提高風(fēng)電滲透率的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度研究

亢嵐，楊培宏，韓小峰，張繼紅，牧仁

（1.內(nèi)蒙古科技大學(xué)礦業(yè)與煤炭學(xué)院，內(nèi)蒙古包頭 014010；2.內(nèi)蒙古科技大學(xué)信息工程學(xué)院，內(nèi)蒙古包頭 014010；3.包頭供電局，內(nèi)蒙古包頭 014020）

提高風(fēng)電滲透率的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度研究

亢嵐1，楊培宏2，韓小峰2，張繼紅2，牧仁3

（1.內(nèi)蒙古科技大學(xué)礦業(yè)與煤炭學(xué)院，內(nèi)蒙古包頭 014010；2.內(nèi)蒙古科技大學(xué)信息工程學(xué)院，內(nèi)蒙古包頭 014010；3.包頭供電局，內(nèi)蒙古包頭 014020）

為解決風(fēng)電不確定性給電網(wǎng)調(diào)度帶來的困難，研究含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度具有一定的理論和實(shí)際意義。提出了一種改進(jìn)粒子群優(yōu)化算法的多目標(biāo)優(yōu)化調(diào)度方法，以常規(guī)火電機(jī)組發(fā)電成本最小和風(fēng)電消納電量最大為目標(biāo)，建立了含風(fēng)電場的雙目標(biāo)調(diào)度模型，采用改進(jìn)的多目標(biāo)粒子群優(yōu)化算法進(jìn)行優(yōu)化求解。以包頭電網(wǎng)為實(shí)例進(jìn)行了仿真計(jì)算，結(jié)果表明所提方法能夠有效降低系統(tǒng)發(fā)電成本，提高風(fēng)電消納水平。

風(fēng)電場；優(yōu)化調(diào)度；發(fā)電成本；粒子群優(yōu)化；風(fēng)電滲透率

由于風(fēng)力發(fā)電具有保護(hù)環(huán)境、緩解能源危機(jī)及可持續(xù)開發(fā)利用等方面的優(yōu)點(diǎn)，所以受到世界各國的高度重視，越來越多的大型風(fēng)電場相繼建成并與電力系統(tǒng)聯(lián)網(wǎng)運(yùn)行[1-6]。然而，隨著風(fēng)電滲透率的逐步提高，風(fēng)速的隨機(jī)性和不確定性將會給電網(wǎng)調(diào)度帶來巨大困難。相關(guān)文獻(xiàn)表明，風(fēng)電不可控隨機(jī)波動(dòng)性是影響電力系統(tǒng)調(diào)度運(yùn)行的主要因素之一[7-15]，如果調(diào)度部門處理不當(dāng)或系統(tǒng)不具備足夠靈活的可調(diào)節(jié)容量會造成風(fēng)電消納問題，導(dǎo)致棄風(fēng)現(xiàn)象嚴(yán)重，制約風(fēng)電的發(fā)展和大規(guī)模并網(wǎng)[16-20]。為此，如何在確保系統(tǒng)安全運(yùn)行的前提下，盡量避免棄風(fēng)，提高風(fēng)電消納量，以充分利用清潔可再生能源成為最核心的問題之一[21-25]。

文獻(xiàn)[26]研究源荷互動(dòng)的含風(fēng)電場電力系統(tǒng)優(yōu)化調(diào)度方法，考慮智能電網(wǎng)環(huán)境下用戶側(cè)負(fù)荷的可調(diào)峰和可中斷的特性，并將其納入含風(fēng)電場的電力系統(tǒng)優(yōu)化調(diào)度問題，建立了以運(yùn)行成本和網(wǎng)損最小的多目標(biāo)優(yōu)化調(diào)度模型。研究結(jié)果表明，優(yōu)化模型能夠發(fā)揮可調(diào)峰、可中斷負(fù)荷對消納風(fēng)電的積極作用，提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性和風(fēng)電上網(wǎng)功率。文獻(xiàn)[27]建立了含風(fēng)電場的電力系統(tǒng)節(jié)能優(yōu)化調(diào)度策略，構(gòu)建了隨機(jī)規(guī)劃的水、火和風(fēng)混合系統(tǒng)短期優(yōu)化調(diào)度方案，并采用隨機(jī)模擬技術(shù)，結(jié)合序列二次規(guī)劃法求解最優(yōu)值，但未考慮建立多個(gè)目標(biāo)函數(shù)。文獻(xiàn)[28]針對風(fēng)電功率的不確定性等特點(diǎn)，建立了考慮機(jī)組組合的新型多目標(biāo)優(yōu)化調(diào)度模型，提出了基于優(yōu)先排序和多子群協(xié)同進(jìn)化的多目標(biāo)粒子群算法的優(yōu)化調(diào)度方法，研究結(jié)果表明，所提方法和模型能夠解決含風(fēng)電的大系統(tǒng)、多維數(shù)的優(yōu)化調(diào)度問題。文獻(xiàn)[29]提出了綜合考慮負(fù)荷需求、備用需求、機(jī)組參數(shù)以及線路傳輸容量的電網(wǎng)風(fēng)電消納優(yōu)化調(diào)度方法，但僅針對單個(gè)風(fēng)電接入點(diǎn)進(jìn)行研究。文獻(xiàn)[30]建立了風(fēng)、氣、火聯(lián)合優(yōu)化經(jīng)濟(jì)調(diào)度模型，通過10機(jī)測試系統(tǒng)驗(yàn)證了該算法的有效性和可行性。

