基于功率預(yù)測的含風(fēng)電場電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度研究

肖　峰，陳國初

(上海電機(jī)學(xué)院 電氣學(xué)院，上海200240)

?

基于功率預(yù)測的含風(fēng)電場電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度研究

肖峰，陳國初

(上海電機(jī)學(xué)院 電氣學(xué)院，上海200240)

風(fēng)能作為對(duì)環(huán)境無污染的可再生能源，已經(jīng)被世界很多國家開發(fā)利用。由于風(fēng)電的隨機(jī)性、不穩(wěn)定性等特點(diǎn)，給電力系統(tǒng)的經(jīng)濟(jì)調(diào)度帶來新的挑戰(zhàn)和要求。為了降低風(fēng)電并網(wǎng)帶來的影響和損失，在風(fēng)電功率預(yù)測的基礎(chǔ)上，建立了含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型，并且在計(jì)算整個(gè)調(diào)度成本時(shí)把機(jī)組停運(yùn)造成的損失考慮了進(jìn)去，然后采用了改進(jìn)的粒子群算法模型求解，并對(duì)所提出的改進(jìn)粒子群算法進(jìn)行了證明，最后在10機(jī)機(jī)組實(shí)驗(yàn)系統(tǒng)中應(yīng)用，求解得到最優(yōu)機(jī)組組合和最優(yōu)經(jīng)濟(jì)成本。仿真結(jié)果表明了所提出模型和算法的有效性。

功率預(yù)測；停運(yùn)損失；機(jī)組組合；經(jīng)濟(jì)調(diào)度

0　引言

隨著傳統(tǒng)能源的不斷消耗，使已有的傳統(tǒng)能源越來越少，國家對(duì)新能源的投入與研究也越來越多。風(fēng)能作為一種無污染可再生能源被廣泛開發(fā)利用，隨著風(fēng)電在電力系統(tǒng)中的比重越來越多，電力系統(tǒng)的調(diào)度必須考慮風(fēng)電場的影響[1，2]。文獻(xiàn)[3]中求解含風(fēng)電場的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問題時(shí)，在模型中引入了正負(fù)旋轉(zhuǎn)備用約束，但是只考慮了常規(guī)機(jī)組的發(fā)電成本，模型不夠全面。文獻(xiàn)[4]提出了求解含風(fēng)電場的經(jīng)濟(jì)調(diào)度問題模糊模型，模糊模型中使用的隸屬度函數(shù)較為簡單，有很大的人為因素，所得結(jié)果不能反映實(shí)際情況。文獻(xiàn)[5]在傳統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型上，提出了包含風(fēng)電發(fā)電成本、火電機(jī)組排污的環(huán)境成本的調(diào)度模型，采用基于水平比較規(guī)則的改進(jìn)差分計(jì)劃算法來求解。文獻(xiàn)[6]提出了一種兩階段隨機(jī)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，采用隨機(jī)分解算法對(duì)模型進(jìn)行求解，以便于實(shí)時(shí)應(yīng)用。另外對(duì)電力系統(tǒng)機(jī)組組合的研究，文獻(xiàn)[7]中模擬退火算法優(yōu)化遺傳算法解決發(fā)電機(jī)組啟停機(jī)優(yōu)化問題，滿足了安全可靠的多約束條件下，較好地改善機(jī)組啟停計(jì)劃的經(jīng)濟(jì)性。文獻(xiàn)[8]優(yōu)化調(diào)度模型中引入了超分位數(shù)方法來處理風(fēng)電處理和負(fù)荷預(yù)測偏差不確定性因素引起的失負(fù)荷損失和棄風(fēng)損失。文獻(xiàn)[9]采用了機(jī)會(huì)約束規(guī)劃建立考慮運(yùn)行風(fēng)險(xiǎn)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度，其中，將功率預(yù)測以一種概率預(yù)測的方式展現(xiàn)出來。文獻(xiàn)[10]基于魯棒優(yōu)化理論來建立電力系統(tǒng)旋轉(zhuǎn)備用獲取模型，提出了"風(fēng)電擾動(dòng)參數(shù)"這一隨機(jī)變量來刻畫實(shí)際出力對(duì)系統(tǒng)常規(guī)機(jī)組的波動(dòng)。文獻(xiàn)[11]提出了計(jì)及電壓調(diào)節(jié)效應(yīng),考慮備用響應(yīng)機(jī)制，把發(fā)電和負(fù)荷間功率平衡的實(shí)現(xiàn)為線索的模型，采用基于Benders分解思想來求解模型。文獻(xiàn)[12]搭建的含風(fēng)電場的電力系統(tǒng)動(dòng)態(tài)調(diào)度模型中包含了風(fēng)電出力盈余和不足成本，采用布谷鳥搜索算法對(duì)目標(biāo)函數(shù)進(jìn)行求解，但文中缺少了對(duì)含風(fēng)電場的電力系統(tǒng)中的備用需求的成本。文獻(xiàn)[13]提出一種新的智能混合算法-改進(jìn)粒子群與蜂群混合算法來解決含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型。本文在含風(fēng)電場的電力系統(tǒng)調(diào)度模型中，將風(fēng)電預(yù)測信息考慮進(jìn)去，同時(shí)經(jīng)濟(jì)目標(biāo)函數(shù)中加入了機(jī)組停運(yùn)造成的損失，提出改進(jìn)的粒子群算法來求解，給出了優(yōu)化過后的最優(yōu)機(jī)組組合和最優(yōu)成本。

