基于斑點鬣狗算法的風(fēng)/光/抽水蓄能聯(lián)合運行系統(tǒng)優(yōu)化調(diào)度研究

鐘 文，張志浩，管 鑫，陳 波，黃泰相，付翊航

(1.國網(wǎng)荊門供電公司，湖北 荊門 448000；2.國網(wǎng)湖北直流運檢公司，湖北 宜昌 443002)

0 引言

為了解決分布式能源發(fā)電給電力系統(tǒng)帶來的沖擊問題，國內(nèi)外學(xué)者們將目光投向了抽水蓄能電站與新能源發(fā)電協(xié)同合作上，將抽水蓄能電站作為新能源電站與電力系統(tǒng)中間的調(diào)節(jié)工具：當(dāng)電力系統(tǒng)中的負(fù)荷曲線處于波谷時，抽水蓄能電站能夠?qū)㈦娏ο到y(tǒng)和新能源發(fā)電中的多余電量轉(zhuǎn)化為重力勢能儲存起來；當(dāng)電力系統(tǒng)負(fù)荷曲線處于波峰時，抽水蓄能電站能夠出力對波峰負(fù)荷進行補償。用這一方式實現(xiàn)削峰填谷，解決新能源發(fā)電入網(wǎng)給電力系統(tǒng)帶來的沖擊問題，同時也改善了電力系統(tǒng)的運行環(huán)境[1，2]。

目前，諸多學(xué)者關(guān)于抽水蓄能電站與新能源發(fā)電協(xié)調(diào)運行的研究多集中在聯(lián)合系統(tǒng)數(shù)學(xué)模型的建立，以及電網(wǎng)運行的經(jīng)濟效益方面。文獻[3]建立風(fēng)電與抽水蓄能電站協(xié)同運行的雙目標(biāo)優(yōu)化模型，以最大化聯(lián)合體的效益和平滑聯(lián)合體的出力為目標(biāo)，并通過多目標(biāo)克隆選擇算法求解模型。文獻[4]等研究了傳統(tǒng)火電站與抽水蓄能電站的聯(lián)合運行系統(tǒng)，通過抽水蓄能電站的配合運行，減小傳統(tǒng)火電站的運行成本，建立兩者聯(lián)合運行的優(yōu)化模型。文獻[5]研究了發(fā)電機組中含抽水蓄能機組的運行優(yōu)化問題，并對比分析了不同的模型求解算法的優(yōu)缺點和適用范疇。文獻[6]對風(fēng)力發(fā)電與抽水蓄能電站聯(lián)合運行方式進行了研究，建立了相關(guān)的數(shù)學(xué)模型進行仿真分析。文獻[7]在建立風(fēng)能和抽水蓄能聯(lián)合模型時，將電力系統(tǒng)中的運行工況和設(shè)備狀態(tài)考慮在內(nèi)，進一步完善了聯(lián)合系統(tǒng)的數(shù)學(xué)模型。

本文擬建立抽水蓄能電站與新能源發(fā)電聯(lián)合運行系統(tǒng)的數(shù)學(xué)模型，模型在考慮聯(lián)合系統(tǒng)經(jīng)濟收益的同時，要求多種因素綜合考慮最優(yōu)，采用斑點鬣狗算法對模型進行求解。與應(yīng)用最廣泛的遺傳算法、蟻群算法和粒子群算法等相比，斑點鬣狗算法具有較好的魯棒性的同時，還擁有極快的搜索速度，并且沒有陷入局部最優(yōu)解的缺點。

