考慮節(jié)能減排的含風電場的機組組合優(yōu)化畢業(yè)論文

1、<p>　　CHANGSHA UNIVERSITY OF SCIENCE & TECHNOLOGY</p><p><b>　　畢業(yè)設(shè)計（論文）</b></p><p>　　題目：考慮節(jié)能減排的含風電場機組組合優(yōu)化</p><p>　　學生姓名： 盧家麟</p><p>　　學

2、 號： 201224050435</p><p>　　班 級: 電氣1204</p><p>　　專 業(yè)： 電氣工程及其自動化</p><p>　　指導教師： 王進</p><p><b>　　2016年6月</b></p>&l

3、t;p>　　考慮節(jié)能減排的含風電場機組組合優(yōu)化</p><p>　　學生姓名： 盧家麟</p><p>　　學 號： 201224050435</p><p>　　班 級： 電氣1204</p><p>　　所在院(系): 電氣與信息工程學院</p><p>　　

4、指導教師： 王進</p><p>　　完成日期: 2016年6月20日</p><p><b>　　榮譽誓言</b></p><p>　　我保證此畢業(yè)設(shè)計（論文）成果為我本人獨立完成，沒有欺騙、剽竊、偽造、虛假及其他任何違反學術(shù)規(guī)范行為。我清楚不遵守這個承諾將導致零分成績，并被通告學校相關(guān)部門，情節(jié)嚴重時將受到紀律處分甚至承擔

5、法律責任。</p><p><b>　　承諾人（簽字）：</b></p><p>　　年 月 日</p><p>　　考慮節(jié)能減排的含風電場機組組合優(yōu)化</p><p><b>　　摘要</b></p><p>　　隨著全球經(jīng)濟的發(fā)展，一次能源消耗量也不斷的增加，

6、環(huán)境污染不斷加重，這迫使人們不斷的研究開發(fā)清潔無污染的新能源，減緩全球一次能源危機和環(huán)境污染問題。目前，風能受到全球絕大多數(shù)國家的注意，并且利用風力發(fā)電，有利于減緩上述問題的處境。但鑒于風力發(fā)電有其獨特的特點——隨機性和波動性，含風電場的機組組合優(yōu)化問題將不是傳統(tǒng)的機組組合問題。因此，電力系統(tǒng)發(fā)電計劃必須要合理考慮風電出力問題，提高電網(wǎng)消納大規(guī)模風電的能力。</p><p>　　論文首先較詳細地分析了我國風力發(fā)電

7、的發(fā)展狀況、我國的風能產(chǎn)業(yè)狀況以及風速、風能和風電功率三者關(guān)系的數(shù)學模型，同時討論了風電對電力系統(tǒng)的影響。 然后建立以火電機組的耗量特性曲線為目標函數(shù)的含風電場電網(wǎng)調(diào)度模型。 并且在對傳統(tǒng)的機組組合優(yōu)化的問題進行了較深入研究的基礎(chǔ)上，對傳統(tǒng)粒子群算法進行分析，研究了一種改進的粒子群算法，并將其應(yīng)用于上述建立的模型進行求解優(yōu)化。本文采用典型的10臺火電機組和一個等效風電場組成的電力系統(tǒng)，驗證了所建模型和算法的正確性和有效性。</p&

8、gt;<p>　　通過本文的分析驗證，在相同的調(diào)度時段內(nèi)，含有風電場的電網(wǎng)所消耗的一次能源煤炭量，比不含風電場的電網(wǎng)所消耗的煤炭量少，達到了節(jié)能減排的目標。驗證改進的粒子群算法在機組組合問題上的有效性。</p><p>　　關(guān)鍵詞：風電場；Weibull分布函數(shù)；機組組合優(yōu)化；粒子群算法</p><p>　　UNIT COMMITMENT OPTIMIZATION WITH

9、WIND FARMS FOR ENERGY-SAYING AND EMISSION REDUCTION</p><p><b>　　ABSTRACT</b></p><p>　　With the development of globe economy, the consumption of primary energy is constantly increasin

10、g and the environment pollution is continuous heavy, which makes people research and develop clean and non polluting new energy sources to relieve the crisis of primary energy and environment pollution. Nowadays, wind en

11、ergy is being noticed by most countries in the world, and Wind power generation also can help to relieve the above problem. But given the feature of wind energy------ Randomness and Vo</p><p>　　the paper

12、0;particularly analyze the status of the development of wind energy in china and the status of wind energy industry in China, and mathematical model of the wind speed、wind energy and wind power. Moreover, this paper

13、 discusses influence of wind power on power system. Then, in this paper, a model of power grid dispatching with wind farm is established, which is based on the characteristic curve of power consumption. The paper analyze

14、s the traditional particle swarm optimization algorithm o</p><p>　　Through the analysis, in the same period scheduling, the coal consumption of power grid with wind is less than the that of power grid with n

15、o wind and reach to the goal of energy saving and emission reduction. </p><p>　　Key words: Wind farm; Weibull distribution function; Unit commitment </p><p>　　optimization; improved particle

16、 swarm optimization</p><p><b>　　目錄</b></p><p><b>　　1 緒論1</b></p><p>　　1.1 研究背景及意義1</p><p>　　1.1.1 風能發(fā)電的意義1</p><p>　　1.1.2 機組組合優(yōu)

17、化的研究意義2</p><p>　　1.2 國內(nèi)外風力發(fā)電發(fā)展現(xiàn)狀2</p><p>　　1.2.1 國外發(fā)展現(xiàn)狀2</p><p>　　1.2.2 國內(nèi)發(fā)展現(xiàn)狀3</p><p>　　1.3 課題研究現(xiàn)狀5</p><p>　　1.3.1 風電的模型建立5</p><p>　　1.

18、3.2 風電并網(wǎng)對旋轉(zhuǎn)備用容量的影響6</p><p>　　1.3.3 風電場的機組組合優(yōu)化方法6</p><p>　　1.4 本論文的主要工作7</p><p>　　2 風電隨機性的建模和機組組合問題8</p><p>　　2.1 風力發(fā)電的特性8</p><p>　　2.1.1風力發(fā)電的隨機性8<

19、;/p><p>　　2.1.2風力發(fā)電對電網(wǎng)的影響9</p><p>　　2.2風電出力的預(yù)測模型10</p><p>　　2.2.1 風速的預(yù)測10</p><p>　　2.2.2 風力發(fā)電的功率預(yù)測11</p><p>　　2.2.3 風力發(fā)電功率的模型12</p><p>　　2.3

20、 傳統(tǒng)的機組組合優(yōu)化13</p><p>　　2.3.1 火電機組的耗量特性13</p><p>　　2.3.2 火電機組的啟停成本15</p><p>　　2.3.3 機組啟停優(yōu)化的影響因素16</p><p>　　2.4本章小結(jié)17</p><p>　　3 機組組合優(yōu)化問題算法求解18</p&g

21、t;<p>　　3.1 機組組合優(yōu)化問題的算法概述18</p><p>　　3.2 基本粒子群算法19</p><p>　　3.2.1粒子群算法的原理19</p><p>　　3.2.2 粒子群算法求解步驟和流程圖20</p><p>　　3.2.3粒子群算法的參數(shù)分析22</p><p>　　

