考虑风力发电批特征的电力机组调度问题
风能发电的电力系统调度与运行
风能发电的电力系统调度与运行随着能源需求的不断增加和对环境的关注，风能发电作为一种可再生的清洁能源被广泛应用于电力系统。
然而，由于风能发电的不稳定性和不可控性，电力系统调度与运行面临着一系列的挑战。
本文将探讨风能发电的电力系统调度与运行相关问题，并提出一些解决方案。
一、风能发电的特点风能发电是利用风能将风能转化为电能的过程。
相比传统的化石燃料发电，风能发电具有以下几个特点：1. 不可控性：风能的产生受到气象条件的影响，风速的变化相对较大。
因此，风能发电的输出功率也会有所波动。
2. 随机性：风能的变化无法事先准确预测，其输出功率呈现随机性。
这给电力系统调度与运行带来了一定的不确定性。
3. 不稳定性：由于风能的波动性，风能发电输出的功率存在明显的不稳定性。
这对电力系统的负荷平衡和供需匹配提出了挑战。
二、风能发电的调度与运行问题在电力系统中大规模集成风能发电需要解决以下几个问题：1. 风电功率预测：由于风能的不可控性和随机性，对风电功率进行准确预测是风能发电调度与运行的基础。
通过利用气象数据和风机状态信息，可以建立预测模型，对未来一段时间内的风电功率进行预测。
2. 调度策略：针对风能发电的特点，需要制定有效的调度策略。
一方面，需要考虑风电的不稳定性和波动性，保持电力系统的平衡和稳定；另一方面，还需要优化风能发电与传统发电的协调运行，以最大化风能发电的利用。
3. 调度计划的实施：制定好的调度计划需要得到有效的实施。
这涉及到与风电场的协调和通信，确保发电计划能够准确执行。
4. 能量储存与调度：为了解决风能不可控性和不稳定性带来的问题，引入能量储存技术成为一种解决方案。
例如，通过建立储能系统，将多余的风能转化为电能进行储存，待需要时再释放出来。
三、风能发电调度与运行的解决方案为了解决风能发电的调度与运行问题，可以采用以下一些解决方案：1. 提高风电功率预测准确性：通过引入高精度的气象数据和风机状态监测系统，可以提高风电功率预测的准确性，降低不确定性。
电力系统中的风力发电优化调度研究
电力系统中的风力发电优化调度研究随着可再生能源的快速发展，风力发电作为其中的重要组成部分，正逐渐成为电力系统中的主导能源之一。
然而，由于风力发电的不确定性和不稳定性，如何实现风力发电的优化调度成为电力系统研究领域的一个重要挑战。
本文将就电力系统中风力发电的优化调度研究进行探讨，旨在提出有效的解决方案，促进风力发电在电力系统中的可持续发展。
一、风力发电的关键特点和挑战风力发电作为一种可再生能源，具有许多优势，包括零排放、资源丰富、潜力大等。
然而，由于风力发电依赖于风速和风向等自然条件，其电力输出具有不确定性和不稳定性。
这给电力系统的运行和调度带来了许多挑战。
首先，由于风速无法可靠预测，风力发电的功率输出难以确定，这给电力系统的稳定性带来威胁。
其次，电力系统需要满足用户的需求，对风力发电的功率输出有一定的要求，而如何将风力发电的不确定性与用户需求相匹配也是一个难题。
此外，风力发电的分布广泛，不同风电场之间的风力特性存在差异，如何将不同风电场的风力发电协调起来，提高整体效益也是一个挑战。
二、风力发电优化调度的目标和方法风力发电优化调度的目标是在保证电力系统安全稳定运行的前提下，最大限度地利用风能资源，实现经济效益最大化。
为了实现这一目标，研究者们提出了许多优化调度方法。
其中，基于数学建模的方法是最常用的方法之一。
通过对风力发电机组、传输线路和负荷等进行建模，构建起一个能够描述电力系统运行状态的数学模型。
然后，利用最优化算法求解该模型，得到最优的发电和输电策略。
另外，基于仿真优化的方法也得到了广泛应用。
通过建立一个电力系统的仿真模型，模拟风速变化、负荷需求变化等情况，然后通过优化算法寻找最优的发电和输电策略。
三、风力发电优化调度的关键技术风力发电优化调度的关键技术主要包括风速预测、风力发电机组出力预测、负荷预测和优化算法。
首先，风速预测是实现风力发电优化调度的基础。
通过对历史风速数据和气象因素的分析，建立风速预测模型，准确预测未来一段时间的风速，为优化调度提供准确的输入数据。
含风电场的电力系统优化调度策略研究
含风电场的电力系统优化调度策略研究第一章：绪论1.1 研究背景随着全球能源需求的不断增长和对环境保护的要求，新能源发电成为了解决能源短缺和减少碳排放的重要途径。
风电作为新能源发电的重要组成部分，在世界范围内得到了广泛的应用和发展。
然而，风电场的不确定性和间歇性给电力系统的运行和调度带来了一定的挑战，因此，优化调度策略成为了提高风电场发电效率和电力系统可靠性的关键问题。
