基于Pareto解的风电-水电联合运行研究

合集下载

基于PSAT的风机接入电网模型的研究

ａｄｐｔｈａｇｅｃｎｒｌｏｍｓｕｉｇａ１５ＭＷｏｂｙｆｄｗｎｕｂｎ＇ｍｅｈｉａｄｅｅｔｃｌｐｒｍｅｅ，ａｗｉｄｔｒｉｅｃｎｅｔｄｔｎｉｎｌｏｔｏｒ，ｓｎ．ｃｆｄｕｌ — ｉｄｔｒｉｅｃａｃｌａｌｃｒａａａｔｒｎｕｂｎｏｎｃｅｏｅｓｎｎｉ
内置的风机模型能很好地进行风机接入电网的兼容性分析。关键词：风力发电；电网；风机模型；双馈发电机；ＡＴＰＳ；潮流计算
中图分类号：Ｍ１Ｔ２Ｔ６４；ＨＩ２文献标志码：Ａ文章编号：０１４５（０２００２０１０ — ５１２１）７— ８９— ４
ＷｉｄｔｒｉｅｇｉｏｅａｅｎＰＳｎｕｂｎｒｄｍｄｌｂｓｄｏＡＩ
ＬｏｌＷＵＣｅ．ｉＯＵＹａ — ｎ，ｈｎｘ，Ｌｎ．ｕｉＩＭｉｇｆ，ＪＡＮＧｅｆＩＸｉ：ｕ．
（．ＳａｅＫｙＬｂｏｎｏｅｙｔ１ｔｅａｆｔＷｉｄＰｗｒＳｓｍ，ＺｅｉｇＷｉｄｙＣ．ＬｄＨａｇｈｕ３０１，ＣｉａｅｈＪｎｎｅｏ，ｔ．，ｎｚｏ１０２ｈｎ；ａ
发电机组机模型及其电压、转速和桨角的控制形式的基础上，根据某１５Ｍ双馈风机的机械及电气数据，．Ｗ建立了风机接人电网模
型及接入电网的典型接线形式，并在潮流计算模块与时域计算功能模块的基础上，编制了仿真程序，最后在阵风与湍流风模型下对风机转速、电压、功率的变化进行了动态仿真。仿真及研究结果表明，运用该方法分析所得结果与实际的风机特性一致，用ＰＳ利ＡＴ

基于pareto改进人工鱼群算法的微电网优化运行

基于pareto改进人工鱼群算法的微电网优化运行摘要：本文研究由机械、电气及其控制等设备组成的风力发电单元、将太阳能转换为电能的光伏发电设备、燃料电池、以天然气、甲烷等燃料的超小型热力发电机和蓄电池储能装备组成的并网运行的微电网优化运行问题，本文考虑微电网中各单元的发电成本和环保成本，使微电网在一个调度周期内综合经济最低，建立微电网多目标优化运行模型，采用pareto支配方法与群智能算法结合的方式解决多目标优化问题，本文中采用的群智能算法是人工鱼群算法，求解模型得出微电网一个调度周期的最优各发电成本和运行总成本，并与基本的人工鱼群算法进行比较，仿真表明：改进算法的收敛速度和收敛性都有所提高，并且在多目标的考虑上更贴合实际。

关键词：微电网；多目标优化；人工鱼群算法；pareto理论微电网是由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等构成的小型发配电系统，有效的解决了可再生能源和分布式电源单机接入成本高、控制困难等问题，微电网既可以与配电网连接运行，也可以脱离配电网单独运行，运行方式灵活多变，具有很大潜能[1-2]。

微电网的优化运行是微电网研究中的一个重要方向，微电网的优化运行是一个多目标的优化问题，各子目标的优化结果往往相互约束、此消彼长，改变其中的一个目标往往会导致其他目标的优化结果，这也成为了研究的难点[3]。

本文以发电成本和环保成本综合经济为目标，给出微电网中个发电单元的数学模型和约束条件，并建立目标函数，采用结合pareto方法的改进人工鱼群算法对问题进行求解并得出pareto最优解，用以描述一个调度周期内微电网的运行方式，提高微电网中经济效益。