22、3.3 粒子群算法的改進22</p><p>　　3.3.1 粒子群算法參數(shù)的改進23</p><p>　　3.4 本章小結(jié)23</p><p>　　4 含風電場機組組合優(yōu)化的求解24</p><p>　　4.1 含風電場的機組組合優(yōu)化模型24</p><p>　　4.1.1 目標函數(shù)24</p&g

23、t;<p>　　4.1.2 約束條件24</p><p>　　4.2算例分析26</p><p>　　4.2.1 系統(tǒng)參數(shù)26</p><p>　　4.2.2 優(yōu)化結(jié)果分析28</p><p>　　4.3 本章小結(jié)30</p><p><b>　　總結(jié)和展望31</b>&

24、lt;/p><p><b>　　參考文獻33</b></p><p><b>　　致謝35</b></p><p><b>　　附錄36</b></p><p><b>　　1 緒論</b></p><p>　　1.1 研究背景

25、及意義</p><p>　　1.1.1 風能發(fā)電的意義</p><p>　　目前，傳統(tǒng)的火電發(fā)電機組消耗大量的煤炭一次能源，導致如今的全球煤炭一次能源的存儲量越來越少。同時由于一次能源煤炭的燃燒，會產(chǎn)生許多污染氣體，導致過度的全球環(huán)境的污染。據(jù)統(tǒng)計，在過去10年里，我國CO2排放總量從59.8億噸上升到97.6億噸，排放量占全球的28%，消耗的一次能源從23.6億噸標準煤上升到42.6億噸

26、標準煤，其總量已經(jīng)比美國和歐盟碳排放之和還要多?？梢钥闯?，我國當今環(huán)境污染和能源消耗的問題，更突出節(jié)能減排的重要性，認真貫徹節(jié)能減排的政策是當務(wù)之急。</p><p>　　風能是一種綠色無污染的新能源，同時也是我國如今最有發(fā)展?jié)摿Φ男履茉粗?。大力開發(fā)和利用風能發(fā)電，能有效的減少煤炭一次能源的消耗量，同時也減少了污染氣體，如SO2、CO2的排放量，緩解全球環(huán)境污染的問題。</p><p>

27、　　根據(jù)發(fā)改委能源研究所所發(fā)表的研究報告——《2050年高比例可再生能源發(fā)展情景暨路徑研究》，要達到在21世紀30年代末之前非化石能源的占比達到20%的目標，以風電2200小時為基準和全社會用電量年增長6%推算，2030年風電裝機要達到11億千瓦。加上到我國的經(jīng)濟發(fā)展形勢已進入新常態(tài)，電量增長將趨于穩(wěn)定，例如考慮2015年的電量增長預(yù)期，將增長電量的速率比例將由6%降低到1%，則至少要在2030年之前，風力發(fā)電機組的裝機容量要達到5億千

28、瓦左右 。由此可以表明，我國對風電的使用量是非常大的。因此，大力開發(fā)風力發(fā)電對于我國的能源缺乏和環(huán)境污染的問題解決具有巨大的作用。但鑒于風力發(fā)電所具有隨機性和波動性，使得在一定的周期內(nèi)（一般為24h）的機組開停機調(diào)度問題變得愈加的困難，所需要考慮的約束條件相比于傳統(tǒng)的火電機組的機組組合來說，也更復(fù)雜, 給電網(wǎng)運行帶來極大挑戰(zhàn)[1-2]。</p><p>　　由此可以知道，風力發(fā)電由于其環(huán)保無污染的優(yōu)勢，勢必會在未

29、來中占據(jù)著不可缺少的地位。所以，由于風力發(fā)電其本身所具有的隨機性，必須要考慮風電場的并網(wǎng)對傳統(tǒng)的火電機組的機組組合優(yōu)化的影響。同時，不僅要在機組組合優(yōu)化中考慮經(jīng)濟性，也還要考慮其環(huán)保性，盡量使得火電機組的排放的污染物達到最少，響應(yīng)當前國家節(jié)能減排的政策。</p><p>　　1.1.2 機組組合優(yōu)化的研究意義</p><p>　　為了保證電力系統(tǒng)的功率平衡，節(jié)約煤炭的消耗量，在安全約束條件

30、下提高整個電力系統(tǒng)的發(fā)電效率，需要預(yù)先精確規(guī)劃未來一段時間內(nèi)的機組開停機順序和各臺發(fā)電機組所要承擔的負荷是很有必要。而機組組合優(yōu)化，是一個將每個調(diào)度時段（一般將每天的劃分為24個時段，每個時段為1h）的總負荷分配給所參與發(fā)電計劃的機組，使得在每個調(diào)度時段所消耗的煤炭一次能源最少，達到經(jīng)濟性的要求的問題。所以，機組組合通常是由兩個方面來考慮，一是根據(jù)預(yù)測的負荷值，來確定參與發(fā)電出力的機組的數(shù)量；二是在確定了發(fā)電機組的數(shù)量后，如何合理的安排

31、的每臺機組需要承擔的負荷值，使得在一個調(diào)度時段內(nèi)，所消耗的煤炭量最少[3]。</p><p>　　1.2 國內(nèi)外風力發(fā)電發(fā)展現(xiàn)狀</p><p>　　1.2.1 國外發(fā)展現(xiàn)狀</p><p>　　根據(jù)全球風能理事會（GWEC）統(tǒng)計，相比較于2012年45GW新增裝機容量，2013年全球風電年新增總裝機容量減少了22%。值得注意的是，這是全球從過去的18年以來，風電新

32、增裝機容量第一次下降,也是首次風電新增裝機容量比光伏發(fā)電少。全球累計裝機容量達到318.12GW，同比增長12.5%。雖然這一增長相比過去10年的21%的平均增長率小了許多，但是在目前全世界經(jīng)濟仍舊蕭條的環(huán)境里，在制造行業(yè)中風電累計裝機的年增長率仍然排在前列。其中，到2013年底，全球風電累計裝機容量排名如下圖 1.1所示。從圖1.1可以看出，盡管增速有起有落，但全球的風電的裝機容量一直處于上升的趨勢，說明全球?qū)︼L電的利用越來越重視。從

33、圖1.2可看出，中國的風電裝機總量居于世界第一，占到世界風電總發(fā)電量的四分之一的總額，同時新增的風電裝機容量也占有接近全球一半的份額[4]。</p><p>　　圖1.1 全球風電累計新增裝機容量 </p><p>　　圖1.2 全球風電歷年新增裝機容量</p><p>　　1.2.2 國內(nèi)發(fā)展現(xiàn)狀</p><p>　　截止2014年的統(tǒng)

34、計，我國累計總裝機容量達到114609MW，同比增長25.4%。新增安裝的風電容量23196MW，同比增長44.2%。從2004年起，到2014年之前，我國新增和風電裝機容量如圖1.3所示。</p><p>　　2014年，我國的六大區(qū)域（華北、華東、華南、西北、東北、中南）的風電新增裝機容量與2013年相比，除了東北區(qū)域的風電新增裝機容量有所下降之外，其他區(qū)域的風電裝機容量都逐年遞增。六大區(qū)域的風電新增裝機容量