1　建立含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型

1.1目標(biāo)函數(shù)

根據(jù)《可再生能源法》中的說明[14]，國家電網(wǎng)企業(yè)對(duì)上網(wǎng)風(fēng)電必須全額收購，因此，在不考慮風(fēng)電的費(fèi)用前提下，含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度的目標(biāo)是使常規(guī)機(jī)組運(yùn)行所產(chǎn)生的費(fèi)用最少?？紤]到常規(guī)機(jī)組閥點(diǎn)效應(yīng)的系統(tǒng)發(fā)電成本表達(dá)式為：

(1)

1.2約束條件

(1)有功功率平衡約束

(2)

(2) 常規(guī)機(jī)組發(fā)電出力約束

(3)

(3)發(fā)電機(jī)爬坡率約束

(4)

式中：URn、DRn分別為發(fā)電機(jī)下調(diào)和上調(diào)爬坡速率。

(4)系統(tǒng)正負(fù)旋轉(zhuǎn)備用容量約束

由于風(fēng)電并網(wǎng)及負(fù)荷預(yù)測的不穩(wěn)定性，加上發(fā)電機(jī)組強(qiáng)迫停運(yùn)的存在，需要系統(tǒng)利用正負(fù)備用容量來應(yīng)對(duì)負(fù)荷波動(dòng)和機(jī)組停運(yùn)帶來的影響，同時(shí)風(fēng)電的加入，由于誤差的存在，也需要系統(tǒng)正負(fù)備用容量來消除其影響。正備用容量約束條件：

(5)

負(fù)備用容量約束條件：

(6)

由于發(fā)電機(jī)組強(qiáng)迫停運(yùn)也會(huì)造成相應(yīng)的損失，這項(xiàng)停電損失本文引入到目標(biāo)函數(shù)中去。通過最優(yōu)模型求解出最優(yōu)的機(jī)組組合及最小的成本。具體模型如下：

(7)

式中：F1為加入停運(yùn)損失后的總發(fā)電費(fèi)用；J1、J2分別表示正負(fù)備用容量的損失成本；q1、q2分別為正負(fù)備用容量損失成本系數(shù)。

2　改進(jìn)的粒子群算法

2.1基本的粒子群算法

(8)

(9)

式中：i=1,2,…,m;d=1,2…,D;w是非負(fù)數(shù)，成為慣性因子；加速常數(shù)c1和c2是非負(fù)常數(shù)；r1和r2是[0,1]范圍內(nèi)變換的隨機(jī)數(shù)；α稱為約束因子，目的是控制速度的權(quán)重。

2.2改進(jìn)的粒子群算法及其收斂性分析

PSO算法收斂速度快，需要調(diào)整的參數(shù)少，原理簡單，容易實(shí)現(xiàn)，協(xié)同搜索，同時(shí)利用個(gè)體局部信息和群體全局信息指導(dǎo)搜索，更容易飛躍局部最優(yōu)信息。但PSO算法的缺點(diǎn)也是顯而易見的，算法局部搜索能力較差，搜索精度不夠高，不能絕對(duì)保證搜索到全局最優(yōu)解。為了提高算法的性能，對(duì)速度迭代更新公式中加入新的迭代量，更新公式如下:

(10)

(11)

式中：hd為第d次迭代中的最優(yōu)解；δ1、δ2為影響因子；r3是[0,1]區(qū)間的隨機(jī)數(shù)。引入了新的迭代量，解決了粒子群優(yōu)化算法容易陷入局部最優(yōu)的問題，避免算法出現(xiàn)“早熟”現(xiàn)象。

同時(shí)加速系數(shù)根據(jù)如下公式更新：

式中：c1min=c2min=0.5；c1max=c2max=2；dmax為最大迭代次數(shù)。在搜索一開始，選擇較大的c1和較小的c2，隨著迭代次數(shù)的增加，c1線性遞減，c2線性遞增，使得接下去c1變小，c2變大，從而提高了全局最優(yōu)值的收斂能力。圖1為PSO求解經(jīng)濟(jì)調(diào)度模型的算法流程圖。