本文在已有研究的基礎(chǔ)上，針對內(nèi)蒙古包頭地區(qū)風(fēng)電接入電網(wǎng)的實(shí)際情況，以消納風(fēng)電電量最大化和常規(guī)火電機(jī)組發(fā)電成本最小化為目標(biāo)，建立了含大規(guī)模風(fēng)電的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型。最后的仿真計(jì)算結(jié)果表明了模型及算法的有效性和可行性。

1 含風(fēng)電場的多目標(biāo)調(diào)度模型

以風(fēng)電消納電量最大和常規(guī)發(fā)電系統(tǒng)的運(yùn)行成本最小為目標(biāo)建立多目標(biāo)優(yōu)化調(diào)度模型，即如何以最低成本實(shí)現(xiàn)風(fēng)電消納的最大化是本文研究的關(guān)鍵。

1.1 目標(biāo)函數(shù)

對于多目標(biāo)優(yōu)化問題，可以定義為

式中：X=［x1，x2，…，xn］∈S，n為決策個(gè)數(shù)，S為D維決策空間；M為目標(biāo)個(gè)數(shù)。

在多目標(biāo)優(yōu)化問題中，各目標(biāo)函數(shù)是相互沖突的，同時(shí)使多個(gè)目標(biāo)均達(dá)到最優(yōu)是不可能的。因此，多目標(biāo)優(yōu)化問題在多個(gè)目標(biāo)間通常存在一些無法簡單進(jìn)行相互比較的解，這些解稱為非支配解或Pareto最優(yōu)解。由所有Pareto最優(yōu)解組成的集合即為Pareto最優(yōu)解集，Pareto最優(yōu)解集對應(yīng)目標(biāo)函數(shù)值所形成的區(qū)域稱為Pareto前沿或均衡面。

1.1.1 風(fēng)電消納電量最大

風(fēng)電消納電量是指在常規(guī)電源調(diào)節(jié)配合下電網(wǎng)調(diào)度的風(fēng)電有功電量，具體如下：

式中：T為調(diào)度期間的時(shí)段數(shù)；NW為可調(diào)度的風(fēng)電場個(gè)數(shù)；PtWi為Δt時(shí)段內(nèi)第i個(gè)風(fēng)電場的有功出力。

1.1.2 火電發(fā)電成本最小

在電力系統(tǒng)中，各種類型的發(fā)電機(jī)組其經(jīng)濟(jì)特性也各不相同，即使是同一發(fā)電廠內(nèi)，由于形式、參數(shù)等不同，它們的經(jīng)濟(jì)特性也不盡相同。為此，應(yīng)對每臺機(jī)組的發(fā)電成本分別建模進(jìn)行研究。本文只考慮含風(fēng)電場和火電廠的電力系統(tǒng)優(yōu)化調(diào)度，使得風(fēng)電場消納電量最大且火電廠的發(fā)電成本最小。則火電廠運(yùn)行成本最小的目標(biāo)函數(shù)為

式中：CG為火電發(fā)電成本；Cj（Pj）為火電運(yùn)行成本；C′j為火電啟停成本；NG為火電機(jī)組臺數(shù)；UtGj為機(jī)組的運(yùn)行狀態(tài)，UtGj=0表示機(jī)組處于停機(jī)狀態(tài)，UtGj=1表示機(jī)組處于開機(jī)狀態(tài)。