35、如圖1.4所示。</p><p>　　到2014之前，我國海上風電總?cè)萘窟_到229.3MW，相比同期擴大了487.9%，當中的潮間帶裝機容量已有130MW，接近海上風電新增裝機總量的一半之多[5]。</p><p>　　從以上各圖可以得知，我國的風電發(fā)展趨勢不斷的前進，風電機組的并網(wǎng)已經(jīng)是未來我國電網(wǎng)的重要一部分，同時也是為了響應(yīng)我國節(jié)能減排的環(huán)境保護政策，降低不可再生能源損耗，減少SO2

36、和CO2的排放量，以及提高可再生資源的利用率。</p><p>　　圖1.3 2004年-2014年中國新增和累計風電裝機容量</p><p>　　圖1.4 2004-2014中國各區(qū)域新增風電裝機容量</p><p>　　圖1.5 截至2014年底中國海上風電新增和累計裝機情況</p><p>　　1.3 課題研究現(xiàn)狀</p&g

37、t;<p>　　目前，隨著大規(guī)模的風電不斷的并網(wǎng)，傳統(tǒng)的發(fā)電機組組合優(yōu)化的影響因素不再僅由機組功率約束、負荷波動和發(fā)電機組的開停機安排來決定，還必須考慮風力發(fā)電所具有隨機性和間歇性，來安排機組的開停機，從而滿足電網(wǎng)的負荷需求和備用要求，系統(tǒng)運行的節(jié)能減排的要求，以及安全性和經(jīng)濟性的要求[6]。</p><p>　　1.3.1 風電的模型建立</p><p>　　含風電的電網(wǎng)的

38、機組組合問題的最大的難題就在于如何應(yīng)對風電本身的隨機性，波動性。因而，對風電的建模是在含風電場的機組組合優(yōu)化中的重點以及難點[7]。</p><p>　　如今，基于風電隨機性，其數(shù)學模型有很多種。</p><p>　　第一種模型采用威布爾（Weibull）分布來描述風速的特性，能獲得一定的精度。由風力發(fā)電機組發(fā)電功率和風速的關(guān)系，就能在具體的機組組合中得到相應(yīng)準確性較高的風電的數(shù)學模型[8

39、]。</p><p>　　第二種模型是基于風電場景產(chǎn)生的方法。即根據(jù)“優(yōu)先合并偏差絕對值之和最小場景”的準則。結(jié)合采樣的方法，根據(jù)風電的預(yù)期出力和風電的預(yù)測誤差分布，獲得許多的風電場景。將一定數(shù)量的場景篩選出來，并且獲得各場景概率。每個風電場景的概率來表示該時段下風速的隨機性[9]。</p><p>　　在文獻[10]中則提出用時間序列法來預(yù)測風速，以此來體現(xiàn)風電場風速具有的特點——隨機性

40、和離散性，且風速和風電場輸出功率均為隨機變量。所以，該文獻在對風電場風速進行預(yù)測時，采用時間序列法中的自回歸-滑動平均模型。</p><p>　　1.3.2 風電并網(wǎng)對旋轉(zhuǎn)備用容量的影響</p><p>　　將風電上網(wǎng)后，因風電的不確定性和隨機性，不能很好的即時性的滿足負荷的變化。所以，電力系統(tǒng)的旋轉(zhuǎn)備用容量必須要額外擴增，這顯然不滿足經(jīng)濟性的要求。一般來說，考慮風電的隨機性，就必須增加額

41、外的旋轉(zhuǎn)備用，但是這就導致了優(yōu)化結(jié)果過于保守，使得系統(tǒng)成本提高，不滿足經(jīng)濟性要求。所以，在有風電并網(wǎng)的的系統(tǒng)，有些專家對其機組進行組合優(yōu)化中所需要的旋轉(zhuǎn)備用容量進行研究。</p><p>　　在文獻[11]中考慮到大機組的開停成本很高，同時系統(tǒng)的備用容量也離不開機組組合的影響。所以，提出了在不同時間尺度協(xié)調(diào)下，進行風力預(yù)測和負荷預(yù)測，改變機組組合安排，使系統(tǒng)的成本最少。</p><p>　

42、　文獻[12]在大規(guī)模風電并網(wǎng)運行的背景下，充分考慮風電的特點，深入的研究系統(tǒng)的旋轉(zhuǎn)備用容量最優(yōu)化的問題。該文獻提出了將燃料費用和停電損失之和作為目標函數(shù)，來確定每個調(diào)度時段的機組組合順序，從而得出最優(yōu)旋轉(zhuǎn)備用容量的方案。但是文中僅討論了單時段的機組組合模型，沒有對多時段的情況下進行研究。由于電能的生產(chǎn)是具有連續(xù)性的，也就是說，系統(tǒng)的運行時間可以看成由多個時段的組成的，每個時段都不一樣，故該論文的方法存在著一定的局限性。</p&g

43、t;<p>　　1.3.3 風電場的機組組合優(yōu)化方法</p><p>　　如今，在含有風電的機組組合優(yōu)化問題的研究過程中獲得了一些不錯的成果。鑒于風電的最明顯的特點——隨機性和波動性，對機組組合造成有很大的困難，并且風力的預(yù)測技術(shù)目前也尚未成熟，所以很多專家就把風電的特點轉(zhuǎn)化成隨機量或者模糊量。</p><p>　　文獻[13]提出了采用機會約束規(guī)劃的機組組合數(shù)學模型，運用內(nèi)

44、外兩層改進粒子群算法，且結(jié)合隨機模擬技術(shù)來對傳統(tǒng)的火電機組進行機組組合優(yōu)化。但是由于算法有兩層，因此在計算時間上會增加許多。</p><p>　　文獻[14]運用不確定理論，提出模型約束模型，將風電出力的模糊性轉(zhuǎn)變?yōu)轭A(yù)測誤差的模糊性，從而轉(zhuǎn)化成用概率表示風電的特點。</p><p>　　可是，目前很多專家對含風電場的機組組合優(yōu)化的研究僅僅從經(jīng)濟性方面來。由于目前我國的的污染排放物比較嚴重，

45、隨著國家的對節(jié)能減排的相關(guān)政策的提出，因此有必要在經(jīng)濟性的基礎(chǔ)上，考慮節(jié)能減排的方面。最近幾年，也有很多專家開始把節(jié)能減排這一目標考慮進來。</p><p>　　文獻[15]提出將購電費用、煤耗量和SO2排放量為目標函數(shù)，建立多目標的機組組合模型，采用向量序優(yōu)化算法來進行研究，但文中并沒有涉及CO2的排放。</p><p>　　文獻[8]將燃煤耗量、SO2和CO2作為目標函數(shù)，進行了機組組

46、合研究。該文獻運用分解和協(xié)調(diào)的思想，用拉格朗日松弛法（LR）將復(fù)雜機組組合問題拆分為互相影響的子系統(tǒng)優(yōu)化問題，采用遺傳算法來優(yōu)化每個子系統(tǒng)問題。相對與傳統(tǒng)的機組組合相比，使得SO2和CO2的排放量減少，盡管如此，該文獻的方法卻有點復(fù)雜。</p><p>　　1.4 本論文的主要工作</p><p>　　本文主要討論了風電的特性和與之相對應(yīng)模型的建立，闡述了機組組合優(yōu)化問題的實質(zhì)。概述求解機