1 聯(lián)合發(fā)電系統(tǒng)并網(wǎng)分析

1.1 聯(lián)合系統(tǒng)數(shù)學(xué)模型

在建立聯(lián)合系統(tǒng)目標(biāo)函數(shù)時，不僅需要考慮到聯(lián)合系統(tǒng)的經(jīng)濟收益，還應(yīng)考慮到系統(tǒng)對風(fēng)能、太陽能的利用率，系統(tǒng)自身的能源損耗，對電力系統(tǒng)的運行影響，減少傳統(tǒng)能源的污染排放量等，并且要多種因素綜合考慮最優(yōu)[8]。為了建立環(huán)境友好型的聯(lián)合優(yōu)化系統(tǒng)，本文在建立目標(biāo)函數(shù)時考慮在聯(lián)合系統(tǒng)運行時，以風(fēng)能和太陽能發(fā)電出力最多為基礎(chǔ)，即要求整個電力系統(tǒng)在最大程度上減少煤電消耗(或者說煤電消耗最小)，同時合理控制剩余電量的調(diào)度分配，于是得到模型的目標(biāo)函數(shù)為：

(1)

式中，F(xiàn)表示系統(tǒng)中的煤電消耗量，取得F最小時為最優(yōu)結(jié)果；i表示系統(tǒng)中火電機組的臺數(shù)；Mit表示第i臺火電機組在t時刻的煤耗總量；mi表示第i臺火電機組在啟動或停運時的煤耗；ci表示周期內(nèi)該臺機組的啟停變換次數(shù)。

1.1.1 系統(tǒng)功率平衡

在聯(lián)合系統(tǒng)并網(wǎng)運行時，最基本的約束條件就是系統(tǒng)的功率能平衡，即要求任意時刻各類電源的發(fā)電量總和等于所有負(fù)荷的需求量總和，得到以下約束方程：

Pc(t)+Ph(t)+PW(t)+PS(t)=PLD(t)+Pp(t) .

(2)

式中，Pc(t)為傳統(tǒng)電廠的輸出功率，Ph(t)為抽水蓄能電站輸出功率，PW(t)為風(fēng)力發(fā)電輸出功率，PS(t)為太陽能發(fā)電輸出功率，PLD(t)為電力系統(tǒng)原有負(fù)荷，Pp(t)為抽水蓄能時水泵和電機的消耗的功率。

1.1.2 電網(wǎng)運行的包容性

電力系統(tǒng)在運行的過程中長期保持著動態(tài)平衡，新能源發(fā)電系統(tǒng)在電力系統(tǒng)中頻繁的投退會對電力系統(tǒng)的安全運行造成一定威脅，如果隨機投退的電源容量超過一定范圍時，將超過電網(wǎng)運行的包容度，無法達到穩(wěn)定運行的狀態(tài)。因此，要求聯(lián)合系統(tǒng)在電力系統(tǒng)中的輸出功率能夠在電網(wǎng)運行包容度范圍內(nèi)，本文設(shè)定聯(lián)合系統(tǒng)中不穩(wěn)定輸出(風(fēng)能和太陽能發(fā)電)的功率達到負(fù)載功率的20%時，將超出電網(wǎng)運行包容度，于是得到以下約束方程：

Ps，out+Pw，out≤0.2PLD.

(3)

式中，Ps，out表示太陽能發(fā)電并網(wǎng)功率，Pw，out表示風(fēng)能并網(wǎng)功率。

1.1.3 電網(wǎng)能量傳輸限制

通常，風(fēng)力發(fā)電場和光伏電站等電源安裝在離市區(qū)較遠的地方，一般需要架設(shè)專門的輸電線路進行能量傳輸。在架設(shè)線路時需要考慮設(shè)備利用成本，因此其傳輸容量是有一定限制的，所以在風(fēng)能和太陽能向電網(wǎng)輸送能量時，會受到架空輸電線路的能量傳輸限制，于是得到以下約束方程：

Pmin≤Ps，out+Pw，out≤Pmax.

(4)

式中，Pmin和Pmax分別表示架空線路正常工作時的最小傳輸功率和最大傳輸功率。

1.1.4 抽水蓄能電站機組約束

通常認(rèn)為抽水蓄能電站不能同時工作在兩種模式下，即不能在抽水蓄能期間啟動水輪機組發(fā)電，同理也不能在發(fā)電時進行抽水蓄能。由此可得以下約束方程：

(5)

ρ(t)∈{0,1} .