通過精益管理系統(tǒng)授權(quán)員工，鼓勵(lì)員工參與日常工作改善活動(dòng)，并培養(yǎng)員工持續(xù)改進(jìn)能力；建立戰(zhàn)略展開系統(tǒng)，確立恩澤真北目標(biāo)，形成共識(shí)機(jī)制，建立持續(xù)改進(jìn)文化，最終助力恩澤醫(yī)療成功轉(zhuǎn)型，提高醫(yī)院運(yùn)營績效，為患者和員工創(chuàng)造價(jià)值。

圖1　PSO算法流程圖

對(duì)于算法的收斂性證明如下。

證明：對(duì)公式(10)、(11)變形得到：

(12)

(13)

在粒子群算法中存在如下定理1：

則式(12)、(13)可以變?yōu)?/p>

(14)

(15)

將(14)、(15)轉(zhuǎn)化如下向量表達(dá)：

令

在PSO收斂下，當(dāng)d→+∞時(shí)，

則

結(jié)論成立。

3　算例分析

本文為驗(yàn)證上述改進(jìn)算法，采用了某裝機(jī)容量20MW的風(fēng)電場和10機(jī)機(jī)組實(shí)驗(yàn)系統(tǒng)進(jìn)行含風(fēng)電場的經(jīng)濟(jì)調(diào)度分析。相應(yīng)的常規(guī)發(fā)電機(jī)機(jī)組參數(shù)參照文獻(xiàn)[16-18]。本文調(diào)度周期以24h為時(shí)段進(jìn)行分析，由于風(fēng)的波動(dòng)性導(dǎo)致風(fēng)電功率的輸出的不穩(wěn)定，對(duì)后面10機(jī)機(jī)組的經(jīng)濟(jì)調(diào)度產(chǎn)生不可忽視的影響。對(duì)風(fēng)功率數(shù)據(jù)的處理與預(yù)測就顯得相當(dāng)?shù)闹匾?。圖2 為風(fēng)電預(yù)測出力計(jì)劃。

圖2　風(fēng)電預(yù)測出力計(jì)劃

在該算法中， 迭代次數(shù)為40， 群體規(guī)模為10，c1min=c2min=0.5,c1max=c2max=2，w=1,考慮到停電損失的存在，設(shè)置系統(tǒng)總負(fù)荷對(duì)正負(fù)備用需求系數(shù)L%為7%，風(fēng)電出力預(yù)測誤差對(duì)正備用容量的需求系數(shù)wu%為15%，風(fēng)電出力預(yù)測出力對(duì)負(fù)備用容量的需求系數(shù)wd%為20%。采用改進(jìn)粒子群算法前后相應(yīng)機(jī)組優(yōu)化組合如表1，描述的是10機(jī)機(jī)組在改進(jìn)粒子群算法優(yōu)化過后的機(jī)組組合和停電損失與未改進(jìn)時(shí)的結(jié)果對(duì)比。

表1　改進(jìn)粒子群算法和基本粒子群算法計(jì)算結(jié)果對(duì)比

由表1 得到，在含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度中，本文采取改進(jìn)后的粒子群算法機(jī)組組合有了一定的變化，同時(shí)實(shí)現(xiàn)了經(jīng)濟(jì)成本的下降。表2為各個(gè)時(shí)段的各臺(tái)機(jī)組出力情況。表3中，在采用優(yōu)化算法優(yōu)化過后明顯比未采用算法優(yōu)化的模型成本降低了很多，而后在改進(jìn)粒子群算法和基本粒子群算法的對(duì)比中，本文所用的改進(jìn)粒子群算法使發(fā)電總成本F1從569 500$～566 980$，省了2 520$，相應(yīng)優(yōu)化后的機(jī)組組合使發(fā)電機(jī)組的停電損失從3 144.593 4$～2 923.869 7$，省了220.723 7$，發(fā)電總成本一共省了2 740.723 7$。

表2　10機(jī)機(jī)組最優(yōu)出力　MW

表3　經(jīng)濟(jì)調(diào)度優(yōu)化前后結(jié)果對(duì)比

4　結(jié)論

本文對(duì)含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度優(yōu)化進(jìn)行了研究，考慮了閥點(diǎn)效應(yīng)成本，最主要加入了因風(fēng)電功率預(yù)測誤差造成的影響而產(chǎn)生的損失和機(jī)組停運(yùn)造成的損失，完善了成本目標(biāo)函數(shù)。采用粒子群算法對(duì)模型優(yōu)化求解，并對(duì)粒子群算法的參數(shù)進(jìn)行改進(jìn)，證明了本文的改進(jìn)后的PSO函數(shù)收斂。最后10機(jī)機(jī)組實(shí)驗(yàn)系統(tǒng)結(jié)果表明，本文所建立的含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型合理，所采用的求解方法使得目標(biāo)函數(shù)成本降低，為解決電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題提供了新的途徑。

[1]李智，韓學(xué)山，楊明，等.計(jì)及接納風(fēng)電能力的電網(wǎng)調(diào)度模型[J].電力系統(tǒng)自動(dòng)化，2010,34(19)：15-19.