47、組組合優(yōu)化問題的智能算法，著重介紹和分析粒子群算法的特點和改進的方法。接著研究了包括風電的電網(wǎng)機組組合優(yōu)化的模型。最后用粒子群優(yōu)化算法來將包括風電的機組組合問題進行運算優(yōu)化。本文的主要工作如下：</p><p>　?。?）第一章概述了我國風電的發(fā)展現(xiàn)狀，以及總結(jié)目前在包括風電場的機組組合優(yōu)化問題的研究現(xiàn)狀</p><p>　?。?）第二章討論風力、風速以及和風電功率的關(guān)系，分析研究風電的隨

48、機性和波動性，并且考慮風電功率的特點來研究其數(shù)學模型，總結(jié)了風電對電力系統(tǒng)的穩(wěn)定性的影響。概述傳統(tǒng)機組組合優(yōu)化模型，重點研究傳統(tǒng)火電機組的耗量特性函數(shù)以及相關(guān)機組啟停順序的因素。第三章分析研究了基本粒子群算法，并且概述算法的參數(shù)對算法的收斂性和運算速度的影響，就本論文的課題的特點，研究了改進的粒子群算法。</p><p>　?。?）第四章研究含風電場的目標函數(shù)和約束條件。并結(jié)合算例，應(yīng)用第三章中的改進的粒子群算法

49、，求解含風電場的機組組合優(yōu)化問題。</p><p>　?。?）總結(jié)本文中得出的結(jié)論，并就本文尚存有的不足進行的說明，并提出今后在本課題中進一步研究的內(nèi)容。</p><p>　　2 風電隨機性的建模和機組組合問題</p><p>　　在含有風電場的電力系統(tǒng)的傳統(tǒng)火力發(fā)電機組的優(yōu)化組合中，風電的特點是研究的重點。風力發(fā)電由于其本身所具有的獨特的特點——隨機性，波動性，

50、使得利用風力發(fā)電就必須要提前對風力進行預(yù)測。同時也因其具有反調(diào)峰的特點，使得風能的利用率也不高，出現(xiàn)棄風的現(xiàn)象。而且必須擴增旋轉(zhuǎn)備用的容量，以應(yīng)對風力發(fā)電的隨機性和不確定性，但是這違背了電力系統(tǒng)運行的經(jīng)濟性的要求。因此，對風電的特點進行分析，構(gòu)建合適的風力發(fā)電的模型，是本論文的重點和難點。</p><p>　　2.1 風力發(fā)電的特性</p><p>　　采用適當?shù)臅r間劃分，對風電的隨機性進

51、行研究和分析才有意義[16]。因為，風力發(fā)電受到地形、區(qū)域和時段的影響，這就表明不同地方不同時段的風能是不一樣的。大部分情況下，風力隨著氣候、地理條件和其他的因素，在不同的時刻，不斷的變化著，有時很充足，有時很缺乏。這就使得風電的有功功率并不是一個連續(xù)的量，可以看成是一個離散的變量。由于風電出力的不確定性，且通常將風電看作是負荷處理。因此，在規(guī)劃機組組合的問題上，就存在很大的困難。如果不進行未來一天的風電的預(yù)測，那么將會由于風電的特性，

52、使得電網(wǎng)中火電機組的開停機次數(shù)頻繁，增加成本。風力發(fā)電機組由于是利用大氣風作為動力，加上風能也不能輕易的大量儲存，即風電必須要完全消納，不然則需要棄風。所以，很難和火力發(fā)電一樣，能夠依據(jù)負荷的改變而改變風力發(fā)電機的出力。</p><p>　　2.1.1風力發(fā)電的隨機性</p><p>　　風電的隨機性和波動性，加大了利用風能的難度。風力機組有功出力，主要受到風速的影響。又因為風速的特性，也

53、使風力發(fā)電機的出力也同樣具有相同的特性。同時，風力發(fā)電的波動性范圍也很大，以小時及以上為單位的時間區(qū)段的相關(guān)性很突顯，小時及以下為單位的時間區(qū)段的互補性很突顯。在一個月內(nèi)，風電場在每一天中的有功出力可以在零到額定值之間變化。主要是因為風速在一天內(nèi)會不斷地變化。這樣就必須要對未來的時段內(nèi)的風電進行預(yù)測。在一天24h中風速的變化如圖所示?？梢钥闯觯L速可以從3m/s變化到11m/s。</p><p>　　圖2.1

54、24h內(nèi)風速的變化</p><p>　　2.1.2風力發(fā)電對電網(wǎng)的影響</p><p>　　如今大規(guī)模的風電的利用和并網(wǎng)，必須全面考慮風電的特點，注重分析風電對電網(wǎng)的影響。在電網(wǎng)中，風力發(fā)電對其的影響主最重要的有這些方面：</p><p><b>　?。?）系統(tǒng)穩(wěn)定性</b></p><p>　　在含有風力發(fā)電的電力系統(tǒng)

55、中，風力發(fā)電機組對電壓和頻率的穩(wěn)定性都會有一定的影響。在未達到額定風速時風力機組的有功出力，是與風速成三次方的關(guān)系。這也就是說，風速的微小變化，都會使得風力機組的功率有很大的不穩(wěn)定性。使得電網(wǎng)的頻率波動，對電網(wǎng)的安全穩(wěn)定運行產(chǎn)生影響。而且由于風力發(fā)電其本身所具有的“反調(diào)峰”特性，對電網(wǎng)的調(diào)峰調(diào)頻產(chǎn)生嚴重的影響。</p><p>　　分析風電并網(wǎng)對電壓的穩(wěn)定性的影響，可以從兩方面出發(fā)。一是風力發(fā)電的并網(wǎng)，可以是風電

56、接入點的電壓穩(wěn)定，但是這只是局限于接入點的小范圍。二是由于風力發(fā)電機組運行時，需要從電網(wǎng)中取得足夠多的無功功率，才能穩(wěn)定運行。否則，必然會導致整個電力系統(tǒng)的電壓穩(wěn)定性下降。所以，要想解決風力機組對電網(wǎng)的電壓穩(wěn)定性的影響，就必須提供足夠的無功功率。</p><p><b>　?。?）電能質(zhì)量</b></p><p>　　在風力機組并網(wǎng)運行時，需要用到大量的電力電子裝置，

57、來實現(xiàn)電能的轉(zhuǎn)換。這樣，就會產(chǎn)生一個問題，容易產(chǎn)生諧波問題。因為投切電力電子裝置，如果頻率和時間不對，就會產(chǎn)生大量的諧波。同時，也應(yīng)注意到，風力發(fā)電機組也會由于一些因素產(chǎn)生電壓波動和閃變，如風速狀況、電網(wǎng)額定運行狀態(tài)、風力發(fā)電機組的種類等等。</p><p>　?。?）電網(wǎng)運行經(jīng)濟性和旋轉(zhuǎn)備用容量</p><p>　　中國的風力資源大部份分布在西北，如新疆，西藏等地。但是由于這些地區(qū)的經(jīng)濟

58、實力不高，人民生活水平相比我國東部地區(qū)而言，比較落后。因此，利用風能發(fā)電，除了滿足當?shù)厝嗣竦男枰猓€有大量的風電不能夠消納，這就降低的經(jīng)濟性。針對風電的隨機性，就需要增加電網(wǎng)旋轉(zhuǎn)備用的容量，但是，一般來說，都會使得經(jīng)濟性降低。并且前面提及到，風電的反調(diào)峰特點，也會使得給運行人員安排機組組合造成極大的挑戰(zhàn)， </p><p>　　2.2風電出力的預(yù)測模型</p><p>　　2.2.1 風