(6)

0≤Ph(t)≤ρ(t)·Ph，max(t)·Nhp.

(7)

np(t)Pp，min≤Pp(t)≤np(t)Pp，max.

(8)

np(t)≤Nhp.

(9)

(10)

np(t+1)=np(t)+nsu(t+1)-nsd(t+1) .

(11)

式中：Nhp為抽水蓄能電站同型號的抽水-發(fā)電機組數(shù)目；Pp,max，Pp,min為水泵抽水功率上、下限；ρ(t)的值為1時表示機組出力在發(fā)電狀態(tài)，值為0時表示其處于水泵抽水狀態(tài)；np(t)為t時段工作的水泵總數(shù)；nsu(t)和nsd(t)為t時段啟/停水泵機組臺數(shù)。

1.1.5 水資源約束

水庫中的水量是相對恒定的，在進行抽水蓄能或是水力發(fā)電時，需要保證上水庫或下水庫的蓄水量保持在允許范圍內(nèi)，于是得到以下約束方程：

Vu(t)=Vu(t-Δt)+fup(Pp(t),H(t))-fdown(Ph(t),H(t)) .

(12)

Vu(t)=Vd(t-Δt)-fup(Pp(t),H(t))+fdown(Ph(t),H(t)) .

(13)

Vu,min≤Vu(t)≤Vu，max.

(14)

Vd,min≤Vd(t)≤Vd,max.

(15)

式中，Vu(t)，Vd(t)分別表示上、下水庫中的蓄水量；Vu(t-Δt)，Vd(t-Δt)分別表示上、下水庫中t時刻變化前的蓄水量；fup(Pp(t),H(t))為以抽水功率和揚程為自變量的向上抽水流量函數(shù)；fdown(Ph(t),H(t))為以發(fā)電功率和水頭為自變量的向下放水流量函數(shù)；Vu,min，Vd,min分別表示上、下水庫中能儲存的最少水量；Vu,max，Vd,max分別表示上、下水庫中能儲存的最多水量。

1.1.6 各類能源出力約束

在電力系統(tǒng)中的各類發(fā)電能源中，每一類能源均受其發(fā)電能力的限制，即各類能源發(fā)電量要求在對應(yīng)機組發(fā)電能力的上限值和下限值之間，于是得到以下約束方程：

(16)

通常，在建立一個系統(tǒng)的數(shù)學(xué)模型時，給定的約束條件越完善，越能夠真實說明實際情況，但隨著約束條件的增多，所建立的數(shù)學(xué)模型復(fù)雜度也會增加，求解速度和難度進一步加大。在本文中選擇了以上幾個約束條件對實際模型進行簡化，在抓住模型中主要影響因素的同時，盡量簡化和忽略其他次要的影響因素。

在對基于風(fēng)光互補的抽水蓄能電站的數(shù)學(xué)模型進行分析時，選擇何種求解方法是一個討論度很高的問題。在精確的數(shù)學(xué)模型下，求解問題顯得更加棘手，容易出現(xiàn)維數(shù)過高、計算量巨大、計算速度慢、計算結(jié)果出現(xiàn)偏差等諸多問題。為了解決計算數(shù)學(xué)模型過程中存在的以上問題，學(xué)者們研究了多種智能算法來進行求解。這些算法的計算原理基本一致：通過計算機應(yīng)用不同的篩選策略在所有的可行解中尋求最優(yōu)解，其中應(yīng)用較為廣泛的有遺傳算法、蟻群算法和粒子群算法等。遺傳算法和蟻群算法在面對多約束和高維度的數(shù)學(xué)模型求最優(yōu)問題時具有較好的全局優(yōu)化性和魯棒性；粒子群算法在具有較好的魯棒性的同時，還擁有極快的搜索速度，但其缺點是容易陷入局部最優(yōu)解。本文已建立較為簡化的數(shù)學(xué)模型，在了解了以上算法模型后，決定選用斑點鬣狗算法來進行模型的求解分析。