1.2 研究目的和意义本论文旨在研究含风电场的电力系统优化调度策略，通过对风电场发电特性和电力系统调度问题的分析，探索有效的优化调度策略，提高电力系统的经济性和可靠性。
这对于优化电力系统运行、降低电力成本和改善能源利用效率具有重要意义。
第二章：风电场发电特性分析2.1 风能资源特性风能是风力发电的基础，风能资源的分布和特性对风电场的发电能力和效率有着重要影响。
本节将对风能资源的分布特点、风速和风力密度等参数进行分析，并介绍常用的风能资源评价方法。
2.2 风电场发电特性风电场的发电特性主要包括风机功率曲线、风速输出曲线和风电场功率调度策略等。
本节将介绍风机的发电特性和风电场的功率输出特点，以及常见的风电场功率调度策略。
第三章：电力系统调度问题分析3.1 电力系统调度概述电力系统调度是指根据电力需求和发电资源的情况，对电力系统的发电机组和输电线路等进行合理调度，以实现电力系统的稳定运行和经济运行。
本节将介绍电力系统调度的基本概念和调度目标。
3.2 含风电场的电力系统调度问题含风电场的电力系统调度问题主要包括风电场发电不确定性引起的电力系统调度困难和风电与传统火电之间的协调与优化问题。
本节将分析这些问题的挑战和影响，并对风电场的调度问题进行深入研究。
第四章：电力系统优化调度策略研究4.1 优化调度模型建立为了实现电力系统的经济性和可靠性，需要建立合理的优化调度模型。
本节将介绍常用的电力系统优化调度模型，包括基于经济性目标的模型和基于可靠性目标的模型。
含风力发电的电力系统经济调度
学号：常州大学毕业论文（2012届）题目含风力发电的电力系统经济调度学生学院专业班级校内指导教师专业技术职务校外指导教师专业技术职务二零一二年五月含风力发电的电力系统经济调度摘要：随着煤、石油、天然气储量的日益减少和二氧化碳等温室气体的不断增加。
全球气候变暖，海平面上升。
新能源的利用越来越受到人们的重视，风能作为一种干净的、储量极为丰富的可再生能源，是新能源领域中最重要、开发前景最好的能源之一。
由于风能的随机性，风力发电使得电力系统调度的不确定性因素增加，对电力系统经济调度提出了新的要求。
根据火电厂和并网风力发电机组经济调度的特点，建立含风力发电的电力系统经济调度模型。
并采用混合整数规划法来解决含风力发电的经济调度问题。
通过算例可知，风电的加入减小了系统运行的燃料成本，改变了常规火电机组的启停和出力。
本文充分利用了风电清洁可再生的特点，减少的高能耗火电机组的启停，达到节能减排的目标，实现低碳生活。
关键词：电力系统；风力发电；混合整数规划法Economic Dispatching of Power System including WindPower GenerationAbstract：With increasing of coal，oil and natural gas reserves dwindling and carbon dioxide and other greenhouse gases．Global warming causes sea levels rising. The use of new energy is receiving more attention．Wind energy as a kind of clean，abundant reserves renewable energy is the most important energy of new energy source.Due to the randomness of wind energy, the use of wind power will increase the uncertain factors of the power system dispatching, and new demands of the economic dispatching of the power system should be raised. According to the characteristics of economic dispatching of thermal plants and wind power, and established economic dispatching model of power system include wind power. The mixed integer programming approach theory is used, which aims to solve the problems between the wind power units and