其中，火電運(yùn)行成本函數(shù)為

式中：PtGj為Δt時(shí)段內(nèi)第j臺機(jī)組的有功輸出；aj、bj、cj分別為發(fā)電成本系數(shù)。

火電啟停成本函數(shù)為

式中：γ0j、γ1j分別為發(fā)電機(jī)組的啟停成本參數(shù)；τ為機(jī)組停機(jī)時(shí)間。

式（2）和式（3）構(gòu)成了多目標(biāo)優(yōu)化問題，在滿足若干等式約束和不等式約束條件下方可獲得最優(yōu)解，即最優(yōu)調(diào)度方案。

1.2 約束條件

1.2.1 功率平衡約束

式中：D為Δt時(shí)段內(nèi)所有有功負(fù)荷值。

1.2.2 運(yùn)行約束

式中：PGj，min和PGj，max分別為發(fā)電機(jī)輸出有功功率的上限和下限值。

式中：PtWi，forecast為Δt時(shí)段內(nèi)第i個(gè)風(fēng)電場的有功預(yù)測出力。

1.2.3 旋轉(zhuǎn)備用約束

1）正旋轉(zhuǎn)備用約束。由于負(fù)荷以及風(fēng)電場輸出功率存在一定的不確定性，系統(tǒng)在運(yùn)行過程中，這種不確定性會造成電網(wǎng)的失負(fù)荷風(fēng)險(xiǎn)，甚至引起頻率失穩(wěn)現(xiàn)象。為保證系統(tǒng)的安全穩(wěn)定運(yùn)行，必須預(yù)留一定的備用，具體函數(shù)如下：

式中：PtrunU，j為第j臺發(fā)電機(jī)組在Δt時(shí)段內(nèi)的正旋轉(zhuǎn)備用容量；PtL，up為Δt時(shí)段內(nèi)負(fù)荷誤差引起的正旋轉(zhuǎn)備用需求；Ptwind，up為Δt時(shí)段內(nèi)風(fēng)電出力不足引起的正旋轉(zhuǎn)備用需求；PGj，max為第j臺發(fā)電機(jī)組輸出功率上限值。

2）負(fù)旋轉(zhuǎn)備用約束。與正旋轉(zhuǎn)備用約束相似，系統(tǒng)也需預(yù)留充足的負(fù)旋轉(zhuǎn)備用，以防止由于預(yù)測誤差而導(dǎo)致在運(yùn)行過程中系統(tǒng)頻率過高，必須留有一定的功率調(diào)節(jié)范圍，具體如下：

式中：PtrunD，j為第j臺發(fā)電機(jī)組在Δt時(shí)段內(nèi)的負(fù)旋轉(zhuǎn)備用容量；PtL，up為Δt時(shí)段內(nèi)負(fù)荷誤差引起的負(fù)旋轉(zhuǎn)備用需求；Ptwind，up為Δt時(shí)段內(nèi)風(fēng)電出力不足引起的負(fù)旋轉(zhuǎn)備用需求；PGj，min為第j臺發(fā)電機(jī)組輸出功率下限值。

1.2.4 發(fā)電機(jī)組爬坡約束

式中：rDj和rUj分別為機(jī)組每分鐘的下調(diào)和上調(diào)爬坡速率，MW/min。

1.2.5 線路潮流約束

2 改進(jìn)的粒子群算法

2.1 算法基本原理

粒子群算法（particle swarm optimization，PSO）的基本原理就是通過迭代搜索最優(yōu)解，在每一次的迭代中，粒子通過跟蹤個(gè)體最優(yōu)位置（Pbest）和全局最優(yōu)位置（Gbest）來更新自己。則粒子i在第k次迭代第d個(gè)分量的速度和位置公式為

式中：w為慣性權(quán)重；c1、c2為加速常數(shù)，分別為調(diào)節(jié)全局最優(yōu)粒子和個(gè)體最優(yōu)粒子飛行方向的步長；r1、 r2為[0，1]上的均勻隨機(jī)數(shù)；pid為個(gè)體最優(yōu)位置；pgd為全局最優(yōu)位置；k為迭代次數(shù)。

2.2 改進(jìn)的粒子群算法

由于傳統(tǒng)PSO存在早熟現(xiàn)象以及后期收斂速度等不足，本文在多目標(biāo)粒子群算法（multi-objective PSO，MOPSO）的基礎(chǔ)上[14]，提出一種基于混沌變異MOPSO，其基本原理如下：