1.微电网内各发电单元模型本文中研究的微电网中的发电单元包含风机（WT）、光伏（PV）、微型燃气轮机（MT）、燃料电池（FC）、以及蓄电池储能系统。

1.1风机发电风机发电模型参考文献：8，根据空气动力学，风力发电的功率输出可以概括为：（1-1）式中，Ｖ为风速，为空气密度，为风机叶片的半径，为叶片的扫落面积。

风电-抽水蓄能电站联合运行的多目标优化

ｗａｅｗｅｔｒｇ；ｐｗｅｏｅａｔｇｔｒｐｏｒｓｏａｅｏｒｆｒｃｓｉｎ
风能的随机性和波动性给电力系统的稳定运行带来了新的挑战［．１利用储能技术为风电场配置一］个储能系统，是改善风力发电特性的措施之一．前目已有很多蓄能方案，如抽水蓄能、压缩空气蓄能、超
Ａｂｔａｔｎｏｄｒｔｋｕｌｔｌａｉｎｏｎｎｒｙ，ａｄｉｒｖｈｕｐｔｃａａｔｒｓｉｓｏｎｓｒｃ：Ｉｒｅｏｍａｅｆｌｕｉｚｔｏｆｗｉｄｅｅｇｉｎｍｐｏｅｔｅｏｔｕｈｒｃｅｉｔｆｗｉｄｃ
风电一抽水蓄能电站联合运行的多目标优化
王晓兰，志伟李
（兰州理工大学电气工程与信息工程学院，甘肃兰州７０５）３００
摘要：了充分利用风能，为改善风电场的功率输出特性，建立风电场一抽水蓄能联合供电系统的优化模型．以联合运行系统的效益最大和输出功率平滑为优化目，标采用多目标克隆选择算法，型进行求解和仿真分析．对模通过优化计算使风电抽水蓄能联合运行系统在提高运行效益的同时，出功率得到平滑．用风电场功率预测技术，一输应通过
ｆｒ，ａｏｔｍｉａｉｎｍｏｅｆｃｍｂｎｄｐｗｅｕｐｙｓｓｅｗｉｈｗｉｄｐｗｅｎｕｅｔｒｐｗｅａｍｐｉｚｔｏｄｌｏｉｅｏｒｓｐｌｙｔｍｔｎｏｒａｄｐｍｐｄｗａｅｏｒｏ
ｏｉｓｓｅｗｅｅｔｋｎａｈｐｉｚｔｎｏｊｃｎｙｕｉｇｔｅｍｕｔｏｊｃｉｅｃｎｌｅｅｔｎａｇ — ｆｈｓｙｔｍｒｅｓｔｅｔａｉｂｅｔｄｂｓｌ—ｂｅｔｌａｓｌｃｉｌｏｔａｏｍｉｏａｎｈｉｖｏｏ

Pareto蚁群算法在多目标电网规划中的应用

Pareto Ant Colony Algorithm f or Multi2objective Po wer Net work Planning
FU Yang1 , M EN G Ling2he2 , ZHU Lan1 , CAO J ia2lin1 ( 1. School of Elect rical Engineering and A uto matio n , Shanghai U niver sit y of Elect ric Power , Shanghai 200090 , China ; 2. School of Mechanical & Elect ro nic Engineering and A uto matio n , Shanghai U niver sit y , Shanghai 200072 , China )
( 3) 采用群体搜索策略的直接解法。文献 [ 4 ]
采用多目标遗传算法寻找电网规划的 Pareto 最优解 , 存在的问题是需要采用合适的参数编码以及如何确定遗传算法中的有关参数。文献 [ 5 ] 利用非支配遗传算法与协同进化算法结合对各目标权衡分析、处理大规模多区域规划问题 , 但该方法目标函数可靠性考虑不足 , 仅仅采用 N21 校验。蚁群算法 [ 6 ] 作为一种群体策略的并行进化计算方法 , 不需要进行合适的参数编码 , 运用正反馈原理加快了进化过程。奥地利学者 Karl Doerner [ 7 ] 提出一种 Pareto 蚁群算法用于多目标资产选择问题 , 文献 [ 9 ] 将多目标蚁群算法引入配电系统战略最优规划 , 但目前应用于多目标问题的蚁群算法仍然很少 , 特别是电网规划领域有待进一步研究。本文在前人的基础上对 Pareto 蚁群算法加以改进用于多目标电网规划 , 采用经典的电网规划经济性模型和可靠性模型 , 利用单种群蚁群算法 , 在蚂蚁构造解的初始阶段随机确定各目标权重 , 增加了 Pareto 最优判断机制 , 经过反复迭代求出 Pareto 全局最优解。最后通过算例验证了算法的有效性。