thermal units. Examples indicate that the combination of wind and thermal power will reduce the fuel cost of the running system, the conventional units’ status of on and off and their outputs are also affected. In this article, the clean and renewable characteristics of wind power is fully used, reduced the thermal units’status of on and off. It can achieve emissions-reduction targets, and low carbon life will come true.Keywords：power system, wind power generation, mixed integer programming approach目录摘要 (I)Abstract (II)目录................................................................................................................................................. I II 1 引言.. (1)1.1课题研究背景及意义 (1)1.1.1 研究背景 (1)1.1.2研究意义 (1)1.2 风力发电现状和发展趋势 (2)1.2.1 全球风电的发展现状 (2)1.2.2国内风能发展现状 (3)1.2.3风力发电的发展趋势 (4)1.3本文的主要工作 (7)2含风力发电的电力系统经济调度 (8)2.1风电的优势和局限性 (8)2.2风电并网对电力系统的影响 (9)2.2.1 风电并网对电网电压的影响 (9)2.2.2风电并网对电力系统暂态稳定性的影响 (9)2.3传统火电机组优化调度模型 (10)2.3考虑风电的电力系统经济调度模型 (11)2.3.1 设计思路 (11)2.3.2目标函数 (12)2.3.3约束条件 (12)3电力系统经济调度算法 (14)3.1优化问题及其分类 (14)3.2优化问题解决方法 (16)3.2.1优化算法目前的发展状况 (16)3.2.2启发式方法 (17)3.2.3动态规划法 (17)3.2.4混合整数规划法 (18)3.2.5拉格朗日松弛法 (19)3.2.6遗传算法 (20)3.3算法比较和选择 (21)4 软件介绍及算例分析 (22)4.1 程序的编制、运行与调试 (22)4.1.1 CPLEX介绍 (22)4.1.2程序的运行及调试 (23)4.2算例分析 (24)4.2.1不考虑风力发电的火电厂经济调度 (24)4.2.2考虑风力发电的火电厂经济调度 (24)5 结论与展望 (26)参考文献 (27)附录 (28)1 引言1.1课题研究背景及意义1.1.1 研究背景近年来，人们普遍关注能源和环境问题。
能量系统变革下的风电场调度优化问题
能量系统变革下的风电场调度优化问题一、引言随着全球对能源需求的不断增长和对环境保护的呼吁，能源领域正在经历一场变革。
在能源系统的转型过程中，风能作为一种可再生能源，具有越来越重要的地位。
风电场调度优化问题成为了当前研究的热点之一。
本文将围绕能量系统变革下的风电场调度优化问题展开讨论。
二、风电场运行特点风电场的特点决定了其调度优化问题与传统发电方式存在差异。
首先，风能的稳定性较差，受到天气等自然因素的影响较大，这使得风电的出力具有不确定性。
其次，由于风能的依赖性，风电场的分布较为广泛，形成了分散布局，风机之间相互独立运行，这也为调度优化带来了挑战。
再次，风电场与传统能源电网之间的接入问题也需要考虑。
三、风电场调度优化问题的相关研究1. 调度模型风电场调度优化问题的核心在于构建合理的调度模型。
目前，常见的风电调度模型主要包括经济调度模型、可靠性调度模型和多目标调度模型等。
经济调度模型旨在最小化发电成本，可靠性调度模型则关注风电场的可持续发电能力，多目标调度模型则同时考虑经济性和可靠性等多个指标。
2. 优化算法为了解决风电场调度优化问题，研究者们提出了各种不同的优化算法。
目前常见的算法包括遗传算法、粒子群算法、模拟退火算法等。
这些算法在优化调度模型时能够找到最优或次优解，帮助风电场实现经济性和可靠性的平衡。
