含风电场电力系统的机组优化调度研究

风能是一种无需耗费燃料的可再生绿色清洁能源。风力发电成本低廉,具有广阔的发展前景。近年来,随着我国大力向节能型社会发展,对清洁能源的开发利用也愈加重视,这也推动了我国风电事业的发展。然而,由于风速的随机性和风电功率输出预测的误差,风电并网给电力系统的稳定运行带来了新的要求。尤其当大规模的风电场并网时,由于风电场出力的随机特性,含风电场电力系统的机组优化调度问题成为了亟需解决的研究课题。 电力系统机组优化调度是一个高维、非凸、多约束的优化问题,风电场并网进一步增加了电力系统机组优化调度的难度。考虑到风电场出力的随机性,引入了机会约束规划和随机模拟技术,建立了基于机会约束规划的含风电场电力系统机组优化调度问题的数学模型,以概率的形式描述相关约束条件,用随机模拟技术对约束条件进行评价,以针对风电的随机特点求取具有一定可靠性的出力方案。 引入蚁群-粒子群混合智能算法,将机组优化调度问题分为内外两层优化子问题进行求解,外层为机组组合优化,结合机组规则,利用蚁群算法求解；内层为负荷的经济分配,利用粒子群算法求解。通过10机系统算例,讨论算法的具体实现步骤,求解了在风电场并网前后和不同置信度要求下的机组优化组合和负荷优化分配问题,计算结果表明算法可行且有效,在风电场出力不确定的情况下,兼顾了含风电场电力系统运行的经济性和可靠性。 以常规发电机组的发电成本最低和污染气体排放量最低为目标,建立了含风电场电力系统多目标机纠优化调度的随机约束模型,把问题分为内外两层进行求解。在内层优化问题求解中,基于Pareto最优解集概念和整体协调度决策机制,结合多目标粒子群算法进行机组负荷优化分配。通过10机系统算例,分析了风电场并网前后和不同.置信度要求下问题的求解方案,验证了算法的可行性,为含风电场电力系统的多目标机组优化调度方案提供了新的思路。