59、速的預(yù)測</p><p>　　要想將風能變成電能，就必須通過風力帶動風電機組，此時風能由風速來決定。風是由于大氣的流動產(chǎn)生，其受到溫度、大氣密度、地勢等因素的影響。一般情況下，風能的W的大小可以通過下式計算可得：</p><p><b>　　(2-1)</b></p><p>　　式（2-1）中，是空氣密度（kg/m3）;W是風能值（W）；V是

60、風速（m/s）；F是受風面積（m2）。</p><p>　　因為風速的隨機性，根據(jù)式（2-1）可知，風能也具有相同的隨機性。所以，常常是在一段長期的時間里對風速進行統(tǒng)計測量。注意的是，由于我國對風速的預(yù)測尚未達到一個較高的水平，這時統(tǒng)計的風速值一般是平均值。這樣，通過對平均值的模擬，能獲得每個時段內(nèi)較精確的風速的大小。這時候，對式（2-1）進行積分計算，風速平均值可以有式（2-2）獲得。公式如下：</p&g

61、t;<p><b>　　(2-2)</b></p><p>　　上式中，表示的是在單位面積的風能，即F=1。是平均風能（W）；T是一段時間的總長（h）。</p><p>　　近年來，由于風速的隨機性，很多研究人員進行過很多研究。也提出很多其分布曲線，例如瑞麗分布，對數(shù)正態(tài)分布和雙參數(shù)的威布爾分布等。通過大量的測量，統(tǒng)計和分析，發(fā)現(xiàn)風速的分布趨近于威布爾（

62、Weibull）分布。威布爾分布是一種二參數(shù)的概率分布。具體的概率函數(shù)如下：</p><p><b>　　(2-3)</b></p><p>　　式（2-3）中，k是形狀系數(shù)，一般k>0； c是尺度系數(shù)，一般c>0；v是風速（m/s）。在一段時間內(nèi)，對上式進行積分，可得到風速的Weibull分布函數(shù)，表達式如下：</p><p>&

63、lt;b>　　(2-4)</b></p><p>　　風速的Weibull分布函數(shù)的圖形如圖2.2所示。</p><p>　　圖2.2 風速Weibull分布函數(shù)（c=7，k=2） </p><p>　　2.2.2 風力發(fā)電的功率預(yù)測</p><p>　　如今新能源不斷地得到發(fā)展，風電愈加受到大家的注意以及大力的發(fā)展。風電

64、并網(wǎng)對電網(wǎng)的安全和穩(wěn)定性的要求極高。對風力發(fā)電的功率出力進行預(yù)測，可以在電力系統(tǒng)安全運行和電能質(zhì)量的方面得到一定的保證。但是如果風力發(fā)電機組脫網(wǎng)，將會使電壓的穩(wěn)定性、電能質(zhì)量受到影響，以及增加線路的損耗等等。因此，對風電精準預(yù)測是極其重要的。其優(yōu)點在于[17]：</p><p>　　（1）、對電力市場的供需提供保障，為風力發(fā)電的上網(wǎng)電價提供良好的條件。</p><p>　?。?）、為調(diào)度中

65、心人員進行電網(wǎng)的調(diào)度分析提供良好的前提，減少傳統(tǒng)火電機組的旋轉(zhuǎn)備用，降低損耗，節(jié)省煤炭量，保證電能質(zhì)量。</p><p>　?。?）、可以根據(jù)預(yù)測的風力功率，方便安排風力機組 的檢修，維護，使得風電的滲透功率極限得以提高。</p><p>　　對風電進行預(yù)測，可以從時間劃分為幾個方面進行研究。如按照長時段預(yù)測，一般年為單位，重點是對風力發(fā)電場的設(shè)計規(guī)劃的可行性進行研究。較長時段預(yù)測，重點是

66、以天為單位，對未來的一周時間內(nèi)的風速預(yù)測，從而得到預(yù)測的功率，也可以以周、月為時間單位，預(yù)測風電功率后，主要是對機組的詳細的檢修或者調(diào)試。短時段預(yù)測，通常是以小時為時間單位，一般以1-48h或72h的時間段為主。對短時的風力進行預(yù)測，主要用于在負荷發(fā)生變化時，滿足電力系統(tǒng)的功率平衡。</p><p>　　預(yù)測風電功率的方法，大多數(shù)廣泛采用以下兩種類型。第一種類型，是以氣象局發(fā)布的數(shù)據(jù)為基礎(chǔ)，對未來的風力的大小進行

67、分析，從而進行預(yù)測。第二種類型，是以以往的風力數(shù)據(jù)為依據(jù)，按照經(jīng)驗，推斷出未來的風力的大小。</p><p>　　但是，如今進行風電預(yù)測的系統(tǒng)還沒有完善，對風電的預(yù)測能力尚未成熟，預(yù)測的精度也仍然不能滿足運行人員較好的安排機組組合的要求。因此，當今重點仍是如何更精準的預(yù)測風電。</p><p>　　2.2.3 風力發(fā)電功率的模型</p><p>　　風電的大小最重要

68、的是由風速來決定。多臺風電機在同一個地域里，因風速基本一樣，所以，可以等效成在同一風電場的一臺風電機組[18]。風力發(fā)電機組此時出力功率和風速的關(guān)系可以用下式表示：</p><p><b>　　(2-5)</b></p><p>　　上式中， 、 、分別是額定風速、切出風速和切入風速，單位是m/s。 是風力發(fā)電機組的額定功率。即風力發(fā)電機組組包括以下幾種情況：<

69、/p><p>　?。?）、當，即風速小于切入風速時，風力發(fā)電機組的有功出力為0。當，即風速大于切出風速時，考慮到發(fā)電機組的運行安全性，會讓機組停機。</p><p>　?。?）、當，即風速的大小在額定風速和切出風速范圍之內(nèi)時，風力發(fā)電機組按照已知的風能和電能的轉(zhuǎn)換關(guān)系出力。</p><p>　?。?）、當，即風速大于額定風速，但沒有超過切出風速時，風力發(fā)電機組可以以額定

70、功率出力。</p><p>　　2.3 傳統(tǒng)的機組組合優(yōu)化</p><p>　　隨著國家的快速發(fā)展，電的使用量日益增加，已是一種不可避免的趨勢。為了滿足負荷的需求，就必須增加參與發(fā)電的機組數(shù)量。但是并不是所有的發(fā)電機組都有著相同的耗量特性。所以，這就出現(xiàn)了一個機組組合的問題。</p><p>　　傳統(tǒng)的機組組合優(yōu)化問題，是一個高維，非凸，非線性混合整數(shù)優(yōu)化問題。同時

71、，也可稱為電力系統(tǒng)有功功率與頻率調(diào)整相關(guān)內(nèi)容中的三次調(diào)頻。并且，也是每天規(guī)劃未來一段時間內(nèi)的傳統(tǒng)火電機組的開停機的時間、數(shù)量的問題。研究機組組合問題的目的就是為了滿足電網(wǎng)中，發(fā)電側(cè)和負荷側(cè)的有功功率的平衡，維持系統(tǒng)的頻率穩(wěn)定，保證電網(wǎng)運行的安全穩(wěn)定性和經(jīng)濟性。發(fā)電機組的組合，主要是解決兩個問題，一是以預(yù)測負荷大小，安排在未來一段時間的發(fā)電機組的數(shù)量和運行時間。二是分配給機組的負荷最優(yōu)化，實現(xiàn)最好的經(jīng)濟性。</p><

