基于改进粒子群算法的风火电联合经济调度

摘要

随着能源需求的不断增加和环境问题的日益突出，开发利用清洁可再生能源以替代传统化石能源成为全球能源发展的趋势。其中风力发电是风能最主要的利用形式，由于其开发的经济性和环保型，在全球范围内得以快速发展。然而，由于风电随机性、间歇性与不可控性的固有特性，大量风力发电机组接入势必给电力系统安全运行和优化调度带来新的挑战，传统的优化调度模式已经不适合含大规模风电并网的电力系统经济调度。结合中国尤其是大型风电基地所在地以火力发电为主的基本国情，研究风火电联合经济调度具有实际意义和应用价值，已成为当前研究的热点。本文针对风火电联合经济调度这一问题开展了相关的模型构建与求解算法的研究。 本文在国内外现有研究的基础上，建立了风火电联合经济调度模型。该模型以风力发电、火力发电的总成本与污染物排放量共同作为需要优化的目标函数。其中在满足系统安全稳定运行约束的前提下，利用概率建模法为将风电的不确定性带来的经济性影响进行量化分析，由此建立了风电出力的高估与低估惩罚成本。针对火力发电尤其是传统燃煤火电造成的严重环境污染，将污染物排放量作为一个独立于发电成本指标的目标函数来优化。因此，风电成本部分主要包括风电运行维护成本与风电出力高/低估惩罚成本，火电成本部分在排污量函数独立的前提下主要包括燃料成本与运行维护成本。与此同时，模型需满足系统的有功出力平衡约束、机组出力上下限约束以及正负旋转备用约束等约束条件。该模型计及风力发电带来的环保效益，在考虑经济性的基础上追求污染物排放量最低，符合目前清洁环保的理念，使电力系统的优化调度更为经济合理。 本文介绍了粒子群算法的基本原理与具体实现流程，并通过分析该算法中主要参数对算法的影响，优化了惯性权重及学习因子的调整策略，并充分利用最差粒子的作用，引入改进最优最差粒子策略，以克服基本粒子群算法易陷入局部最优的缺点。基本粒子群算法具有仅适用于单目标问题的固有缺陷，而本文所求目标函数需要同时满足经济性和环保性两个目标。传统的多目标优化问题一般是将多目标优化函数通过线性加权等方式转变为单目标问题来处理，但该方法存在诸多弊端。本文通过对多目标优化问题和帕累托最优理论的研究探讨，将粒子群算法推广到多目标优化领域建立了改进多目标粒子群算法。最后，以一个由10台火电机组和3个风电场组成的系统进行优化仿真，计算结果表明本文构建的基于改进多目标粒子群算法的风火电联合经济调度模型可以较好的兼顾经济性和环保性的综合要求，验证了模型与算法的有效性及可行性。

目录

专硕定稿封面