在粒子群進(jìn)化過程中引入混沌變異操作可以防止算法早熟和收斂。在每次迭代的過程中，通過隨機(jī)選取部分適應(yīng)值相對較差的粒子執(zhí)行混沌變異操作，即對粒子位置產(chǎn)生小范圍擾動(dòng)，在粒子所在的附近區(qū)域搜索新的非劣解，以返回最好的個(gè)體，使解跳出局部極值區(qū)間，增強(qiáng)算法的全局搜索能力。

這里采用的混沌變異映射Logistic迭代公式為

式中：k為迭代次數(shù)；βj為對應(yīng)粒子Xi的第j個(gè)混沌變量；βj∈（0，1），μ∈（2，4］。當(dāng)μ=4時(shí)，Logistic方程完全進(jìn)入混沌狀態(tài)。

尋優(yōu)的過程中，對每個(gè)種群最優(yōu)個(gè)體進(jìn)行混沌迭代變異，即對最優(yōu)個(gè)體Pibest=[x1，x2，…，xn]進(jìn)行混沌變異，最優(yōu)粒子Pnbest變量的搜索空間隨著迭代數(shù)的增加而逐漸縮小。這樣的優(yōu)點(diǎn)是在進(jìn)化初期變異尺度大，有利于算法在廣闊的空間搜索全局最優(yōu)解；在進(jìn)化后期變異尺度小，在小空間內(nèi)緊緊圍繞局部極點(diǎn)精細(xì)搜索，有利于提高解的精度?；煦缱儺怣OPSO具體流程如圖1所示。

圖1 優(yōu)化算法流程Fig.1 Flow chart of optimization algorithm

3 算例分析

3.1 算例概況

本文以包頭地區(qū)電網(wǎng)為例，驗(yàn)證所提出的多目標(biāo)優(yōu)化方法的可行性和有效性。包頭地區(qū)電網(wǎng)風(fēng)電總裝機(jī)容量為1 633 MW，主要集中在遠(yuǎn)離負(fù)荷中心的達(dá)茂旗地區(qū)，通過500 kV輸電通道向主網(wǎng)送電，如圖2所示。

圖2 包頭電網(wǎng)示意圖Fig.2 Diagram of Baotou power grid

按照上文提出的約束條件，針對包頭電網(wǎng)的實(shí)際情況，將給出所有約束條件。

常規(guī)電源的運(yùn)行約束如表1所示。常規(guī)電源對負(fù)荷預(yù)測誤差所需正旋轉(zhuǎn)備用容量為系統(tǒng)最大負(fù)荷的10%，負(fù)旋轉(zhuǎn)備用需求為系統(tǒng)最小負(fù)荷的4%；常規(guī)電源應(yīng)對風(fēng)電出力波動(dòng)所需正、負(fù)旋轉(zhuǎn)備用容量均為風(fēng)電出力的18%；常規(guī)電源的爬坡速度為每分鐘上升或下降1%的機(jī)組額定容量。

表1 常規(guī)電源運(yùn)行約束條件Tab.1 Operating constraint condition of conventional power plants

調(diào)度周期為1天24時(shí)段，調(diào)度周期各時(shí)段的系統(tǒng)負(fù)荷預(yù)測曲線如圖3所示。

圖3 負(fù)荷預(yù)測曲線Fig.3 Load forecasting curve of power system

3.2 計(jì)算結(jié)果分析

混沌多目標(biāo)粒子群優(yōu)化算法的參數(shù)設(shè)置如下：慣性權(quán)重w=0.84，加速因子c1=c2=1.545，種群粒子數(shù)為50，最大迭代次數(shù)為100。

采用混沌多目標(biāo)粒子群優(yōu)化算法求解提出的多目標(biāo)優(yōu)化調(diào)度模型，得到一組分布均勻的Pareto最優(yōu)解集在目標(biāo)函數(shù)空間上的分布，如圖4所示。

圖4 Pareto最優(yōu)解集Fig.4 Diagram of the Pareto optimal solution set

從圖4可以看出，本文提出的混沌多目標(biāo)粒子群優(yōu)化算法搜索到的最優(yōu)解集形成了多個(gè)優(yōu)化目標(biāo)在不同情況下的最優(yōu)解。通過計(jì)算可從Pareto最優(yōu)解集中選取最優(yōu)折中解為14 880 MW·h和1 806萬元時(shí)，優(yōu)化得到風(fēng)電場24時(shí)段下的輸出功率如圖5所示。為了進(jìn)一步說明本文所選方法的有效性和合理性，圖6給出了傳統(tǒng)調(diào)度模型的風(fēng)電場的輸出功率。