四、风电场调度优化问题的挑战与展望尽管已经取得了一定的研究进展，但是风电场调度优化问题仍然存在一些挑战。
首先，由于风电的不确定性，调度决策存在一定的风险。
其次，目前的优化算法在求解大规模问题时存在收敛速度较慢的问题，需要进一步改进。
此外，风电场与传统能源电网的接入问题也需要更多的研究。
未来，随着能源系统的变革和技术的进步，风电场调度优化问题还有很大的发展空间。
首先，可以加强与其他可再生能源的协同运行，实现能源的互补利用。
其次，可以借助智能化技术，提高风电场的响应能力和灵活性。
此外，对于风电场与传统能源电网的接入问题，可以研究更加灵活的调度策略，确保能源的平稳供应。
考虑风力发电的电力系统最优调度方法研究
考虑风力发电的电力系统最优调度方法研究[摘要]：国内外对于传统的电力系统最优调度方案的研究大多致力于解决在诸多约束条件下（如电力平衡约束、备用容量约束、机组发电功率约束、机组爬坡率约束、机组启动、运行费用等）如何使系统的燃料耗量、能耗成本最低。
但由于受随机因素（特别是风速）影响较强的风力发电机组的并网，使这一课题又有了新的发展。
本文正是在努力寻找适合这一新的发展形势的电力系统最优调度方法。
在参考了国内外诸多文献的基础上，结合已有的电力系统调度方法，本论文决定采用一种被广泛使用的现代优化算法——遗传算法，来进行包含风电的电力系统调度优化研究。
由于标准的遗传算法中交叉率和变异率和不同会极大影响到算法收敛的速度和陷入局部最优解的可能。
所以，本文采用了改进的遗传算法，即具有自适应的交叉率和变异率的遗传算法。
同时，为了避免遗传算法在单独使用时容易陷入局部最优解、收敛速度较慢等问题，本论文同时引入了模拟退火算法的思想，来控制种群的大小，从而使算法有一定概率接受差解，更能进化到全局最优解。
本文的研究提出了包含风电的电力系统调度问题的模型建立、算法选择、流程的建立。
为考虑风力发电的电力系统最优调度问题提供了一个新的解决方法。
[关键词]：风力发电、遗传算法、模拟退火算法加快开发绿色可再生能源是解决能源与环境问题的重要手段，其中风能是目前最具有开发利用前景和技术最为成熟的一种新型可再生能源。
随着风电技术的不断成熟，目前风力发电已经成为世界上发展速度最快的能源类型。
但是，由于风能具有随机性强等特点，因此风电机并网也对电力系统造成了一些影响。
风电功率和风速有直接的关系，风速有很强的随机性，导致风电机的出力随机波动性很大，同时，国家政策要求优先调度风电，即风力发电产生的电能，一般情况下电网应该全部吸收，因此风电的引入给系统带来了很大的影响，尤其是安排电网经济调度方案时，必须考虑风电的随机性，传统的调度方案也需要重新确定。
电力系统中的风力发电优化调度方法研究
电力系统中的风力发电优化调度方法研究随着可再生能源的快速发展，风力发电作为一种重要的可再生能源形式，正逐渐在电力系统中占据重要地位。
风力发电具有无污染、可再生等众多优点，然而它也面临着波动性强、不可控的问题，这给电力系统的优化调度带来了挑战。
因此，针对风力发电的优化调度方法研究成为当今电力系统领域的热点之一。
风力发电的优化调度方法旨在最大限度地利用风能资源，实现电力系统的稳定供电。
根据系统的特点和需求，风力发电的优化调度方法主要包括风力发电机组的排队调度、电力系统的负荷预测和风速预测等方面。
下面将分别对这些方面进行详细介绍。
首先，风力发电机组的排队调度是风力发电优化调度方法中的重要环节。
排队调度的目标是让风力发电机组在不同风速和负荷条件下运行，以最大化发电效益。
一种常用的方法是通过建立数学模型，将发电量、风速和负载等因素考虑进去，然后根据模型进行计算得出最佳的运行策略，以实现最大发电效益。
其次，电力系统的负荷预测也是风力发电优化调度方法中的重要环节之一。
负荷预测是指对未来一段时间内的电力需求进行预测，以便制定合理的发电计划。
在风力发电中，负荷预测需要考虑到风力发电的不确定性，即风速的波动性和不可控性。
一种常用的方法是利用时间序列分析和统计学方法，在历史数据的基础上对风速进行预测，然后结合负荷预测进行优化调度。
此外，风速预测也是风力发电优化调度方法中的重要环节之一。
风速预测是指对未来一段时间内的风速进行预测，以便制定合理的发电计划。
风速预测方法多种多样，包括基于统计学、基于物理模型和基于人工智能等方法。
其中，基于统计学的方法通常根据历史风速数据进行分析和预测；基于物理模型的方法通过建立风速与气象参数的关系模型，进行风速预测；基于人工智能的方法则利用机器学习算法对大量数据进行学习和训练，实现风速预测。
综上所述，电力系统中的风力发电优化调度方法研究至关重要。
风力发电的优化调度方法旨在最大化利用风能资源，实现电力系统的稳定供电。
