含風電場的電力系統(tǒng)優(yōu)化調度研究.pdf

1、進入新世紀以來,我國風力發(fā)電行業(yè)獲得了高速的發(fā)展。然而,風電的隨機性、波動性以及反調峰特性,對常規(guī)電力系統(tǒng)的運行分析、調度及控制方式提出了新的挑戰(zhàn),以風電功率預測技術為基礎的電力系統(tǒng)調度管理是目前最為經濟有效的解決辦法。本文的主要工作包括:
　　 (1)提出基于氣象數(shù)據(jù)相似度選取訓練數(shù)據(jù)集的改進BP神經網(wǎng)絡模型,來進行風電場功率預測。針對已有BP神經網(wǎng)絡模型在選取訓練數(shù)據(jù)集方面所存在的不足,分別對每個預測時段,通過數(shù)據(jù)相似度選取

2、訓練數(shù)據(jù)集。預測結果分析顯示,改進BP神經網(wǎng)絡模型相對于傳統(tǒng)BP神經網(wǎng)絡模型有一定的優(yōu)越性。
　　 (2)提出求解含風電場電力系統(tǒng)優(yōu)化調度問題的改進多目標粒子群算法,目標函數(shù)包括系統(tǒng)發(fā)電總成本、污染氣體排放量和風電場輸出功率短期波動引起的系統(tǒng)運行風險三個函數(shù)。該算法在處理機組組合問題時,首先通過所設計的啟發(fā)式規(guī)則生成初始機組組合,保證初始解的機組組合的多樣性和合理性,然后通過引入遺傳算子,來改善多目標粒子群算法搜索機組組合的能力

3、;在處理負荷分配問題時,通過所設計的外部檔案維護策略和粒子全局最優(yōu)解的選取策略,來改善多目標粒子群算法優(yōu)化負荷分配的能力。最后運用模糊決策,從多目標粒子群算法所得到的非劣解集中選取最合適的調度方案,模糊決策時三個目標的權重可由決策者根據(jù)對優(yōu)化目標的偏好以及負荷水平和風功率預測情況確定。仿真結果顯示,風電并網(wǎng)可以顯著降低系統(tǒng)總發(fā)電成本和污染氣體排放量;同時,采用啟發(fā)式規(guī)則和遺傳算子搜索機組組合的能力要優(yōu)于優(yōu)先順序法,算法有一定的實用價值。