基于多目標(biāo)優(yōu)化的含風(fēng)電場(chǎng)電力系統(tǒng)環(huán)境經(jīng)濟(jì)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(fēng)能進(jìn)行發(fā)電已經(jīng)成為了一種勢(shì)在必行的趨勢(shì)。大規(guī)模的風(fēng)電并入電網(wǎng)給社會(huì)帶來了良好的經(jīng)濟(jì)效益和環(huán)境效益，但由于風(fēng)能具有隨機(jī)性、間歇性和不可調(diào)度性等特點(diǎn)，使得風(fēng)電輸出功率也具有不確定性的特點(diǎn)，因此，大規(guī)模的風(fēng)電場(chǎng)并入電網(wǎng)將會(huì)給電力系統(tǒng)的經(jīng)濟(jì)調(diào)度(Economic Dispatch，ED)和可靠運(yùn)行帶來很多問題。對(duì)于電力系統(tǒng)而言，隨著風(fēng)電并網(wǎng)容量的提高以及環(huán)境問題的更加嚴(yán)峻，傳

2、統(tǒng)的經(jīng)濟(jì)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(jì)效益和環(huán)境因素的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度(Economic/EmissionDispatch，EED)逐漸成為了研究熱點(diǎn)。環(huán)境經(jīng)濟(jì)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(duì)含風(fēng)能的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度這一課題開展相關(guān)研究。
　　首先，本文基于威布爾分布推導(dǎo)了風(fēng)速概率分布的數(shù)學(xué)模型，然后將風(fēng)速的概率分布轉(zhuǎn)化為風(fēng)電

3、功率的概率模型。在此基礎(chǔ)上，為量化風(fēng)電功率不確定性所帶來的風(fēng)電成本問題，本文引入風(fēng)電出力預(yù)期成本、風(fēng)電出力高估成本、風(fēng)電出力低估成本三個(gè)概念，采用不完全伽馬函數(shù)詳細(xì)推導(dǎo)了這三部分互斥風(fēng)電成本的數(shù)學(xué)表達(dá)式，并以目標(biāo)函數(shù)方式加入到經(jīng)濟(jì)調(diào)度模型中。本文構(gòu)建了一種新型有效的多目標(biāo)環(huán)境經(jīng)濟(jì)調(diào)度模型，模型中綜合考慮了常規(guī)火電機(jī)組煤耗成本、風(fēng)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(biāo)，研究風(fēng)電并網(wǎng)對(duì)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(xué)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(jiǎn)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(yùn)動(dòng)遵循牛頓運(yùn)動(dòng)學(xué)規(guī)律。本文針對(duì)基本GSA算法容易陷入局部最優(yōu)的缺點(diǎn)，在慣性質(zhì)量修正、粒子的精英保留策略的基礎(chǔ)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(shí)結(jié)合PSO算法和GSA算法優(yōu)點(diǎn)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(qiáng)，所求解的質(zhì)量更高。
　　最后，為了驗(yàn)證本文所建多目標(biāo)環(huán)境經(jīng)濟(jì)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(diǎn)標(biāo)準(zhǔn)測(cè)試系統(tǒng)在MATLAB中進(jìn)行仿真驗(yàn)