风能发电在电力系统中的调度与运营技术
风能发电在电力系统中的调度与运营技术引言随着能源的紧缺和环境保护意识的增强，可再生能源逐渐成为电力领域的重要发展方向之一。
在可再生能源中，风能作为一种无污染、丰富的能源资源，受到了广泛的关注和重视。
然而，由于风速的不稳定性和不可控性，风能发电在电力系统中的调度和运营面临着许多技术挑战。
本文将针对风能发电在电力系统中的调度与运营技术进行详细介绍和分析。
风电调度技术风电调度技术是实现风能发电与电力系统之间优化协调的关键。
其主要目标是提高风电发电效率，降低发电成本，同时保证电力系统的安全运行。
下面将介绍常用的风电调度技术：风速预测技术风速的预测是风电调度的基础。
通过使用气象学、统计学和人工智能等技术，可以对未来一段时间内的风速进行预测。
风速预测的准确性直接影响电力系统的调度决策和经济性。
目前常用的风速预测方法包括数学模型法、统计模型法和人工智能模型法等。
风电功率曲线拟合技术风电功率曲线拟合技术是根据实测数据拟合出风电机组的输出功率曲线，以便进行发电量的预测和调度。
通过拟合风电机组的输出功率曲线，可以准确地预测风电机组在不同风速下的发电能力，从而为电力系统的调度决策提供参考依据。
风电功率预测技术风电功率预测技术是根据已有的历史数据和实时数据，通过建立数学模型来预测风电机组的输出功率。
通过对风电功率的预测，可以更好地安排电力系统的负荷和优化发电计划，从而提高风电发电的经济性和可靠性。
风电发电计划优化技术风电发电计划优化技术是在考虑电力系统的供需平衡、发电成本、能源消耗和环境保护等因素的基础上，通过使用数学规划、模拟优化、遗传算法等方法，实现风电发电计划的优化。
优化的目标是使得风电的发电量最大化，发电成本最小化，同时保证电力系统的供电可靠性和稳定性。
风电运营技术风电运营技术是保证风电机组安全、稳定运行的关键。
下面将介绍常用的风电运营技术：风电机组状态监测技术风电机组状态监测技术是通过对风电机组运行数据的实时监测和分析，判断风电机组的运行状态和故障情况，及时采取相应的措施，保证风电机组的安全和可靠运行。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2015 年 7 月
自 动 化 学 报
ACTA AUTOMATICA SINICA
Vol. 41, 调度问题
郎 劲 1, 2 唐立新 1, 2
摘 要 电力机组组合问题是在给定的计划周期内确定火电、风电和蓄电池机组的开关机状态及发电量, 以满足系统的负荷 需求、旋转备用等约束要求. 为了降低风电在电网中的供电不稳定性, 引入蓄电池储能系统与风机进行协调调度. 由于大数量 风机的介入, 明显增加了问题处理的难度和复杂性. 本文从一个新的视角将相近物理位置的风机进行组批, 基于批的视角对 问题建立了批模型. 为了提高批模型的性能, 提出了批模型参数的变换方法. 根据问题的 NP- 难特征和模型的复杂结构, 开 发了拉格朗日松弛 (Lagrangian relaxation, LR) 算法进行求解. 为了加速算法的求解效率, 提出了子问题近似求解的代理次 梯度的拉格朗日松弛算法. 实验结果表明, 提出的批模型明显优于传统的单机模型. 基于批模型开发的拉格朗日松弛算法与 CPLEX 优化软件相比, 能够在较短的时间内获得高质量的解. 关键词 引用格式
棒性机组调度问题, 针对风电的不确定性, 提出了鲁 棒最优化方法, 该鲁棒最优模型包含了 worst-case 的 scenario 不确定集合. Lee 等[15] 针对带有风电的 电力系统, 建立了考虑传输线约束的两阶段鲁棒机 组组合模型, 并设计了割平面和列生成相结合的加 速求解技术求解该问题. 焦春亭等[16] 在考虑了风电 出力特性、外送通道传输约束和系统备用约束等约 束条件下, 给出了风电和火电联合外送的可行性方 案, 计算结果表明了该方案能够增加风电消纳, 减少 可再生能源浪费. 吴雄等[17] 针对考虑风电不确定性 的风电储能混合系统, 以最大化期望效益为目标建 立了多时间尺度下的混合系统联合调度模型, 并应 用场景消减技术和混合整数规划技术制定了日前和 日内生产计划. 胡泽春[18] 等基于日前负荷预测和 风电出力预测, 考虑抽水蓄能机组的启停约束和运 行工况转换限制, 以风电蓄能联合运行效益最大化 为目标建立了混合整数数学规划模型, 实验结果表 明该模型能够对风储联合系统进行较好的协调调度. 以上研究对风机的调度都是单机控制, 对于加入大 规模风电场并网调度来说, 大大增加了调度的难度. 本文针对发电系统中含有火电、风电和蓄电池 机组进行研究. 在考虑传统火电机组的生产运行约 束条件同时, 模型为减少风电的波动性和随机性, 不 仅考虑了风机的各种爬坡约束, 还增加了风电和蓄 电池机组协调调度约束. 同时, 根据风机位置和风速 预测值对风机发电影响的特点, 采用风机集批调度 策略, 并对同一批内的多个风机通过参数变换聚合 为一个风机进行调度, 以最小化生产运行成本为目 标建立了基于批的混合整数数学规划模型. 根据该 模型的特点, 设计了拉格朗日松弛算法进行求解.