圖5 最優(yōu)調(diào)度下風(fēng)電輸出功率Fig.5 Wind power output under the optimal scheduling

圖6 傳統(tǒng)調(diào)度下風(fēng)電輸出功率Fig.6 Wind power output under the traditional scheduling

從圖5、圖6可以看出，采用本文提出的基于混沌變異的粒子群優(yōu)化算法對風(fēng)、火機(jī)組優(yōu)化調(diào)度出力后，增加了風(fēng)電上網(wǎng)電量，有效地提高了風(fēng)電的消納能力。

通過優(yōu)化調(diào)度，包頭地區(qū)的火電機(jī)組在24個(gè)時(shí)刻內(nèi)的出力如表2所示。

表2 優(yōu)化調(diào)度下火電機(jī)組出力Tab.1 Output of thermal power generating units under the optimal scheduling

表2中11座火電廠在1天內(nèi)24個(gè)時(shí)段的輸出功率數(shù)據(jù)表明，火電廠輸出功率是在協(xié)調(diào)最大風(fēng)電輸出下滿足負(fù)荷需求，保證了風(fēng)電的最大輸出，同時(shí)考慮了整個(gè)發(fā)電系統(tǒng)的經(jīng)濟(jì)性。

4 結(jié)語

針對目前存在的大規(guī)模風(fēng)電消納困難問題，建立了以風(fēng)電消納電量最大和常規(guī)火電機(jī)組發(fā)電成本最小為目標(biāo)的多目標(biāo)優(yōu)化模型，實(shí)現(xiàn)了風(fēng)、火協(xié)調(diào)控制下的最優(yōu)調(diào)度，提出了混沌多目標(biāo)粒子群優(yōu)化算法對優(yōu)化模型進(jìn)行求解，得到了多目標(biāo)優(yōu)化的Pareto最優(yōu)解集。包頭地區(qū)電網(wǎng)的仿真計(jì)算結(jié)果表明，通過從Pareto最優(yōu)解集中選取最優(yōu)折中解，得到最小常規(guī)火電機(jī)組發(fā)電成本和最大風(fēng)電消納水平的優(yōu)化方案。本文的研究成果可為調(diào)度人員提供科學(xué)、合理的指導(dǎo)和決策。

[1]王秀麗，李駿，黃鑌，等.促進(jìn)風(fēng)電消納的區(qū)省兩級電力系統(tǒng)調(diào)度模型[J].電網(wǎng)技術(shù)，2015，39（7）：1832-1837.WANG Xiuli，LI Jun，HUANG Bin，et al.A two-stage optimal dispatching model for provincial and regional power grids connected with wind farms to promote accommodation of wind power[J].Power System Technology，2015，39（7）：1833-1838（in Chinese）.

[2]張麗英，葉廷路，辛耀中，等.大規(guī)模風(fēng)電接入電網(wǎng)的相關(guān)法問題及措施[J].中國電機(jī)工程學(xué)報(bào)，2010，30（25）：1-9.ZHANG Liying，YE Tinglu，XIN Yaozhong，et al.Problem and measures of power grid accommodating large scale wind power[J].Proceedings of the CSEE，2010，30（25）：1-9（in Chinese）.

[3]于永生，馮延暉，江紅鑫，等.考慮風(fēng)能隨機(jī)性的VSCHVDC風(fēng)電并網(wǎng)優(yōu)化方法研究[J].電網(wǎng)與清潔能源，2016，32（1）：75-84.YU Yongsheng，F(xiàn)ENG Yanhui，JIANG Hongxin，et al.Optimization of wind farm grid integration via VSC-HVDC considering randomness of wind energy[J].Power System and Clean Energy，2016，32（1）：75-84（in Chinese）.

[4]黃銀華，李常春，羅方旋，等.大規(guī)模風(fēng)電接入對福建電網(wǎng)調(diào)峰的影響[J].電網(wǎng)與清潔能源，2015，31（12）：96-100.HUANG Yinhua，LI Changchun，LUO Fangxuan，et al.Impact of large-scale wind farm connected with Fujian power grid on peak load regulation[J].Power System and Clean Energy，2015，31（12）：96-100（in Chinese）.

[5]徐濤，孫永輝.含風(fēng)電地區(qū)電網(wǎng)暫態(tài)過程對頻率穩(wěn)定性影響的動(dòng)態(tài)模擬[J].電網(wǎng)與清潔能源，2016，32（5）：88-93.XU Tao，SUN Yonghui.Dynamic simulation of influences of the transient process of the power grid containing wind farm on frequency stability[J].Power System and Clean Energy，2016，32（5）：88-93（in Chinese）.