72、p>　　2.3.1 火電機組的耗量特性</p><p>　　含風電場的機組組合優(yōu)化，因在風電的產(chǎn)生過程中是不消耗一次能源的。所以只需考慮傳統(tǒng)的火電機組的煤炭消耗量，即分析火力發(fā)電機組的耗量特性。為了更好對機組組合優(yōu)化的分析計算，了解火力發(fā)電機組的耗量特性曲線是十分必要的。所謂機組的耗量特性，指得是在單位時間內(nèi)，發(fā)電機組所利用的一次能源與發(fā)出有功出力的關(guān)系，即發(fā)電機組的輸入和輸出的關(guān)系。而影響機組消耗的一次能

73、源的因素，除了發(fā)電機組的有功功率大小外，還有功率的變化率等因素。所以這里考慮機組的輸入輸出的靜態(tài)關(guān)系[19]。具體的公式如下：</p><p><b>　　(2-6)</b></p><p>　　式（2-6）中：F是煤炭耗量，單位為噸t；P是機組的有功出力大小，單位為MW；系數(shù)a、b、c則是機組的耗量特性系數(shù)。公式曲線如下圖2.3所示，其中取a=2.5,b=0.25,

74、c=0.0014。</p><p>　　圖2.3 火電機組的耗量特性曲線</p><p>　　由上圖可以看出，火力發(fā)電機組的耗量特性是的變化趨勢是上升趨勢的，說明隨著單位時間內(nèi)火電機組的有功出力增加，消耗的煤炭量也隨之增加。一般來說，由于火電機組受到鍋爐的穩(wěn)定性的因素考慮，有一個最小出力的限制，通常是機組最大出力的25%~70%。</p><p>　　火力發(fā)電機組的

75、耗量特性曲線，目前絕大多數(shù)用以下的方法獲得：</p><p>　?。?）由生產(chǎn)家提供的機組的耗量曲線。但是在廠家提供的曲線，考慮到發(fā)電機組的運行環(huán)境不同，因此與實際的耗量特性曲線有很大的誤差。</p><p>　?。?）采用熱力測試的方法，對機組的耗量曲線進行測量。這種方法是根據(jù)實驗結(jié)果得出機組的耗量曲線，也會存在較大的誤差。</p><p>　　（3）在機組運行時

76、，采用電腦測量和計算，對機組進行檢測。這種方法實際是一種在線監(jiān)測的方法。因此可以保證了所得到的耗量曲線的精確度。</p><p>　　2.3.2 火電機組的啟停成本</p><p>　　在綜合分析發(fā)電機組的經(jīng)濟性時，因為機組的開停機消耗的煤炭量也很大，不僅要考慮煤耗量，還要考慮機組的開停機時的成本。一般來說，機組停止運行的時間越長，機組的散熱量也就越大，那么再讓機組恢復(fù)到額定運行狀態(tài)，就會

77、消耗更多的燃料。而且完全滅火再將鍋爐停止運作后，如果想再想啟動機組，會比壓火停機后重啟更需要燃料，這無疑就會增加發(fā)電成本。這里只考慮火力發(fā)電機組的啟動耗量特性。有以下兩種模型：</p><p>　?。?）冷啟動費用。冷啟動，是指火力機組從完全冷卻狀態(tài)，逐步啟動至額定運行狀態(tài)。啟動機組的費用和停止運行的時間可以用指數(shù)函數(shù)表示。其表達式如下：</p><p><b>　　(2-7)&

78、lt;/b></p><p>　　式（2-6）中，是啟動費用；是火力發(fā)電機組啟動的基礎(chǔ)費用，包括汽輪機在啟動時所耗費的燃料和運行員工的費用；是鍋爐的冷卻時間常數(shù)；Toff是發(fā)電機組連續(xù)停機時間；是鍋爐從完全冷卻狀態(tài)啟動的消耗量。</p><p>　?。?）熱啟動費用。不讓汽輪機和鍋爐完全冷卻，維持在相應(yīng)的溫度下，再將機組啟動，到達額定運行狀態(tài)。這種啟動方式的所需費用和停機時間可以用線

79、性關(guān)系式表達，如公式（2-8）所示：</p><p><b>　　(2-8)</b></p><p>　　上式中，是火電機組壓火1h的熱啟動費用。上述的兩種啟動方式比較如圖2-4表示。</p><p>　　圖2.4 火電機組啟動耗量特性曲線 </p><p>　　2.3.3 機組啟停優(yōu)化的影響因素</p>

80、<p>　　火力機組運行時，由于每臺機組的消耗的燃料不同，這樣使得出力的大小不一樣。通常來說，效率高的機組優(yōu)先出力，承擔更多的負荷，且運行在額定功率左右。當負荷增加時，參與發(fā)電計劃的機組都可以以接近額定功率出力，這時效率最高；當負荷減少時，可以有計劃的減少參與發(fā)電的機組數(shù)量，也可改用小容量的火電機組而非大容量的火電機組，這樣可以充分實現(xiàn)小容量機組的滿發(fā)，提高機組效率。但當負荷發(fā)生變化時，僅考慮增減機組的數(shù)量和型號是不全面的。還

81、需要分析以下幾個方面的因素：</p><p>　?。?）、火電機組啟停需要的損耗量?；痣姍C組的開機和停機要涉及鍋爐的開停。鍋爐如果開停次數(shù)過多，就會導致鍋爐的損耗增加，也會影響鍋爐的使用。同時，相比較于水力發(fā)電機組，現(xiàn)在火力發(fā)電機組的開停時間需要長達幾個小時甚至十幾個小時。因此，火力機組一般來說都是承擔基本負荷，不輕易改變機組的運行狀態(tài)。所以，就必須保證火力發(fā)電機組必須要達到最小的停機時間和開機時間的規(guī)定。<

82、;/p><p>　　（2）、改變機組的開停狀態(tài)。在不同時段的負荷要求下，合理安排機組的開停狀態(tài)，能夠大大降低開停機組的損耗費用。因此在確定每個調(diào)度時段的機組數(shù)量時，就必須考慮開停機費用，力求每個時段的總損耗最小。</p><p>　?。?）、火力發(fā)電機組的爬坡率。電網(wǎng)的功率平衡是時刻必須要滿足的，即發(fā)電量和負荷量要保持相等。但由于每臺機組在開停機的過程中，并不是立刻就能承擔相應(yīng)的負荷，需要有一

83、個有功出力逐步上升的過程，也就是火力發(fā)電機組的爬坡率。這是因為機組的機械特性和熱力學特性所決定的。所以，參與承擔負荷的發(fā)電機組，必須滿足其本身爬坡率的約束。</p><p>　　綜合上面所述，優(yōu)化機組組合，應(yīng)該考慮負荷的變化、機組的特性、機組開停機的損耗等問題。</p><p><b>　　2.4本章小結(jié)</b></p><p>　　在本章中，

