基于改進NSGA-Ⅱ算法的風電—抽水蓄能聯合優(yōu)化運行研究

摘要：以經典日風電功率預測為基礎，提出了風電—抽水蓄能聯合優(yōu)化運行模型，該模型以聯合系統(tǒng)經濟性最大、出力的波動性最小及系統(tǒng)碳排放量最小為目標。利用改進的NSGA-Ⅱ算法對多目標模型進行求解，結果證明，利用改進算法求解的風電—抽水蓄能聯合優(yōu)化運行模型有效提高了電網的經濟效益、環(huán)境效益及電力系統(tǒng)的穩(wěn)定性。

關鍵詞：風電—抽水蓄能聯合;多目標;碳排放;改進NSGA-Ⅱ算法

中圖分類號：TM614;TV743? ? 文獻標志碼：A? ? 文章編號：1671-0797（2022）04-0012-04

DOI：10.19514/j.cnki.cn32-1628/tm.2022.04.004

0? ? 引言

在碳達峰、碳中和背景下，能源的轉變正在發(fā)生，超過170個國家有可再生能源目標，其中許多國家將其納入國家確定的貢獻，即在保持能源增長的同時，通過提高能源效率和循環(huán)經濟措施，穩(wěn)定經濟需求;采用以可再生能源為主的脫碳能源系統(tǒng)，來滿足日益增長的能源需求。目前，風能以其無污染、豐富、可再生的特性受到越來越多的關注，但風能的高波動性和隨機性對電力系統(tǒng)穩(wěn)定性有很大影響。為減小風電的間歇性和波動性對電網的影響，張翔宇等人[1]建立了風電—抽水蓄能電站聯合運行的優(yōu)化模型，模型以總發(fā)電成本最小為目標函數，提高了聯合系統(tǒng)的經濟效益與環(huán)境效益。

近年來，在能源互補運行方面的研究較多。文獻[2]以風電場效益與供電可靠性為目標，利用改進的粒子群算法對建立的風電—抽水蓄能電站聯合運行的優(yōu)化模型進行求解，結果驗證了聯合運行模型對目標有較大提升。文獻[3]利用改進的離散粒子群算法，對利用風險約束理論與抽水蓄能電站的儲能和調節(jié)功能構建的抽水蓄能—風電聯合優(yōu)化調度模型進行求解，結果表明該方法可以有效提升系統(tǒng)的經濟效益。文獻[4]以輸出功率波動最小為目標，建立了風電—抽水蓄能聯合優(yōu)化運行模型，并應用改進的蝙蝠算法對模型進行了求解，結果驗證了聯合優(yōu)化運行模型可有效減小輸出功率的波動。文獻[5]建立了一種水風互補聯合運行系統(tǒng)仿真模型，仿真結果表明模型能較好地平抑風電出力波動。文獻[6]以聯合發(fā)電系統(tǒng)的并網發(fā)電效益最大和跟蹤負荷曲線變化為目標建立模型，利用NSGA-Ⅱ算法進行優(yōu)化求解，結果表明優(yōu)化模型不僅可以提高發(fā)電效益，還能很好地跟蹤負荷曲線變化。

本文以提高風電—抽水蓄能電站聯合運行經濟效益和輸出功率的穩(wěn)定性為目標，建立了多目標、多約束的聯合運行模型。

1? ? 風電—抽水蓄能聯合運行優(yōu)化模型

風力發(fā)電過程中風速的變化造成了風電輸出功率的不連續(xù)性和不穩(wěn)定性，而風電功率的不斷變化增加了研究過程的復雜性。本文把全天分為96時段，根據地區(qū)經典日風電、負荷數據預測每隔15 min的風電、負荷曲線;本研究選擇了3個目標。

1.1? ? 目標函數

1.1.1? ? 目標一：聯合運行經濟效益最大化

考慮抽水蓄能電站中發(fā)電機的啟停成本和不同時間段入網電價的差異：

式中：kw（t）為t時段風電上網電價;pw（t）為t時段風電功率;kh（t）為t時段水電上網電價;ph（t）為t時段抽水蓄能發(fā)電功率;kp（t）為t時段水泵抽水電價;pp（t）為t時段水泵抽水功率;Δt為單個時段的時長;n為抽水蓄能電站啟停次數;c為單次啟停成本。

1.1.2? ? 目標二：負荷與輸出的差異最小

電網負荷的波動是時變的，負荷與輸出的差異最小可以減少抽水蓄能電站發(fā)電接入電網時對電網的影響。

式中：p（t）為聯合發(fā)電系統(tǒng)的功率，p（t）=pw（t）+ph（t）-pp（t）;pf（t）為t時段聯合發(fā)電系統(tǒng)計劃承擔的電網負荷。

1.1.3? ? 目標三：碳排放量最小

通過全生命周期投入產出評估求得風電、抽水蓄能和燃煤發(fā)電的碳排放系數[7]：

式中：Rw為風電碳排放系數;Rhp為抽水蓄能電站碳排放系數;Rf為火電碳排放系數;Rsk為水庫碳排放系數;pa（t）為風蓄負荷—等效負荷;Te為水庫使用年限;ηh為發(fā)電轉化效率;E為上水庫最大容量。