[2]張海峰，高峰，吳江，等.含風(fēng)電的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型[J].電網(wǎng)技術(shù),2013,36(5):1298-1303.

[3]姜文，嚴(yán)正.基于一種改進(jìn)粒子群算法的含風(fēng)電場電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2010,38(21)：173-178,183.

[4]XIE L, LLIC M D. Model predictive economic environmental dispatch of power systems with intermittent resources[C]. Power & Energy Society General Meeting, PES.09.IEEE,2009:1-6.

[5]黃興，楊琳琳，韓濤,等.含風(fēng)電機(jī)組的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)排放調(diào)度研究[J].電力科學(xué)與工程,2014，30(8):51-56.

[6]LIU Y, NAIR N K C. A two-stage stochastic dynamic economic dispatch model considering wind uncertainty[C]. Transactions on Sustainable Energy,IEEE,2015,2(7):819-829.

[7]溫步瀛.發(fā)電機(jī)組啟停機(jī)計(jì)劃的智能優(yōu)化研究[D].廈門：福州大學(xué)，2005.

[8]陳彥秀，彭怡峰，李怡舒,等.考慮棄風(fēng)與失負(fù)荷損失的含風(fēng)電系統(tǒng)旋轉(zhuǎn)備用優(yōu)化調(diào)度[J].電力科學(xué)與工程,2016,32(4):8-13.

[9]劉德偉，郭劍波，黃越輝，等.基于風(fēng)電功率概率預(yù)測和運(yùn)行風(fēng)險(xiǎn)約束的含風(fēng)電場電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2013,33(16):9-15.

[10]蔣凌，番志，成天樂.含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用的魯棒優(yōu)化方法研究[J].電力科學(xué)與工程,2013,29(4):1-6.

[11]孫東磊，韓學(xué)山，楊金洪.計(jì)及電壓調(diào)節(jié)效應(yīng)的電力系統(tǒng)機(jī)組組合[J].電工技術(shù)學(xué)報(bào)，2016,31(5)：107-117.

[12]萬隆，高明亮，梁作放，等.基于布谷鳥搜索算法的含風(fēng)電場電力系統(tǒng)動(dòng)態(tài)調(diào)度[J].山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，29(6)：1-5.

[13]何茜，王高峽，王斌.基于粒子群與蜂群結(jié)合的算法求解含風(fēng)電場電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題[J].三峽大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,35(4):57-62.

[14]中華人民共和國可再生能源法[R/OL][2006-1-1].http://baike.so.com/doc/6704954-6918929.html.

[15]卓金武.MATLAB在數(shù)學(xué)建模中的應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2014:156.

[16]曲正偉，王京波，張坤，等.考慮不確定性成本的含風(fēng)電場群電力系統(tǒng)短期優(yōu)化調(diào)度[J].電力自動(dòng)化設(shè)備，2016,36(4)：137-144.

[17]張新松，禮曉飛，王運(yùn)，等.不確定性環(huán)境考慮棄風(fēng)的電力系統(tǒng)日前調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2015,43(24)：75-82.

[18]張燕.含風(fēng)電場的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[D].保定：華北電力大學(xué),2010.Scheduling of Power System Economic Optimization with Wind Farms Based on Power Prediction

XIAO Feng, CHEN Guochu

(School of Electric Engineering, Shanghai DianJi University, Shanghai 200240,China)

Wind energy, as a renewable energy without pollution to the environment, has been developed and applied by many countries in the world. In view of the randomness and instability of the wind power, new challenges and demands of the economic dispatch for the power system has been brought out. In order to reduce the impact and loss of wind power integration on the system, on the basis of wind power prediction, an economic dispatch model for the power system with wind farm is established in this paper. Meanwhile, this paper takes into account the losses caused by the outage of the unit when calculating the whole dispatch cost and uses the improved particle swarm optimization algorithm to solve the model. And the proposed improved particle swarm optimization algorithm is proved in this paper. Finally, the optimal unit commitment and economic cost are also obtained by applying the model to a 10 unit experimental system. The effectiveness of the proposed model and algorithm is verified by the simulation results.

power prediction；loss of unit outage；combination of units；the economic dispatch

2016-07-14。

上海市教委科研創(chuàng)新項(xiàng)目(13YZ140)；上海市教委重點(diǎn)學(xué)科項(xiàng)目(J51901)。

肖峰(1991-)，男，碩士研究生，研究方向?yàn)榇笮惋L(fēng)電場多目標(biāo)優(yōu)化與控制技術(shù),E-mail:2503789524@qq.com。

TK89

ADOI:10.3969/j.issn.1672-0792.2016.10.002