[6]郭丹，樸在林，胡博，等.風(fēng)電場運(yùn)行數(shù)據(jù)分析[J].電網(wǎng)與清潔能源，2016，32（4）：93-98.GUO Dan，PU Zailin，HU Bo，et al.Analysis of operation data of wind power farm[J].Power System and Clean Energy，2016，32（4）：93-98（in Chinese）.

[7]沈偉，吳文傳，張伯明，等.消納大規(guī)模風(fēng)電的在線滾動(dòng)調(diào)度策略與模型[J].電力系統(tǒng)自動(dòng)化，2011，35（22）：136-140.SHEN Wei，WU Wenchuan，ZHANG Boming，et al.An on-line rolling generation dispatch method and model for accommodating large-scale wind power[J].Automation of Electric Power Systems，2011，35（22）：136-140（in Chinese）.

[8]王勇超，陳皓勇，禤培正，等.基于最優(yōu)場景集的含多類型電源魯棒調(diào)度[J].電網(wǎng)技術(shù)，2016，40（2）：354-363.WANG Yongchao，CHEN Haoyong，XUAN Peizheng，et al.A robust scheduling with multiple types of power sources based on optimal scenario set[J].Power System Technology，2016，40（2）：354-363（in Chinese）.

[9]楊柳青，林舜江，劉明波，等.考慮風(fēng)電接入的大型電力系統(tǒng)多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度[J].電工技術(shù)學(xué)報(bào)，2014，29（10）：286-295.YANG Liuqing，LIN Shunjiang，LIU Mingbo，etal.Multi-objective dynamic optimal dispatch for large-scale power systems considering wind power penetration[J].Transactions of China Electrotechnical Society，2014，29（10）：286-295（in Chinese）.

[10]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）：9-17.LIU Dewei，GUO Jianbo，HUANG Yuehui，et al.Dynamic economic dispatch of wind integrated power system based on wind power probabilistic forecasting and operation risk constraints[J].Proceedings of the CSEE，2013，33（16）：9-17（in Chinese）.

[11]蒿峰，朱長勝，王小海，等.風(fēng)電場棄風(fēng)電量分類統(tǒng)計(jì)方法研究[J].電網(wǎng)與清潔能源，2016，32（9）：135-140.HAO Feng，ZHU Changsheng，WANG Xiaohai，et al.Research on classification statistical method of wind curtailment[J].Power System and Clean Energy，2016，32（9）：135-140（in Chinese）.

[12]黃庶，林舜江，劉明波.含風(fēng)電場和抽水蓄能電站的多目標(biāo)安全約束動(dòng)態(tài)優(yōu)化調(diào)度[J].中國電機(jī)工程學(xué)報(bào)，2016，36（1）：112-121.HUANG Shu，LIN Shunjiang，LIU Mingbo.Multi-objective security constrained dynamic optimal dispatch with wind farms and pumped storage stations[J].Proceedings of the CSEE，2016，36（1）：112-121（in Chinese）.

[13]宋云東，周志強(qiáng)，應(yīng)勇，等.計(jì)及需求響應(yīng)的含風(fēng)電場多目標(biāo)低碳經(jīng)濟(jì)調(diào)度[J].現(xiàn)代電力，2016，33（6）：7-13.SONG Yundong，ZHOU Zhiqiang，YING Yong，et al.Multi-objective low carbon economic dispatching for power grid integrated with wind farm by considering demand response[J].Modern Electric Power，2016，33（6）：7-13（in Chinese）.

[14]黃楊，胡偉，陳立.基于兩階段優(yōu)化的風(fēng)儲聯(lián)合發(fā)電系統(tǒng)日前發(fā)電計(jì)劃模式[J].電力系統(tǒng)自動(dòng)化，2015，39（24）：8-15.HUANG Yang，HU Wei，CHEN Li.Day-ahead generation scheduling plan modes for large-scale wind-storage combined power generation system based on two-stage optimization[J].Automation of Electric Power System，2015，39（24）：8-15（in Chinese）.

[15]季峰，蔡興國，王超柱.基于弱魯棒優(yōu)化的含風(fēng)電電力系統(tǒng)調(diào)度方法[J].中國電機(jī)工程學(xué)報(bào)，2016，36（17）：4600-4610.JI Feng，CAI Xingguo，WANG Chaozhu.Light robustness dispatch model for wind power integrated power system[J].Proceedings of the CSEE，2016，36（17）：4600-4610（in Chinese）.