风能与化石能源如煤、石油、天然气相比, 是一 种可再生能源. 近年来, 风电的发展十分迅速, 世界 风电装机容量的年平均增长率超过了 30 %, 到 2020 年预计发电量占世界电力消费的 12 %[1] . 自 2005 年, 我国的风力发电规模连续 3 年实现翻倍增长. 由 于我国传统发电方式主要是燃煤为主的火电为主, 风力发电并入电网能够大大节省矿物燃料的使用, 减少矿物燃料燃烧所排放的 CO2 、 SO2 等有害气体. 但是, 随着大规模风场不断接入电网, 因其风电输出 功率的不确定性, 对电网的安全性带来了极大挑战, 也使电力系统经济调度更加复杂. 因此如何实现能 源的优化配置和合理利用, 如何有效解决含风电场的
LANG Jin1, 2 TANG Li-Xin1, 2 Abstract The unit commitment problem is to determine the start-up/shut-down schedule and economical dispatch schedule of thermal generators, wind turbines and batteries to meet system load demand, reserved constraints, minimum up/down time constraints and other constraints within a certain time horizon. In order to reduce the power supply instability when wind power generation is plugged in the grid, coordinated scheduling of battery energy storage system introduced into the gird and wind turbines is performed. As a large number of wind turbines are plugged in the grid, the difficulties and complexities of the problem are increased significantly. In this paper, from a new batching perspective, we group wind turbines based on their physics locations to formulate the problem. In order to improve the performance of the batch model, a transformation method of model parameters is proposed. For tackling the complicated batch model and its NP-hardness, we develop a Lagrangian relaxation (LR) algorithm. In order to accelerate the algorithm, a surrogate subgradient Lagrangian relaxation algorithm is derived, in which subproblems are solved approximately. The experimental results show that the proposed batch model is superior to the ordinal single-unit model. Compared with CPLEX 11.0, the Lagrangian relaxation algorithm based on the batch model can obtain high quality solutions in a relatively short computation time. Key words Wind turbines, unit commitment, batching, Lagrangian relaxation (LR) Citation Lang Jin, Tang Li-Xin. Unit commitment problem for wind turbines power generation with batching characteristics consideration. Acta Automatica Sinica, 2015, 41(7): 1295−1305
