基于多目標優(yōu)化的含風電場電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度研究.pdf

1、隨著化石能源的不斷枯竭和環(huán)境污染問題日益突出，開發(fā)和利用清潔、綠色的風能進行發(fā)電已經(jīng)成為了一種勢在必行的趨勢。大規(guī)模的風電并入電網(wǎng)給社會帶來了良好的經(jīng)濟效益和環(huán)境效益，但由于風能具有隨機性、間歇性和不可調(diào)度性等特點，使得風電輸出功率也具有不確定性的特點，因此，大規(guī)模的風電場并入電網(wǎng)將會給電力系統(tǒng)的經(jīng)濟調(diào)度(Economic Dispatch，ED)和可靠運行帶來很多問題。對于電力系統(tǒng)而言，隨著風電并網(wǎng)容量的提高以及環(huán)境問題的更加嚴峻，傳

2、統(tǒng)的經(jīng)濟調(diào)度模式已經(jīng)不能滿足目前電力系統(tǒng)的要求。因此，兼顧考慮經(jīng)濟效益和環(huán)境因素的電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度(Economic/EmissionDispatch，EED)逐漸成為了研究熱點。環(huán)境經(jīng)濟調(diào)度不是單純的追求發(fā)電成本最小或者污染物排放量最低，而是尋找二者之間的折中平衡。在上述背景下，本文針對含風能的電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度這一課題開展相關研究。
　　首先，本文基于威布爾分布推導了風速概率分布的數(shù)學模型，然后將風速的概率分布轉(zhuǎn)化為風電

3、功率的概率模型。在此基礎上，為量化風電功率不確定性所帶來的風電成本問題，本文引入風電出力預期成本、風電出力高估成本、風電出力低估成本三個概念，采用不完全伽馬函數(shù)詳細推導了這三部分互斥風電成本的數(shù)學表達式，并以目標函數(shù)方式加入到經(jīng)濟調(diào)度模型中。本文構(gòu)建了一種新型有效的多目標環(huán)境經(jīng)濟調(diào)度模型，模型中綜合考慮了常規(guī)火電機組煤耗成本、風電成本和污染物排放懲罰成本。該模型以降低系統(tǒng)的發(fā)電成本和污染物的排放水平為優(yōu)化目標，研究風電并網(wǎng)對于電力系統(tǒng)節(jié)

4、能減排的影響。
　　其次，在求解算法上，本文采用萬有引力搜索算法(Gravitational SearchAlgorithm，GSA)。GSA算法是基于物理學中的萬有引力定律和慣性質(zhì)量而產(chǎn)生的一種元啟發(fā)式智能優(yōu)化算法，規(guī)則簡單，尋優(yōu)速度快。在GSA算法中，粒子之間通過萬有引力作用相互吸引，粒子運動遵循牛頓運動學規(guī)律。本文針對基本GSA算法容易陷入局部最優(yōu)的缺點，在慣性質(zhì)量修正、粒子的精英保留策略的基礎上，在算法中加入了粒子群算法(

5、Particle Swarm Optimization，PSO)的全局記憶能力，提出了一種同時結(jié)合PSO算法和GSA算法優(yōu)點的混合優(yōu)化算法(HPSO-GSA)。通過Griewank函數(shù)的優(yōu)化分析證明，與基本GSA算法相比，HPSO-GSA算法收斂速度更快，全局搜索能力更強，所求解的質(zhì)量更高。
　　最后，為了驗證本文所建多目標環(huán)境經(jīng)濟調(diào)度模型與所提混合優(yōu)化算法的有效性，本文采用IEEE-30節(jié)點標準測試系統(tǒng)在MATLAB中進行仿真驗