1.2 斑點鬣狗算法

斑點鬣狗的行為可以簡化為搜索、包圍、狩獵和攻擊獵物。建立粘性集群有助于斑點鬣狗之間的有效合作，也最大限度地提高適應(yīng)性。本節(jié)對斑點鬣狗的狩獵技術(shù)和社會關(guān)系進行數(shù)學(xué)建模。這種行為的數(shù)學(xué)模型可由以下方程式表示：

(17)

(18)

(19)

(20)

(21)

圖1 斑點鬣狗的二維位置矢量Fig.1 Two-dimensional position vector of spotted hyena

斑點鬣狗是群居動物，通常依靠朋友間的信任關(guān)系和識別獵物位置的能力來捕獵。為了從數(shù)學(xué)上定義斑點鬣狗的行為，假設(shè)每一只斑點鬣狗都知道獵物的位置，斑點鬣狗組成一個集群向獵物的位置靠近，并留下到目前為止最好的狩獵路徑來更新它們的位置。該行為可以用公式表示如下：

(22)

(23)

(24)

(25)

(26)

斑點鬣狗可以熟悉獵物的位置并包圍它們。為了對斑點鬣狗的社會等級進行數(shù)學(xué)建模，我們認(rèn)為目前的最佳候選解決方案是目標(biāo)獵物或最優(yōu)斑點鬣狗的位置，因為搜索空間先前未知，所以搜索時需不斷接近最優(yōu)。其他搜索代理將在定義最佳搜索候選解決方案后嘗試更新其位置，以獲得最佳候選解決方案。

圖2 聯(lián)合系統(tǒng)優(yōu)化調(diào)度算法流程圖Fig.2 Flow chart of joint system optimization scheduling algorithm

用SHO算法解決優(yōu)化問題時需要注意以下幾點：

(1)該算法保留了迭代過程中獲得的所有最佳解。

(2)所提出的斑點鬣狗搜尋機制定義了一個圓形的鄰域周圍的解決方案，可以擴展到更高的維度作為一個超球體。

(4)建議的狩獵方法允許候選解確定獵物的可能位置。

1.3 模型的求解

應(yīng)用斑點鬣狗算法對風(fēng)光抽水蓄能聯(lián)合運行系統(tǒng)優(yōu)化調(diào)度模型進行求解，其具體步驟如下，對應(yīng)的流程圖如圖2所示。

(1)初始化種群。即產(chǎn)生符合式(2)-式(16)的初始值作為斑點鬣狗的初始位置；

(2)初始化參數(shù)。加載聯(lián)合運行系統(tǒng)中各元件的參數(shù)(包括負(fù)荷曲線與可再生能源發(fā)電的輸出功率曲線)，確定能量調(diào)度策略，定義決策變量，設(shè)置種群規(guī)模和最大迭代次數(shù)等；

(3)評估適應(yīng)度(目標(biāo))函數(shù)。計算每只斑點鬣狗對應(yīng)的目標(biāo)函數(shù)值；

(4)在給定的搜索空間中探索最佳搜索代理；

(5)定義一組最優(yōu)解，即使用式(24)和式(25)直到找到滿意的結(jié)果；

(6)使用式(26)更新搜索代理的位置；

(7)檢查給定搜索空間中是否有搜索代理超出邊界，并進行調(diào)整；

(10)迭代終止條件。重復(fù)步驟(5)—步驟(9)直至達到最大迭代次數(shù)時，最優(yōu)目標(biāo)函數(shù)值對應(yīng)的位置即為決策解。

2 算例分析

2.1 模型參數(shù)設(shè)計

2.1.1 火電站參數(shù)設(shè)計

在對本模型參數(shù)進行設(shè)計時，參考我國某地區(qū)實際電網(wǎng)的模型，進行一定比例的負(fù)荷縮小和系統(tǒng)簡化，得到本系統(tǒng)中的各項參數(shù)[9，10]。在本系統(tǒng)中，新能源發(fā)電量占總發(fā)電容量的10%，其余的發(fā)電量來自火電機組發(fā)電，火電機組容量取200 MW以下、300 MW以上、600 MW以上、1 000 MW四個等級，各等級機組臺數(shù)占到火電總機組臺數(shù)的15%，20%，25%和40%，機組的各項參數(shù)和性能如表1所示[11]。