基于ETAP的风电场接入对电网电能质量评估与治理研究

风电场出（％）Ｏ１Ｏ１
ｌ
５０
９０
ｌ００
２电能质量分析
２．１风电场无功特性分析
（１）风电场无功调节能力：设置并网点额定电压为
风电机组功率风电场侧电压１．００１因数超前０．９５贝岭站侧电压０９９９
．
０．９９３０．９６６０．９５５
０．９９４０．９７ｌＯ．９６１
风电机组功率风电场侧电压１．ｏ０ｌ１．００９１．０３８１．０５７１．Ｏ６
１基于ＥＴＡＰ的风电场电能质量评估实例
１．１风电场概况
（１）风电场总体设计。风电场建设容量为４９．５ＭＷ，其中电源部分为安装国电联合动力技术有限公司ＵＰ２０００型２ＭＷ风力发电机组２４台，安装１．５ＭＷ的风力发电机组１台，风电机组接线方式采用一机一变单元接线方式，２．０ＭＷ风电机组箱变容量选用２２００ｋＶＡ，１．５ＭＷ风电机组箱变容量选用１６００ｋＶＡ：集电部分的方案为采
于直接接入公共电网的风电场其配置的容性无功容79量能够补偿风电场满发时场内汇集线路主变压器的分利用风电机组的无功容量和调节能力的前提下同感性无功及风电场送出线路的一半感性无功之和其时预留一定的裕度最后推荐在升压站风电场35kv配置的感性无功容量能够补偿风电场自身的容性充母线装设一套容量为5mvar的静止无功发生器电无功功率及风电场送出线路的一半充电无功功svg

基于Pareto档案粒子群算法的微电网多目标优化方法[发明专利]

专利名称：基于Pareto档案粒子群算法的微电网多目标优化方法
专利类型：发明专利
发明人：张倩,丁津津,王群京,黄少雄,郑浩,梁肖,汪伟,王松
申请号：CN201710773989.3
申请日：20170831
公开号：CN107609693A
公开日：
20180119
专利内容由知识产权出版社提供
摘要：本发明针对微电网多目标优化问题转化为单目标优化问题，提供一种基于Pareto档案粒子群算法的微电网多目标优化方法。

该方法，包括建立多个优化目标函数，确定微电网的约束条件，将多个优化目标函数表征的多目标优化问题转换为成单目标优化问题，采用基于Pareto档案粒子群算法对微电网多目标优化进行求解，输出一组非劣解集，根据预设的满意程度评价标准在非劣解集中确定最优解，并对微电网运行进行优化。

本发明采用Pareto档案多目标粒子群优化算法对微电网内各个分布式电源的输出功率包括储能装置的充/放电进行优化求解，将外部档案维护和全局最好位置选取结合在一起，通过比较分析优化结果，验证了算法的有效性和可行性。

申请人：安徽大学,国网安徽省电力公司电力科学研究院,国网安徽省电力公司
地址：230601 安徽省合肥市经济技术开发区九龙路111号
国籍：CN
代理机构：杭州浙科专利事务所(普通合伙)
代理人：吴秉中
更多信息请下载全文后查看。

计及阶梯式碳交易的风－光－火－抽蓄联合系统日前优化调度

２０２３年１０月水利学报ＳＨＵＩＬＩＸＵＥＢＡＯ第５４卷　第１０期文章编号：０５５９－９３５０（２０２３）１０－１１６３－１４收稿日期：２０２３－０４－２６；网络首发日期：２０２３－１０－１３网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３１０１１．０９１３．００１．ｈｔｍｌ基金项目：国家自然科学基金重点项目（５１８３９０１０）；陕西高校青年创新团队（２０２０－２９）；中国博士后科学基金面上项目（２０２２Ｍ７２２５６０）作者简介：李琛玺（１９９３－），博士后，主要从事多能互补优化调度研究。