收稿日期 2014-07-04
录用日期 2015-02-02
Manuscript received July 4, 2014; accepted February 2, 2015 国家高技术研究发展计划 (863 计划) (2013AA040704), 国家自然科 学基金 (61374203), 国家自然科学基金创新研究群体科学基金 (713210 01) 资助 Supported by National High Technology Research and Development Program of China (863 Program) (2013AA040704), National Natural Science Foundation of China (61374203), and the Fund for Innovative Research Groups of the National Natural Science Foundation of China (71321001)
1296
自
动
化
学
报
41 卷
电力系统优化运行问题, 已经成为电力系统经济调 度研究的重要课题. 风力发电与常规发电能源相比 也存在局限性, 比如风电的随机性和间歇性. 如果只 有风电独立并网, 必然会对电力系统的稳定运行带 来困难. 因此本文引入蓄电池储能系统与风机进行 协调调度, 以降低风电不可控性对电网的影响. 国内外对风电混合系统的优化调度已经开展了 一些研究. 从以往的研究来看, 对风电波动性的处理 上也采用了很多方式. Sadanandan 等[2] 最早针对 风力发电的间歇性特点对机组组合问题和传统火力 发电经济分配调度的影响进行了研究. Wang 等[3] 提出了涉及安全约束的含风电场的机组组合问题, 并用情景树的方法模拟风电的波动性. 建立的风电 单机组数学规划模型采用 Benders 分解的方法进行 求解. Chen 等[4−5] 以最小化燃料成本和启动成本 为目标, 考虑了因风电不确定性引起的附加旋转备 用约束, 并采用混合动态规划方法对模型进行求解. Denny 等[6] 提出了基于风电的经济分配优化调度模 型, 即在满足系统功率平衡、 备用和发电机组出力约 束条件下, 实现与风电的优化协调调度, 以减少 CO2 等有毒气体的排放. Tuohy 等[7] 考虑了火电和风电 机组的机组组合问题, 以机组发电成本、启停成本、 放散成本以及是否满足需求和旋转备用惩罚成本之 和最小为目标, 考虑风电的不确定性, 建立随机规划 模型, 确定合理的机组开停机计划. Miranda 等[8] 为了增加风电接入的安全性, 建立了数学规划模型, 考虑用隶属度函数来描述系统安全水平与风电穿透 功率/运行成本之间的关系. Hetzer 等[9] 针对长期模 式下的经济调度, 将风速看作服从威布尔 (Weibull) 分布的随机变量, 以此为基础构建了优化模型, 通 过风速 – 功率曲线转换得到相应的风电功率随机分 布函数, 并在目标函数中加入了风电场计划出力超 过或低于可利用风能时相应的惩罚成本. Abreu[10] 针对抽水蓄能和风电协调调度的分布式发电的能源 调度问题进行研究, 考虑了风电的每时段的爬坡速 率及时段内的瞬时爬坡速率等约束, 以减少风电波 动性对电网的影响. Yuan 等[11] 针对储能系统嵌入 到风电场的调度问题进行研究, 建立了蓄电池和风 电的数学模型, 以火电机组优化调度结果为初始解, 通过遗传算法对该问题进行求解. Thatte 等[12] 针 对带有储能的风电场的竞价策略问题进行研究, 提 出了基于鲁棒性的风险管理策略, 通过蒙特卡罗仿 真方法对竞价策略的经济性能进行了评估. Zhao 等[13] 用不确定性需求价格的弹性曲线来模拟用户 对价格的反应, 在考虑风力输出的最坏情况和需求 侧响应情景的同时, 以最大化经济效益为目标, 建立 了多阶段鲁棒混合整数规划模型, 并用 Benders 分 解方法进行求解. Jiang 等[14] 提出了带有风电的鲁