表1 火電機組參數(shù)與性能

經(jīng)查閱相關(guān)資料，得知火電機組的煤炭消耗量可以按照以下公式進行計算。

在1 000 MW等級及以上容量的機組中，煤耗量可表示為：

(27)

在600 MW等級及以上容量的機組中，煤耗量可表示為：

(28)

在300 MW等級及以上容量的機組中，煤耗量可表示為：

(29)

圖3 風(fēng)電場與光伏電站的出力情況Fig.3 Output of wind farm and photovoltaic power plants

在200 MW等級及以上容量的機組中，煤耗量可表示為：

(30)

上式中的La表示為火電機組的實際有功功率出力值。

2.1.2 風(fēng)電場與光伏電站參數(shù)設(shè)計

如圖3所示為模型中風(fēng)力發(fā)電場和光伏電站的出力情況，其中虛線表示設(shè)計模型中的光伏電站的輸出功率曲線，在中午12點時到達功率輸出最大點，夜晚8點至次日凌晨4點輸出為0；實線表示設(shè)計模型中的風(fēng)電場的輸出功率曲線，輸出功率在凌晨時分達到最高峰，中午到達最低谷。

2.1.3 抽水蓄能電站的參數(shù)設(shè)計

在對抽水蓄能電站進行設(shè)計時，預(yù)設(shè)上水庫的容量為3.6×106m3，不考慮下水庫的水容量限制問題，抽水蓄能電站的機組參數(shù)如表2所示。

此外，對系統(tǒng)的其他要求進行規(guī)定：

(1)聯(lián)合系統(tǒng)對外輸送功率限制，輸送功率最大值為780 MW，輸送功率最小值為180 MW。

(2)本地電力系統(tǒng)允許電源變動率占負(fù)荷總量的15%。

(3)電力系統(tǒng)的運行頻率在59.9～60.1 Hz的范圍內(nèi)波動。

(4)所有供電電源的容量總和應(yīng)符合所有負(fù)荷大小的需求，偏差值應(yīng)在1%以內(nèi)。

2.2 風(fēng)光協(xié)同并網(wǎng)系統(tǒng)的算例分析

為了與基于風(fēng)光互補的抽水蓄能電站聯(lián)合系統(tǒng)進行對比分析，首先進行了風(fēng)光協(xié)同并網(wǎng)系統(tǒng)的仿真分析[12-13]。在風(fēng)光協(xié)同并網(wǎng)系統(tǒng)中，由于缺少了抽水蓄能電站的能量存儲作用，當(dāng)風(fēng)能與太陽能的發(fā)電量超過了輸電線路的最大功率輸送能力時，不得不棄用多余的發(fā)電量，增大了系統(tǒng)的棄風(fēng)和棄光量。同時由于太陽能和風(fēng)力發(fā)電具有不穩(wěn)定性，系統(tǒng)中可靠的負(fù)荷調(diào)節(jié)僅可依靠火電機組來進行。

如圖4所示是根據(jù)仿真結(jié)果得到的風(fēng)光協(xié)同并網(wǎng)系統(tǒng)火電機組出力圖，圖中負(fù)荷基礎(chǔ)部分功率由大容量機組提供，可以看出圖中所圈部分出力較為穩(wěn)定，大型機組通常保持在額定的范圍內(nèi)工作，僅在負(fù)荷最低點時進行了輸出功率下調(diào)，在出力圖標(biāo)的上部分由小容量機組構(gòu)成，通過控制小容量機組的出力和投退，來進行負(fù)荷調(diào)節(jié)，滿足供電需求。圖中可以看出，凌晨4:00—5：00和上午10：00—11：00期間，大容量機組參與了調(diào)峰出力，其他時候一般由小容量機組出力進行調(diào)整。0：00—8：00間，多個小型機組退出運行，增大了火電站的運行負(fù)擔(dān)和電機啟停損耗。