Ｅ－ｍａｉｌ：ｌｉｃｈｅｎｘｉ＠ｘａｕｔ．ｅｄｕ．ｃｎ通信作者：郭鹏程（１９７５－），教授，主要从事清洁能源高效利用研究。

Ｅ－ｍａｉｌ：ｇｕｏｙｉｃｈｅｎｇ＠ｘａｕｔ．ｅｄｕ．ｃｎ计及阶梯式碳交易的风－光－火－抽蓄联合系统日前优化调度李琛玺１，燕　恒１，张　浩１，郭鹏程１，２（１．西安理工大学水利水电学院，陕西西安　７１００４８；２．西安理工大学省部共建西北旱区生态水利国家重点实验室，陕西西安　７１００４８）摘要：在以水、风、光等清洁可再生新能源为主的电力系统中，风电与光伏出力的不确定性会导致电源侧的灵活性调节能力不足，并且难以精准量化评估系统的降碳效益。

本文采用模糊机会处理功率平衡约束来表征风光出力的不确定性，耦合阶梯式碳排放成本计算方法，构建新型风－光－火－抽蓄联合运行系统日前优化调度模型。

以西北地区某新能源基地为研究对象，将火电机组运行成本、弃风弃光惩罚成本、抽蓄电站运行成本以及碳排放成本构成的综合成本最低作为优化目标，采用分段线性化方法处理火电机组运行成本的凸性非线性项。

实际算例优化结果表明，抽蓄电站的加入使得联合系统的总运行成本与碳排放量均大大降低，且对风－光－火－抽蓄联合运行系统引入模糊机会与阶梯式碳交易后，综合运行成本降低３．２％，碳排放量减少１４．３％，弃风弃光成本下降了５５．７％，验证了本文所构建的新型模型的有效性。

基于改进粒子群算法的Pareto多目标配电网重构

基于改进粒子群算法的Pareto多目标配电网重构摘要：针对标准粒子群算法易收敛到局部最优的缺点，本文对粒子群算法做出了部分改进，同时引入了Pareto多目标的配电网模型，这种模型相对于单目标和加权多目标模型相比更具实际工程意义。

用IPSO算法来求解这个问题，由于该算例没有提供各条支路上允许通过的电流，在求解的时候选取了网络损耗、节点最低电压幅值、操作开关次数三个目标函数，得到一组重构方案，如表1所示。

从该仿真算例的结果来看，运用本文的方法得到了一组重构结果，为决策者提供了更多的选择方案。

决策者可以结合实际的情况，在其中选出适宜的重构方案。

这比以网络损耗为单一目标得出的单个最优解有更好的实用性和合理性。

5 结论本文将网络损耗、节点最低电压幅值、支路电流负荷比最大值、操作开关次数作为配电网重构的四个目标，以此为基础建立了Pareto多目标数学模型，并针对PSO算法的早熟收敛问题提出了新的IPSO算法解决配网重构问题。

本文以IEEE33节点经典算例和国外一个实际的配电系统为算例对算法进行了试算，并对仿真结果进行了具体分析，验证了用于配电网重构的改进粒子群算法的有效性和快速收敛性。

参靠文献：[1]刘健，倪建立，杜宇。

配电网故障区段判断和隔离的统一矩阵算法[J]。

电力系统自动化，0999，23（1）：31-33[2]杜卫红，孙雅明，刘宏靖，等。

基于遗传算法的配电网故障定位和隔离[J]．电网技术，2000，24（5）：52-55[3]卫志农，何桦，邓玉平。

配电网故障区间定位的高级遗传算法[J]。

中国电机工程学报，2002，22（4）：127-130．[4]Hsu Y Y，Kuo H C．A heuristic based fuzzy restoration approach for distribution system service restoration[J]．IEEE Trans on Power Delivery，1994，9(2)：948-953．，[5]邓佑满，张伯明，相年德．配电网络重构的改进最优流模式算法[J]．电网技术，1995，19(7)：47-50．[6]胡敏羑，陈元．配电系统最优网络重构的模拟退火算法[J]．电力系统自动化，1994，18(2)：24-28.。