[16]LIANG J，GRIJALVA S，HARLEY R G.Increased wind revenue and system security by trading wind power in energy and regulation reserve markets[J].IEEE Transactions on Sustainable Energy，2011，2（3）：340-347.

[17]范雪峰，張中丹，楊昌海，等.大型風(fēng)電基地動(dòng)態(tài)補(bǔ)償對風(fēng)電外送動(dòng)態(tài)穩(wěn)定性的提升作用研究[J].電網(wǎng)與清潔能源，2013，29（10）：66-74.FAN Xuefeng，ZHANG Zhongdan，YANG Changhai，et al.Analysis on improving effect of dynamic reactive power compensation on the dynamic stability of large scale wind power transmission[J].Power System and Clean Energy，2013，29（10）：66-74（in Chinese）.

[18]姜欣，陳紅坤，回俊龍.計(jì)及棄風(fēng)的風(fēng)電場最優(yōu)裝機(jī)容量[J].電工技術(shù)學(xué)報(bào)，2016，31（18）：160-168.JIANG Xin，CHEN Hongkun，HUI Junlong.Optimal installed capacity of wind farm considering wind power curtailment[J].Transactions ofChina Electrotechnical Society，2016，31（18）：160-168（in Chinese）.

[19]胡澤春，夏睿，吳林林.考慮儲能參與調(diào)頻的風(fēng)儲聯(lián)合運(yùn)行優(yōu)化策略[J].電網(wǎng)技術(shù)，2016，40（8）：2251-2257.HU Zechun，XIA Rui，WU Linlin.Jointoperation optimization of wind-storage union with energy storage participating fre-quency regulation[J].PowerSystem Technology，2016，40（8）：2251-2257（in Chinese）.

[20]崔楊，朱加明，葛延峰，等.計(jì)及限風(fēng)特性與經(jīng)濟(jì)性的大規(guī)模集中充放電儲能系統(tǒng)容量配置研究[J].電網(wǎng)技術(shù)，2016，40（2）：485-491.CUI Yang，ZHU Jiaming，GE Yanfeng，et al.Study on capacity configuration of large-scale energy storage system under concentrated charge and discharge based on wind curtailment characteristics and economics[J].Power System Technology，2016，40（2）：485-491（in Chinese）.

[21]國家電力監(jiān)管委員會.風(fēng)電、光伏發(fā)電情況監(jiān)管報(bào)告[R].北京：國家電力監(jiān)管委員會，2011.

[22]陳道君，王璇，左劍，等.計(jì)及風(fēng)電出力不確定性的抽水蓄能-風(fēng)電聯(lián)合優(yōu)化調(diào)度方法[J].電網(wǎng)與清潔能源，2016，32（8）：110-116.CHEN Daojun，WANG Xuan，ZUO Jian，et al.A joint optimal dispatching method for pumped storage power station and wind power considering wind power uncertainties[J].Power System and Clean Energy，2016，32（8）：110-116（in Chinese）.

[23]李志剛，吳文傳，張伯明.消納大規(guī)模風(fēng)電的魯棒區(qū)間經(jīng)濟(jì)調(diào)度：（一）調(diào)度模式與數(shù)學(xué)模型[J].電力系統(tǒng)自動(dòng)化，2014，38（20）：33-39.LI Zhigang，WU Wenchuan，ZHANG Boming.A robust interval economic dispatch method accommodating largescale wind power generation：part one dispatch scheme and mathematical model[J].Automation of Electric Power Sys-tem，2014，38（20）：33-39（in Chinese）.

[24]李志剛，吳文傳，張伯明.消納大規(guī)模風(fēng)電的魯棒區(qū)間經(jīng)濟(jì)調(diào)度：（二）不確定集合構(gòu)建與保守度調(diào)節(jié)[J].電力系統(tǒng)自動(dòng)化，2014，38（21）：32-28.LI Zhigang，WU Wenchuan，ZHANG Boming.A robust interval economic dispatch method accommodating largescale wind power generation part two uncertainty set modeling and conserrativeness[J].Automation of Electric Power System，2014，38（21）：33-39（in Chinese）.

[25]栗峰，王建學(xué)，程?；?面向新能源外送消納的區(qū)域間概率可用傳輸能力計(jì)算[J].電網(wǎng)技術(shù)，2016，40（2）：348-353.LI Feng，WANG Jianxue，CHENG Haihua.Probabilistic calculation of interregional available transfer capability aiming ataccommodating renewableenergy[J].Power System Technology，2016，40（2）：348-353（in Chinese）.

