基于NSGA-Ⅱ的含風電場電力系統(tǒng)多目標調(diào)度計劃研究.pdf

1、化石能源的日益枯竭和環(huán)境的日益惡化已經(jīng)成為了當今人類面臨的嚴峻挑戰(zhàn)。電力系統(tǒng)作為最大的一次能源消耗者和轉(zhuǎn)換者，對節(jié)能減排承擔著很大的責任。實踐已經(jīng)表明，優(yōu)化的調(diào)度能顯著降低能耗量和排放量。同時，大力開發(fā)風能等新能源是促進節(jié)能減排的有效措施之一，而風電出力的隨機性卻給電力系統(tǒng)的優(yōu)化調(diào)度增加了難度。因此，含風電隨機出力的多目標調(diào)度計劃研究意義重大。針對此課題，本文做了如下研究。
　　 首先，提出了一種基于帶精英策略的快速非支配排序遺

2、傳算法(Non-dominatedSortingGeneticAlgorithm-Ⅱ，NSGA-Ⅱ)的含風電場電力系統(tǒng)節(jié)能減排多目標負荷分配方法。建立了含風電隨機出力的多目標優(yōu)化調(diào)度模型，研究了用NSGA-Ⅱ?qū)δＰ瓦M行求解的方法;同時用最大滿意度法對Pareto解集進行最優(yōu)折中解的決策。為了研究風電出力的隨機性給優(yōu)化調(diào)度帶來的影響，用蒙特卡洛隨機抽樣試驗方法對機組出力和目標函數(shù)值進行概率分布的分析。實例分析證明了算法能逼近理想的Pare

3、to前沿;最大滿意度法能選擇出理想的最優(yōu)折中解;同時，驗證了蒙特卡洛試驗方法在分析風電隨機出力影響下常規(guī)機組出力和目標函數(shù)值的概率分布規(guī)律上的有效性。
　　 其次，針對標準NSGA-Ⅱ在電力系統(tǒng)機組組合研究上的不足、在含風電電力系統(tǒng)動態(tài)機組組合上的空白，設計了一種基于NSGA-Ⅱ和Look-ahead的混合變量多目標動態(tài)優(yōu)化調(diào)度算法。通過對機組組合和負荷分配進行基于非支配排序選擇方法的分層優(yōu)化，將NSGA-Ⅱ在多目標調(diào)度上的應用

4、拓展到了同時進行機組組合和負荷分配的多目標優(yōu)化。同時，基于Look-ahead(即“向前看”)方法，對不同時間斷面之間調(diào)度的耦合進行解耦，將NSGA-Ⅱ在電力系統(tǒng)多目標調(diào)度上的研究從局限于單時段的靜態(tài)優(yōu)化拓展到多時段的動態(tài)優(yōu)化。
　　 最后，鑒于NSGA-Ⅱ在求解均勻分布、多樣性良好的Pareto解集這方面存在的優(yōu)勢，將基于NSGA-Ⅱ的優(yōu)化調(diào)度拓展到多目標最優(yōu)潮流。建立了分別以購電費用最小、有功網(wǎng)損最小和污染物排放量最小的多目