含大规模风电接入的电力系统经济调度研究

能源是一个国家的经济和社会发展的基础,我国将可持续发展纳入经济发展目标,重视环境保护,提出了“碳达峰、碳中和”的伟大目标,力争在2030年在前二氧化碳排放量达到峰值,2060年前实现“碳中和”。因此风力发电作为一种可再生能源,在我国优秀的风资源分布的情况下,体现出应用广泛,储量大,分布广的发展现状。然而,随着风电规模的逐步扩大,在提供优势的同时,风电也对电力系统的运行提出了全新的挑战。因此,建立包括大规模的风力发电系统,一个新的和更准确地经济运行模式,在充分利用新能源电力的情况下维持电力系统的安全稳定运行,提高经济效率,具有十分重要的意义。具体工作内容如下:(1)通过学习电力系统经济调度方法,以及BP神经网络算法和蚁群算法的原理和特点的知识后,根据本课题的需求将风功率预测以及电力系统经济调度实际情况与BP神经网络算法和蚁群算法的相关特性相结合,然后分别选择合适的优化方案。(2)通过风力发电预测影响因素的分析,确定风力发电预测的输入数据并进行预处理,然后使用遗传算法来改进BP神经网络算法,并用该方法进行风力发电的预测,基于非参数估计计算得到预测误差后输出最终的风能区间预测。(3)建立了一个充分考虑火电机组所消耗的燃料成本、火电机组的环境污染控制成本和火电机组的启停机成本等费用,以及风力发电成本和弃风惩罚成本等费用的电力系统动态经济调度模型。(4)研究并分析基本蚁群算法的优缺点,在保持其优势的基础上,使用融合其他优化算法的方式对其缺点进行改善,然后进行MATLAB程序编制。(5)利用改进后的BP神经网络算法进行风功率预测,然后使用风功率预测的结果分别结合原始蚁群算法和两种改进后的蚁群算法对IEEE-39节点进行了分析。结果表明,新改进的蚁群算法在解决电力系统的经济调度相关问题上相较于原始蚁群算法可多节省2%的花费。且在提升了经济性之外,还具有速度快、机组出力配比优等优点。