风—光—抽水蓄能联合发电系统优化调度研究

近几年来,风力发电和光伏发电发展迅速,但风力资源和太阳能资源的不稳定性使得风、光发电电能质量较差,大规模并网时弃风、弃光量较大,为了减少弃风、弃光量就必须为风、光发电系统配置储能设备。抽水蓄能是目前电力系统最可靠、最经济、寿命周期最长、容量最大、技术最成熟的储能技术,风光抽蓄联合发电系统已经得到越来越多的关注和研究。本文针对风-光-抽水蓄能电站联合发电系统,以最大化联合系统经济效益为目标函数,在满足负荷需求和供电可靠性的前提下,建立较为完善的联合系统发电模型,同时提出一种同时动态调整学习因子和惯性权重的免疫粒子群算法(CIPSO),以更快地获得系统各部分具体出力计划,同时减少弃风、弃光量,提高联合系统的经济效益。本文建立了风-光-抽水蓄能电站联合发电系统模型。首先,介绍了联合发电系统的构成、基本工作原理、储能装置的分类和重要性以及抽水蓄能电站的优越性和在电网中的作用;其次,针对所选的风电场、光伏电场和抽水蓄能电站模型,分析了风电场、光伏电场的输出功率特性、实际出力和负荷变化间的相关性以及联合系统的工作原理和工作方式;最后,给出联合发电系统模型的目标函数和各种约束条件,建立较为完善的联合系统发电模型。本文提出一种同时动态调整学习因子和惯性权重的免疫粒子群算法(CIPSO)来求解单目标约束优化问题。首先,简单介绍了标准粒子群算法的基本原理和算法流程;其次,针对标准粒子群算法早熟、收敛速度慢及易陷入局部最优的缺点提出了同时动态调整学习因子和惯性权重的免疫粒子群算法;最后,为了解决风-光-抽水蓄能电站联合发电系统这一带约束化的问题,采用了罚函数法,将CIPSO与罚函数相结合,把有约束问题通过加入惩罚项转化为无约束的优化问题,并给出了算法的算法流程。在未给定供电计划和给定供电计划两种情况下,使用MATLAB仿真软件分别对模型进行求解,并从配置抽水蓄能电站的必要性、算法改进前后的收敛速度、弃风和弃光量、联合系统经济效益、抽水蓄能电站经济效益对结果进行了分析,验证了模型的有效性和算法的可行性。