圖4 風(fēng)光協(xié)同并網(wǎng)系統(tǒng)火電機組出力時刻圖Fig.4 Wind-solar coordinated grid-connected thermal power unit output schedule

圖5 火電機組平均單位煤耗Fig.5 Average unit coal consumption of thermal power units

如圖5所示為風(fēng)光協(xié)同并網(wǎng)系統(tǒng)中的火電機組平均單位煤耗，它反映的是在某一時刻，系統(tǒng)中煤炭資源的消耗總數(shù)與發(fā)電量之間的比值，平均單位煤耗越高表明對煤炭的利用率越低，平均單位煤耗越低則對煤炭的利用率越高。結(jié)合機組的投退情況，從圖中的單位煤耗量可以看出，大機組參與負(fù)荷調(diào)壓會使得機組的單位煤耗迅速增加。

根據(jù)以上的仿真結(jié)果可以看出，風(fēng)光協(xié)同并網(wǎng)系統(tǒng)雖然在一定程度上彌補了單一的風(fēng)力發(fā)電或太陽能發(fā)電出力的峰谷落差，但仍然是一個不穩(wěn)定的系統(tǒng)，無法進行穩(wěn)定的負(fù)荷補償，在電力系統(tǒng)的峰谷補償上并不能大規(guī)模減少火電機組的投退情況，從而降低系統(tǒng)損耗。因此接下來考慮在風(fēng)光互補系統(tǒng)中加入抽水蓄能電站的情況。

2.3 加入抽水蓄能系統(tǒng)的算例分析

根據(jù)本文的理論研究部分，抽水蓄能電站能夠減緩新能源發(fā)電的不確定性給電力系統(tǒng)帶來的沖擊，參與電力系統(tǒng)負(fù)荷曲線的峰谷調(diào)節(jié)，減少新能源發(fā)電的棄風(fēng)和棄光率，從而有效提高光伏發(fā)電和風(fēng)力發(fā)電的能源利用率，減少電網(wǎng)運行成本，減少傳統(tǒng)火電站的煤炭能源消耗。下面對以上理論進行仿真驗證。

如圖6所示為加入抽水蓄能系統(tǒng)后的電網(wǎng)火電機組出力時刻圖，從圖中可以看出，大容量機組的輸出功率較為平穩(wěn)，但仍然參與部分負(fù)荷調(diào)節(jié)。在8：00—12：00的波峰區(qū)間內(nèi)，可以明顯看出加入抽水蓄能系統(tǒng)后，火電機組的出力減少了，且相較于加入抽水蓄能前其在波峰處更為平緩，驗證了前文所述的抽水蓄能電站對電力系統(tǒng)的峰谷調(diào)節(jié)作用，同時減少了火電機組的輸出和煤炭的消耗。

圖6 加入抽水蓄能系統(tǒng)后的電網(wǎng)火電機組出力時刻圖Fig.6 Power grid thermal power unit output schedule after adding pumped storage system

如圖7、圖8所示為抽水儲能電站的上水庫中的水量曲線和對外的輸出功率圖標(biāo)。對比系統(tǒng)中火力發(fā)電機組的輸出進行分析：在夜間的時候，上水庫的水量逐漸增多，此時對外輸出功率為負(fù)值，抽水蓄能電站吸收火電機組的額外輸出功率，減少了火電機組退出運行的次數(shù)和頻率；在白天負(fù)荷高峰時，上水庫的水量減少，水能通過水輪機轉(zhuǎn)換為電能，來填補電力系統(tǒng)中的電源缺額，也減少了火電機組投入運行的次數(shù)和頻率。

因此，在風(fēng)光協(xié)同并網(wǎng)系統(tǒng)中加入抽水蓄能電站后，整個系統(tǒng)能夠在電力系統(tǒng)中充當(dāng)額外的備用電源，同時也能夠?qū)﹄娏ω?fù)荷曲線進行削峰填谷，減少火電機組頻繁投退造成的經(jīng)濟損失和能源消耗。