84、首先討論風力發(fā)電的特性，分析風力的分布和其隨機性以及波動性，加上風電機組的出力模型。然后，重點研究了風速的分布以及風速和風電機組出力的關(guān)系，以及火力發(fā)電機組的耗量特性曲線，并且考慮優(yōu)化機組組合問題中需要考慮的因素，如機組開停機時間，開停機損耗等。</p><p>　　3 機組組合優(yōu)化問題算法求解</p><p>　　傳統(tǒng)機組組合優(yōu)化問題，是一個高維，非凸，非線性混合整數(shù)優(yōu)化問題，很難在實

85、際求解過程中，取得最優(yōu)解。目前，在這個研究問題上，很多研究人員進行過大量的研究，采用了很多優(yōu)化算法。</p><p>　　3.1 機組組合優(yōu)化問題的算法概述</p><p><b>　?。?）優(yōu)化順序法</b></p><p>　　傳統(tǒng)的優(yōu)化算法是依據(jù)某一種經(jīng)濟指標，將參與發(fā)電調(diào)度的機組進行排序。一般是按照效率高到低的順序排列下來。然后根據(jù)負荷

86、的需求，依次開啟機組發(fā)電。但是這種方法由于采用一種指標進行優(yōu)化評估，不能較好的實現(xiàn)優(yōu)化問題的最優(yōu)解，只能達到一般的要求。</p><p><b>　?。?）動態(tài)規(guī)劃法</b></p><p>　　動態(tài)規(guī)劃法是在尋求最優(yōu)解的過程中同時處理多個階段的一種數(shù)學方法。它的基本特征是在求解過程中不斷動態(tài)尋優(yōu)，適用于離散型問題。但是，動態(tài)規(guī)劃法應(yīng)用于機組組合優(yōu)化問題中，會因為一個

87、調(diào)度周期（24h）會分成多個時間段（一般是24個時間段），以及調(diào)度機組的數(shù)量較大時，容易形成 “維數(shù)災(zāi)”，使得算法計算時間增加。因此這方法具有一定的局限性。</p><p>　?。?）拉格朗日松弛法</p><p>　　拉格朗日松弛法可以解決含整數(shù)變量的非線性規(guī)劃問題，這種方法將所有的約束條件寫成目標函數(shù)的懲罰項，形成拉格朗日函數(shù)。該方法的優(yōu)點是系統(tǒng)規(guī)模越大，所得的解越優(yōu)，越精確。但是解決

88、具有非凸性的問題，難以確定原問題的最優(yōu)解，并且要用一定的方法來加快速度。</p><p><b>　　（4）遺傳算法</b></p><p>　　遺傳算法是根據(jù)物種繁衍后代和遺傳機理得出的優(yōu)化算法。通過選擇、交叉、變異等操作，逐漸進化得到最優(yōu)解。遺傳算法對求解問題時限制少，對目標函數(shù)沒有特殊要求，體現(xiàn)出較好的魯棒性和全局優(yōu)化性。但是遺傳算法的局部搜索的能力不突出，容易

89、出現(xiàn)“早熟”，陷入局部最優(yōu)，而且計算速度慢。</p><p>　　3.2 基本粒子群算法</p><p>　　3.2.1粒子群算法的原理</p><p>　　粒子群算法是依據(jù)鳥類群體動物活動的規(guī)律而得到的。起初先初始化多個粒子，然后通過迭代計算，不斷使每個粒子趨向于在這個粒子群中最優(yōu)的粒子，從而得到優(yōu)化問題中的最優(yōu)解。因此，可以知道，這些初始化的粒子，其實是優(yōu)化問題

90、最初的每一個解。而粒子群算法就是通過不斷地更新粒子的狀態(tài)，即是粒子的速度和位置，不斷的比較粒子的優(yōu)劣，直到找出最優(yōu)的粒子，也即是優(yōu)化問題中的最優(yōu)的解。</p><p>　　在算法運算時，所有粒子都會以兩個特殊的粒子為目標來不停的變更本身的狀態(tài)。一個特殊的粒子是粒子各自找到的最優(yōu)粒子，這個粒子稱為“個體極值”，另外一個是粒子群中最好的粒子，稱為“群體極值”。</p><p>　　假設(shè)優(yōu)化問題

91、有D臺機組參與，那么在粒子群算法中，每個粒子就是D維的粒子，粒子的運動軌跡也是D維的。迭代計算時，第i個粒子在D維的空間中的位置，可以用一個行向量表示Xi=[xi1 ，xi2 ，…，xiD],i=1,2,…,N，N是粒子群的粒子數(shù)量。第i個粒子的速度也可以用一個行向量表示Vi=[vi1 ，vi21 ，…， viD]。將每個粒子的適應(yīng)度值進行比較，判斷粒子的優(yōu)劣。在迭代過程中，粒子的速度和位置更新公式如下[20]：</p>

92、<p><b>　　(3-1)</b></p><p><b>　　(3-2)</b></p><p>　　公式（3-1）、（3-2）中：i=1,2,…,N ；d=1,2，…,D；、分別代表第i個粒子在第k次迭代中的速度值和位置值；、分別代表第i個粒子在第k+1次迭代中的速度值和位置值；、分別是表示為粒子各自的個體極值和整個粒子群的群體

93、極值；、是兩個學習因子，作用于個體極值位置和群體極值位置對粒子速度的更新，通常都取值為2；是慣性系數(shù)，決定每個粒子第k次速度對第k+1次速度的影響，一般取值為0.5；、是兩個分布在[0,1]的隨機數(shù)。</p><p>　　注意的是，粒子狀態(tài)的更新也許會越過可行解范圍。因此，必須對粒子的速度和位置的取值范圍設(shè)置一定的界限。設(shè)置粒子的速度和位置的最大值和最小值分別是、、、。而當算法的迭代次數(shù)滿足設(shè)置的精度或循環(huán)次數(shù)達

94、到的最大值時，算法則跳出循環(huán)和中斷運行，此時的全局最優(yōu)粒子就是最優(yōu)解。</p><p>　　3.2.2 粒子群算法求解步驟和流程圖</p><p>　　Step1，依據(jù)優(yōu)化問題的初試數(shù)據(jù)，粒子群的每個粒子進行初始化；</p><p>　　Step2，計算粒子的適應(yīng)度值。即是將粒子的D維數(shù)據(jù)代入適應(yīng)度函數(shù)計算。并且對每個粒子的個體極值和粒子群的群體極值進行初始化。適應(yīng)

95、度函數(shù)一般是優(yōu)化問題的目標函數(shù)。</p><p>　　Step3，根據(jù)式（3-1）和（3-2），開始進行迭代計算，對每個粒子進行速度和位置的更新。</p><p>　　Step4，對每個粒子，將更新后的粒子的適應(yīng)度值和經(jīng)過的最優(yōu)的個體極值進行比較，如果較好，那么更新個體極值。</p><p>　　Step5，對于每個粒子，將更新后的粒子的適應(yīng)度值和整個粒子群的群體極

96、值比較，如果較好，那么更新群體極值為現(xiàn)在比較的粒子適應(yīng)度值。</p><p>　　Step6，若沒有達到終止條件，一般是適應(yīng)度值的足夠好或最大迭代次數(shù)未達到，那么返回Step3。</p><p>　　流程圖如下圖3.1所示：</p><p>　　圖3.1 粒子群算法流程圖</p><p>　　3.2.3粒子群算法的參數(shù)分析</p>

