合概率密度函数/zC^z)如图2-3所示。从图中可以看出：当风速预测值为6.5m/s时，的曲线呈现单峰偏左状；当风速预测值为12.5m/s时，/z(Pz)的曲线呈现单峰偏右状；当风速预测值为8.5m/s和10.5m/s时，/zC^z)的曲线两端分布较为均勾。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图2-3负荷-风电联合概率密度函数Fig.2-3 The probability density function of load and wind power令PHh,应对预测误差所需正、负备用关系系数/fc/j为1，通过计算得到风电场计划出力值和正、负备用与/?1、；^值之间的关系分别如图2-4和2-5所示。由图2-4可以看出：风电场计划出力值与风电场预测出力值不相等，而且随着置信水平的变化而变化，这一特征在风电功率预测值为400MW时最为明显。由图2-5中可以看出：对于同一风电功率预测值，，随着置信水平的提高，应对预测误差所需的正、贫P28

1500代后，4种算法都能得到清晰的帕累托前沿，而且帕累托前沿构成的空间形状也较为相似，如图3-4所示，说明这4种算法都适用于求解多目标优化调度问题，所得的帕累托最优解集能够较好的展示各个目标之间的关系，也给决策者提供更多的选择余地。从帕累托前沿中较难比较各种算法的性能，下面选用外部解、C指标和S指标3个指标具体分析IDEMO算法的优势。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： ‘图3-4不同算法的帕累托前沿Fig.3-4 Pareto fronters of different algorithms(1)外部解对比分析在帕累托最优解集中，某一目标分量最优的解称为外部解[129]，一般有几个目标分量就有相应的几个外部解，其定义如下：1 V?e 巧：fM ^ /?,(?)} (3-30)式中：m表示目标分量；&表示进化代数，表示第A代帕累托最优解集。；d对应的第m个目标分量是最优的。通过比较外部解对于目标分量的最终代的值和进化过程
【学位授予单位】：华北电力大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM73

【参考文献】

相关期刊论文 前10条

1 郑漳华;艾芊;徐伟华;韩利;蒋传文;冯士刚;顾承红;;基于伪并行SPEA2算法的含风电场多目标负荷调度[J];上海交通大学学报;2009年08期

2 杨秀媛,肖洋,陈树勇;风电场风速和发电功率预测研究[J];中国电机工程学报;2005年11期

3 刘自发;张建华;;一种求解电力经济负荷分配问题的改进微分进化算法[J];中国电机工程学报;2008年10期

4 黎静华;韦化;;求解机组组合问题的领域搜索法[J];中国电机工程学报;2008年13期

5 潘炜;刘文颖;杨以涵;;概率最优潮流的点估计算法[J];中国电机工程学报;2008年16期

6 陈宁;于继来;;基于电气剖分信息的风电系统有功调度与控制[J];中国电机工程学报;2008年16期

7 李学斌;;火电厂厂级负荷分配的多目标优化和决策研究[J];中国电机工程学报;2008年35期

8 孙元章;吴俊;李国杰;何剑;;基于风速预测和随机规划的含风电场电力系统动态经济调度[J];中国电机工程学报;2009年04期

9 郑漳华;艾芊;顾承红;蒋传文;;考虑环境因素的分布式发电多目标优化配置[J];中国电机工程学报;2009年13期

10 汤伟;王漪;于继来;闵德静;罗桓桓;郭钰锋;金钟鹤;柳进;柳焯;;编制直调火力发电单元月度电能交易计划的综合耗量优化法[J];中国电机工程学报;2009年25期

本文编号：2556561