[26]劉文穎，文晶，謝昶，等.基于源荷互動(dòng)的含風(fēng)電場電力系統(tǒng)多目標(biāo)模糊優(yōu)化調(diào)度方法[J].電力自動(dòng)化設(shè)備，2014，34（10）：56-64.LIU Wenying，WEN Jing，XIE Chang，et al.Multiobjective fuzzy optimal dispatch based on source-load interaction for power system with wind farm[J].Electric Power Automation Equipment，2014，34（10）：56-64（in Chinese）.

[27]龍軍，莫群芳，曾建.基于隨機(jī)規(guī)劃的含風(fēng)電場的電力系統(tǒng)節(jié)能優(yōu)化調(diào)度策略[J].電網(wǎng)技術(shù)，2011，35（1）：12-16.LONG Jun，MO Qunfang，ZENG Jian.A stochastic programming based short-term optimization scheduling strategy considering energy conservation for power system containing wind farms[J].Power System Technology，2011，35（1）：12-16（in Chinese）.

[28]李茜，劉天琪，李興源.大規(guī)模風(fēng)電接入的電力系統(tǒng)優(yōu)化調(diào)度新方法[J].電網(wǎng)技術(shù)，2013，37（3）：732-739.LI Qian，LIU Tianqi，LI Xingyuan.A new optimized dispatch method for power grid connected with large-scale wind farms[J].Power System Technology，2011，35（1）：12-16（in Chinese）.

[29]田建芳，毛亞珊，翟橋柱，等.基于風(fēng)電消納能力評估的安全約束經(jīng)濟(jì)調(diào)度方法[J].電網(wǎng)技術(shù)，2015，39（9）：2398-2404.TIAN Jianfang，MAO Yashan，ZHAI Qiaozhu，et al.Security constrained unit commitment with wind power based on evaluation of wind power penetration capacity[J].Power System Technology，2015，39（9）：2398-2404（in Chinese）.

[30]牛林華，龔慶武，黃炳翔，等.大規(guī)模風(fēng)電入網(wǎng)下的風(fēng)氣火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度[J].電力自動(dòng)化設(shè)備，2015，35（11）：52-58.NIU Linhua，GONG Qingwu，HUANG Bingxiang，et al.

Optimal dispatch of wind-gas-coal power generation system with large-scale wind farm[J].Electric Power Automation Equipment，2015，35（11）：52-58（in Chinese）.

[31]FENG Jiao.Layout problem of multi-component systems arising for improving maintainability[J].Journal of Central South University of Technology，2014，21（5）：1833-1841.

Study on Power System Multi-Objective Optimization Scheduling for Increasing Wind Power Penetration

KANG Lan1，YANG Peihong2，HAN Xiaofeng2，ZHANG Jihong2，MU Ren3
（1.School of Mining&Coal Engineering，Inner Mongolia University of Science and Technology，Baotou 014010，Inner Mongolia，China；2.School of Information Engineering，Inner Mongolia University of Science and Technology，Baotou 014010，Inner Mongolia，China；3.Baotou Power Supply Bureau，Baotou 014020，Inner Mongolia，China）

It is of some theoretical and practical significance to study the economical dispatch of wind-integrated power systems to address the electric power dispatch problems caused by the uncertainty of wind power.In this paper，a multiobjective dispatch method based on improved particle swarm optimization algorithm is proposed，and the two-objective dispatch models are constructed for wind power systems connected with wind farms considering the maximum wind power penetration and the minimum power generation cost of thermal power generating units.The proposed multi-objective economic dispatching model is solved by improved multi-objective particle swarm optimization algorithm.The results of the actual calculation example indicate the proposed method can reduce system operation costs effectively and improve wind power penetration.

wind farm；optimization scheduling；generation cost；particle swarm optimization；wind power penetration

2016-07-18。

亢 嵐（1966—），女，本科，教授，主要從事電力系統(tǒng)調(diào)度運(yùn)行與控制等方面的研究；

（編輯 馮露）

內(nèi)蒙古自治區(qū)高等學(xué)校科學(xué)研究項(xiàng)目（NJZY14165）。

Project Supported by the Scientific Research Program of the Inner Mongolia Autonomous Region Colleges and Universities（NJZY14165）.

1674-3814（2017）03-0097-07

TM734

A

楊培宏（1980—），男，碩士，副教授，主要從事新能源電力系統(tǒng)運(yùn)行分析與控制等研究。