97、<p>　　粒子群算法中要調(diào)節(jié)的參數(shù)不是很多，跟遺傳算法比較而言，沒有較多的繁瑣的步驟。雖然粒子群算法參數(shù)不多，但是參數(shù)的取值會影響算法的收斂性和速度。所以在初始化時恰當?shù)倪x取粒子群的參數(shù)，會有效的降低收斂時間。</p><p>　?。?）粒子群算法中，如果粒子的數(shù)量少，那么就會易于陷入局部最優(yōu)。粒子數(shù)量多，會讓算法的時間長。基于此，一般來說，粒子數(shù)量可以設(shè)定為10~50，比較復(fù)雜的問題，可以設(shè)定為

98、100或者200。</p><p><b>　?。?）慣性權(quán)重</b></p><p>　　在粒子群算法更新公式中，每個粒子的自身速度的大小是由慣性權(quán)重w來決定的。慣性權(quán)重值越大，表明粒子速度值對粒子本身在更新時的速度的影響越大，令搜索范圍更大，也可使得粒子可以到達的距離更遠；慣性權(quán)重值越小，表明對自身速度的參考不是很依賴，使得粒子每次飛行的距離較短，有較好的局部搜索

99、的能力，但是總搜索時間會增長。</p><p><b>　?。?）學習因子</b></p><p>　　學習因子、是體現(xiàn)出每個粒子在每次更新式向自身尋找的最優(yōu)粒子和群體最優(yōu)粒子的學習能力，也即是粒子飛向最優(yōu)粒子的能力。通常取==2，范圍一般是0~4。</p><p><b>　?。?）最大速度</b></p>

100、<p>　　最大速度Vmax指的是粒子每次更新后速度的上限，也是粒子飛行的最遠距離。Vmax較大時，粒子可能一直找不到最優(yōu)解；Vmax較小時，可以較容易的找到最優(yōu)解，但也易于陷入到局部最優(yōu)解。通常來說，可以將每個粒子的變量的取值范圍設(shè)定為Vmax。</p><p>　　3.3 粒子群算法的改進</p><p>　　基本的粒子群算法中，慣性權(quán)重和學習因子都是在各自的合理的取值范圍

101、內(nèi)取一定值，但是這個過程需要話一定的時間才能完成。并且，慣性權(quán)重和學習因子都是一定值，對于求解電力系統(tǒng)的機組組合優(yōu)化問題并不合適，非常容易是最優(yōu)解陷入局部最優(yōu)解。所以，本文對粒子群算法的參數(shù)進行一定的改進，在處理復(fù)雜問題時，提高算法的計算速度和防止陷入局部最優(yōu)解。參數(shù)進行研究。</p><p>　　3.3.1 粒子群算法參數(shù)的改進</p><p><b>　?。?）時變權(quán)重。&l

102、t;/b></p><p>　　在應(yīng)用粒子群算法時，都要求粒子群在飛行時候有較好的搜索能力，但是隨著計算更新次數(shù)的增多，尤其是在更新次數(shù)接近上限值時，還有較好的探索能力。要達到這個目的，可以改變慣性權(quán)重。一般來說，粒子剛開始飛行時，都希望能較好的大范圍的搜索，這個可以縮減運算時間；往后一段時間后，能在最優(yōu)解附近搜索，防止不能發(fā)現(xiàn)最優(yōu)解?；谏鲜龅哪康模ǔT性權(quán)重改進，使之能隨著更新次數(shù)增加而變化。其表達式

103、如下：</p><p><b>　　(3-3)</b></p><p>　　式（3-3）中，k、K分別是當前迭代次數(shù)和總的迭代次數(shù)。</p><p>　?。?）學習因子的改進</p><p>　　兩個學習因子不同時的發(fā)生變化，是為了讓粒子能夠更好的在可行域范圍內(nèi)尋優(yōu)，。如式（3-4）和（3-5）。在運行初期，可以設(shè)置粒子

104、具有較強的自我學習能力和較弱的社會學習能力，更好的在整個搜索范圍內(nèi)飛行尋優(yōu)。在運行后期，則粒子會有較弱的自我學習能力和較強的社會學習能力，使得粒子能在群體最優(yōu)解附近徘徊。</p><p><b>　　(3-4)</b></p><p><b>　　(3-5)</b></p><p>　　式中，、分別是的初值和終值； 、分別

105、是的初值和終值。</p><p><b>　　3.4 本章小結(jié)</b></p><p>　　本章介紹了各種適用于機組組合的優(yōu)化算法的優(yōu)劣。然后，重點闡述粒子群算法的概念，以及分析算法的特點和實驗過程，在此基礎(chǔ)上，研究算法各參數(shù)的作用,并且對算法的慣性權(quán)重和學習因子進行改進,從而提高算法的速度和收斂性。</p><p>　　4 含風電場機組組合

106、優(yōu)化的求解</p><p>　　4.1 含風電場的機組組合優(yōu)化模型</p><p>　　4.1.1 目標函數(shù)</p><p>　　含風電場機組組合問題是在滿足電力系統(tǒng)的功率平衡和相關(guān)的約束條件的條件下，在每個調(diào)度時段內(nèi)合理規(guī)劃開停機的數(shù)量，使在一定的調(diào)度周期內(nèi)，煤炭消耗量達到最小。在保證電力系統(tǒng)安全的前提下，達到節(jié)能減排的要求。由于風力機組是利用風能發(fā)電，而風能是一

107、種無污染的新能源。因此風力機組不消耗燃料。所以，本文僅考慮傳統(tǒng)火電機組的煤耗量作為目標函數(shù)。具體函數(shù)公式為：</p><p><b>　　(4-1)</b></p><p>　　式中：F是傳統(tǒng)火電機組的煤炭總耗量，單位是t；第i臺機組在第t時刻的狀態(tài)，機組開機時是1，機組停機時是0；是第i臺機組在第t時刻小號的煤炭量，是第i臺機組在第t時刻運行時的出力大?。籒是所有火

108、電機組的總數(shù)；T是在一定的調(diào)度周期內(nèi)（一般是24h）劃分的總的時段數(shù)。是第i臺火電機組在第t個調(diào)度時段內(nèi)的啟動成本。</p><p>　　式（4-1）中的可以以常用的二次函數(shù)表示。如下：</p><p><b>　　(4-2)</b></p><p>　　上式中，、、分別是第i臺火電機組的耗量系數(shù)。</p><p>　　

109、4.1.2 約束條件</p><p>　　（1）電力系統(tǒng)有功功率平衡約束</p><p><b>　　(4-3)</b></p><p>　　式（4-3）中： 表示每t個調(diào)度時段的預(yù)測負荷值；表示每t個調(diào)度時段的風電出力功率預(yù)測值。</p><p>　　（2）單機有功功率約束</p><p>&l

110、t;b>　　(4-4)</b></p><p>　　上式中，，分別代表第i臺發(fā)電機組的出力上下限。</p><p>　　（3）機組的上下旋轉(zhuǎn)備用約束</p><p>　　上升旋轉(zhuǎn)備用是滿足負荷的突然增加的需要，或者防止風電場出力的突然減少和火電機組的停運，所導致的電網(wǎng)功率平衡打破，破壞電網(wǎng)的穩(wěn)定性的情況。下降旋轉(zhuǎn)備用是在電網(wǎng)中負荷的的減少或者風電場