圖7 上水庫中的水量曲線Fig.7 Water volume curve in upper reservoir圖8 抽水儲能電站輸出功率Fig.8 Output power of pumped storage power station

2.4 收益分析

2.4.1 增加發(fā)電量

基于風(fēng)光互補的抽水蓄能電站，能夠為電力系統(tǒng)提供大量的電能，將太陽能和風(fēng)能通過電站轉(zhuǎn)換為電能并入電力系統(tǒng)中。區(qū)別于單獨運行的風(fēng)力發(fā)電站和太陽能電站，聯(lián)合系統(tǒng)能夠?qū)鬏斁€路接受程度以外的能量進行儲存，轉(zhuǎn)換為水的勢能作為備用電源，提高了能源利用率，減少了棄風(fēng)和棄光現(xiàn)象。在提供能量的同時也相對應(yīng)地減少了煤炭的使用量和對環(huán)境的污染。

2.4.2 削峰填谷

抽水蓄能電站作為緩沖系統(tǒng)，能夠在需要的時候進行能量的儲能和釋放。一方面儲存太陽能和風(fēng)能的額外發(fā)電量，另一方面在電力系統(tǒng)負(fù)荷較輕的時候儲存發(fā)電機組多出的輸出功率。當(dāng)電力系統(tǒng)中的負(fù)荷較重時，抽水蓄能電站能夠?qū)Υ娴哪芰肯螂娋W(wǎng)傳輸，以彌補當(dāng)前機組輸出容量不足的情況。在這個過程中，抽水蓄能電站對電力負(fù)荷曲線起到了削峰填谷的作用，同時也減少了火電機組頻繁投退的現(xiàn)象。

2.4.3 增加最大發(fā)電容量

在現(xiàn)有的火電機組的基礎(chǔ)上加入聯(lián)合運行系統(tǒng)，新增加了風(fēng)力發(fā)電機組、光伏發(fā)電機組、抽水蓄能機組等多個發(fā)電設(shè)備，大大增加了電力系統(tǒng)中的最大發(fā)電容量。電力系統(tǒng)中的容量裕度得到了增加，安全運行系數(shù)也能得到相應(yīng)的提高。

圖9 斑點鬣狗算法和粒子群算法的收斂曲線Fig.9 Convergence curves of spotted hyena algorithm and particle swarm algorithm

2.5 斑點鬣狗算法與粒子群算法對比

考慮1.1節(jié)中的目標(biāo)函數(shù)，分別使用斑點鬣狗算法和粒子群算法對上述算例進行求解。兩種算法的收斂曲線如圖9所示。

由圖9可知，斑點鬣狗算法的全局尋優(yōu)能力及收斂速度均優(yōu)于粒子群算法。

3 總結(jié)與展望

基于風(fēng)光互補的抽水蓄能電站聯(lián)合運行系統(tǒng)在時間上和空間上都具有一定的互補性，從而提高了新能源發(fā)電的利用率，減少棄風(fēng)棄光率，其削峰填谷效果亦有利于系統(tǒng)安全穩(wěn)定的運行?；诖耍疚淖龀隽艘韵鹿ぷ鳎?/p>

(1)構(gòu)建出基于風(fēng)光互補的抽水蓄能電站聯(lián)合調(diào)度模型，確定其目標(biāo)函數(shù)和約束條件；

(2)介紹了斑點鬣狗從生物行為衍變?yōu)閮?yōu)化算法的過程，期望通過斑點鬣狗算法來求解聯(lián)合系統(tǒng)的數(shù)學(xué)模型；

(3)搭建了聯(lián)合運行系統(tǒng)的模型仿真，對比分析了風(fēng)光協(xié)同并網(wǎng)系統(tǒng)和加入抽水蓄能后的系統(tǒng)運行情況，仿真結(jié)果說明了基于風(fēng)光互補的抽水蓄能電站帶來的收益更有優(yōu)勢。