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)。

ｏｂｊｅｃｔｉｖｅｃｌｏｎａｌｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｇｅｔｕｎｉｆｏｒｍｄｉｓｔｒｉｂｕｔｅｄＰａｒｅｔｏｓｏｌｕｔｉｏｎｓｅｔ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｊｏｉｎｔｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｃａｎｐｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｖａｌｕｅｆｏｒｔｈｅｆｌｅｘｉｂｌｅｓｃｈｅｄｕｌｉｎｇｏｐｅｒａｔｉｏｎｏｆｗｉｎｄｆａｒｍｓｕｎｄｅｒｄｉｆｅｒｅｎｔｏｂｊｅｃｔｉｖｅｓａｎｄ
克隆选择算法进行仿真求解，得到均匀分布的Ｐａｒｅｔｏ解集。结果表明联合优化模型可以为风电场在不同目标与要求
下的灵活运行提供参考调度值，同时有效削弱风电的随机性和不稳定性，有利于风电并网。关键词：抽水蓄能；多目标优化；Ｐａｒｅｔｏ；联合运行；风力发电
时段的电网电价与负荷要求入网。抽水蓄能具有
１联合运行优化系统模型
１．１目标函数
优化模型包含经济效益目标和电能质量目标２个优化目标。（１）联合系统效益目标。联合优化系统经济效益Ｆ由３部分组成，风电场发电直接入网效益ＣＰ、抽水蓄能电站发电入网收益ＣＰ和抽水成本
（ＨｅｎａｎＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅｏｆＡｐｐｌｉｅｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｇｚｈｏｕ４５００４２，Ｈｅｎａｎ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔａｋｉｎｇｏｐｅｒａｔｉｏｎｂｅｎｅｆｉｔａｎｄｏｕｔｐｕｔｐｏｗｅｒｑｕａｌｉｔｙｏｆｗｉｎｄｆａｒｍａｓｏｐｔｉｍｉｚａｔｉｏｎｏｂｊｅｃｔｉｖｅｓ，ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｐｅｒａｔｉｏｎ
ｒｅｑｕｉｒｅｍｅｎｔｓ，ｗｈｉｃｈｃａｎｅｆｆｅｃｔｉｖｅｌｙａｌｌｅｖｉａｔｅｔｈｅｒａｎｄｏｍｎｅｓｓａｎｄｉｎｓｔａｂｉｌｉｔｙｏｆｗｉｎｄｐｏｗｅｒａｎｄｉｓｂｅｎｅｉｃｆｉａｌｔｏｔｈｅｇｒｉｄ
中
０引言
囊萋
．．
标函数，建立风电一水电联合优化运行模型。采用改进的多目标克隆选择优化算法对模型进行仿真求解，得到均匀分布的Ｐａｒｅｔｏ解集，这样就为风电场根据不同的电网要求灵活并网提供充足的参考参数。
ｍｏｄｅｌｏｆｗｉｎｄ－ｈｙｄｒｏｐｏｗｅｒｓｕｐｐｌｙｉｓｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｔｈｅｓｉｍｕｌａｔｉｏｎａｎｄａｎａｌｙｓｉｓａｒｅｃａｒｒｉｅｄｏｕｔｂｙｕｓｉｎｇｉｍｐｒｏｖｅｄｍｕｌｔｉ —
ｃｏｎｎｅｃｔｉｏｎｏｆｗｉｎｄｐｏｗｅｒ．
ＫｅｙＷｏｒｄｓ：ｐｕｍｐｅｄｓｔｏｒａｇｅ；ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ；Ｐａｒｅｔｏ；ｃｏｍｂｉｎｅｄｏｐｅｒａｔｉｏｎ；ｗｉｎｄｐｏｗｅｒ
风电作为清洁能源因其波动性大，入网对电力系统的稳定运行造成一定的冲击，制约了风电的进
一
步发展。。目前学者研究最多的是把风电与储能
系统结合，将风能在 “时空 ” 上进行分离，根据不同
第４３卷第５期发电
基于Ｐａｒｅｔｏ解的风电一水电联合运行研究
李志伟，刘庆花，黄双成，张虎
（河南应用技术职业学院，河南
一ｌｌ
郑州４５００４２）
摘
要事以风电场运行效益和输出电霉目质薰为优化目标’ ｊ建立风电水电联合供毫优化运行模型 ’ 利用改进的多目标