含风电场的电力系统短期调度及其经济性风险管理

摘要

与传统发电方式相比,风能具有无煤耗和无污染的优势,但由于风速具有间歇性和不确定性,因此大容量风电场并网后会给电力系统的安全性和稳定性造成影响。本文主要研究含风电场的电力系统短期调度及其经济性风险管理,将风速的不确定性量化为风电成本纳入到短期调度模型中,并利用智能优化算法求出其最优解,根据考虑的因素不同分别建立了两个不同的调度模型：(1)将风险价值(VaR)和条件风险价值(CvaR)理论融入到含风电场的电力系统短期调度模型中,建立了基于CVaR的含风电场的电力系统短期调度模型,并将遗传算法、免疫算法和自适应理论相结合建立了自适应遗传免疫算法(IAGA)进行优化计算。(2)综合考虑风电的不足和盈余对于调度策略的影响及风电无污染的优势,在模型中分别加入了备用罚函数、风电盈余罚函数和污染评估罚函数,从而建立了考虑综合效益的含风电场电力系统短期调度模型。结合混沌理论、粒子群算法、免疫算法和自适应理论建立了基于人工免疫系统的混沌粒子群算法(ICPSO)对模型进行优化计算。通过十机系统和上海市实际仿真系统的仿真结果可以看出,随着风电场和仿真系统规模的增大,其无煤耗和无污染的优势越来越明显,但风速不确定性给系统带来的影响也随之增大。同时在优化算法方面,IAGA和ICPSO的收敛速度和收敛精度均优于传统优化算法。

目录

摘要

ABSTRACT

第一章 绪论

1.1 课题的背景

1.1.1 风力发电的特点和意义

1.1.2 风力发电迅猛发展的原因

1.2 世界风力发电现状

1.2.1 世界风能分布

1.2.2 世界风电装机容量分析

1.2.3 国外风电政策分析

1.2.4 国内风力发电现状

1.3 含风电场的电力系统短期调度研究现状

1.3.1 国内外研究综述

1.3.2 含风电场的电力系统短期调度目标函数

1.3.3 含风电场的电力系统短期调度约束条件

1.4 电力系统调度模型优化算法综述

1.4.1 优先顺序法

1.4.2 混合整数规划法

1.4.3 拉格朗日松弛法

1.4.4 智能算法

1.5 论文的主要工作

第二章 基于 CVaR 的含风电场的电力系统短期调度模型

2.1 概述

2.2 风险的定义

2.3 风险的分类

2.4 风险管理的概念

2.5 风险价值（VaR）理论

2.5.1 风险价值（VaR）理论的背景

2.5.2 风险价值模型的特点

2.5.3 风险价值模型的具体思想

2.6 条件风险价值

2.7 基于CVaR 的含风电场的电力系统短期调度模型

2.7.1 目标函数

2.7.2 约束条件

2.8 本章小结

第三章 基于 CVaR 的含风电场的电力系统短期调度优化方案与仿真

3.1 遗传算法

3.2 免疫算法

3.3 自适应理论

3.4 自适应遗传免疫算法（IAGA）的模型

3.5 自适应遗传免疫算法流程

3.6 IAGA 仿真

3.6.1 十机系统仿真

3.6.2 上海系统仿真

3.7 本章小结

第四章 考虑综合效益的含风电场的电力系统短期调度模型

4.1 概述

4.2 风力发电机与风速特性概述

4.2.1 风力发电机类型

4.2.2 风速模型

4.2.3 风速预测分布

4.3 风力发电成本

4.3.1 风力发电的支撑政策机制

4.3.2 风力发电成本的构成

4.4 基于综合效益的含风电场的电力系统短期调度建模

4.4.1 常规发电机模型

4.4.2 风力发电机模型

4.4.3 备用罚函数

4.4.4 风电盈余罚函数

4.4.5 环境污染评估模型

4.4.6 约束条件

4.5 本章小结

第五章 考虑综合效益的含风电场的电力系统短期调度优化方案与仿真

5.1 粒子群法基本概念

5.2 传统粒子群法的基本计算步骤

5.3 基于人工免疫系统的混沌粒子群算法（ICPSO）

5.3.1 混沌理论

5.3.2 自适应惯性权因子

5.3.3 含免疫系统粒子群选择策略

5.4 ICPSO 仿真流程

5.5 ICPSO 仿真

5.5.1 十机系统仿真

5.5.2 上海系统仿真

5.6 本章小结

第六章 总结与展望

参考文献

附录1

附录2

致谢

攻读学位期间发表的学术论文目录