1.2? ? 約束條件

（1）風電功率約束：

式中：pw_min與pw_max分別為風電功率的最小值與最大值。

（2）抽水蓄能電站約束：

式中：ph_min與ph_max分別為抽蓄發(fā)電功率的最小值與最大值;pp_min與pp_max分別為水泵抽水功率的最小值與最大值。

式中：Eu_min與Eu_max分別為抽水蓄能電站上水庫儲存能量的最小值與最大值;El_min與El_max分別為抽水蓄能電站下水庫儲存能量的最小值與最大值。

（3）聯合系統(tǒng)出力約束：

式中：ε為聯合系統(tǒng)出力波動系數，ε=0.2。

（4）等式約束：

式中：Et為上水庫初始能量;ηp為抽水轉化效率;ηh為發(fā)電轉化效率。

2? ? 基于精英選擇策略的非支配排序遺傳算法

本文選用改進NSGA-Ⅱ算法對該模型進行求解，NSGA-Ⅱ算法是N. SRINIVAS等人在NSGA基礎上改進而來的，將非支配準則和擁擠度比較準則運用于解之間進行優(yōu)劣比較[8]，并實行精英制以保留較好解，使算法整體性能得到有效提升，獲得的帕累托前沿的均勻性和分布性較好。NSGA-Ⅱ算法的進化交叉過程采用的是模擬二進制交叉，這種交叉方式使得算法的全局搜索能力較差，容易發(fā)生收斂過早的情況。引入正態(tài)分布交叉算子代替模擬二進制交叉，增強了NSGA-Ⅱ算法的空間搜索能力[9]。

（1）以ph、pp作為優(yōu)化變量，輸入決策變量范圍進行種群初始化。

（2）根據約束判斷計算結果的正確度。

（3）通過正態(tài)分布交叉、變異、選擇產生新的種群，然后非支配排序，計算擁擠度。

（4）如果滿足終端條件，則導出最后最優(yōu)互補操作，否則繼續(xù)。

3? ? 案例分析

為驗證模型的有效性，本文采用以下數據進行分析：風電裝機容量為1 000 MW，抽水蓄能電站上水庫初始儲能為3 000 MW，儲能上/下限分別為5 000 MW/500 MW，抽水蓄能電站每次的啟停費用約為2 000元，發(fā)電功率上/下限為300 MW/0 MW，發(fā)電效率為0.935，抽水功率上/下限分別為360 MW/0 MW，抽水效率為0.8，聯合系統(tǒng)等效負荷上限是800 MW，下限是200 MW，分段上網電價如表1所示。將參數輸入風蓄聯合運行模型并用改進的NSGA-Ⅱ算法進行求解。

如圖1所示，NSGA-Ⅱ算法優(yōu)化下得到的聯合出力曲線峰谷差為670 MW，負荷與輸出的差異值的和為658.4 MW·h。改進NSGA-Ⅱ算法優(yōu)化下得到的聯合出力曲線峰谷差為567.22 MW，負荷與輸出的差異值的和為586.45 MW·h。可以看出，改進NSGA-Ⅱ算法優(yōu)化下的等效出力曲線更加平穩(wěn)，減小了電力系統(tǒng)的調節(jié)壓力。

如圖2所示，在1—30、53—60、85—96時段風電功率較大，超過了電網可容納波動電源功率，這時抽水蓄能水泵開啟并將能量儲存起來;在31—52、61—84時段風電功率較小，低于電網可容納波動電源功率，抽水蓄能發(fā)電。

因此，抽水蓄能機組利用其儲能、發(fā)電的功能起到削峰填谷的作用。

如圖3所示，將風電出力與風蓄聯合出力分別與原負荷疊加為等效負荷，原負荷功率曲線最高峰為第84時段3 907.5 MW，最低谷為第10時段的1 931.225 MW，峰谷差值為1 976.275 MW。通過對比可知，聯合出力與單獨出力的峰谷差值分別為2 090 MW與2 309.635 MW，聯合出力比單獨出力的峰谷差值減少了219.635 MW。而風電并網增大了峰谷差值，當風電與抽水蓄能聯合后，可有效緩解風電并網產生的影響。

如表2所示，在經濟對比中，NSGA-Ⅱ算法的優(yōu)化結果是一個調度周期內模型所產生的經濟效益為129.762 5萬元，而改進NSGA-Ⅱ算法優(yōu)化后經濟效益增長9.477 5萬元。NSGA-Ⅱ算法優(yōu)化后模型所排放的二氧化碳為5.768 1×107 kg，而改進NSGA-Ⅱ算法優(yōu)化后減少碳排放9.84×105 kg。

4? ? 結語

本文以聯合系統(tǒng)經濟性最大、出力的波動性最小及系統(tǒng)碳排放量最小為目標建立了風電—抽水蓄能聯合運行優(yōu)化調度模型，并利用改進NSGA-Ⅱ算法對模型進行求解。結果證明了模型可實現削峰填谷，改善風電出力的波動性，有效減小風電波動對電力系統(tǒng)的影響，增加經濟效益，減少碳排放量。

[參考文獻]

[1] 張翔宇，李丹，張予燮，等.考慮N-1安全約束的風—火—蓄聯合優(yōu)化調度模型及仿真[J].水電能源科學，2019，37（8）：202-206.

[2] 趙亮，王堅，梁志飛，等.基于粒子群算法的風電—抽水蓄能聯合運行優(yōu)化研究[J].水利水電技術，2014，45（7）：124-126.

[3] 陳道君，王璇，左劍，等.計及風電出力不確定性的抽水蓄能—風電聯合優(yōu)化調度方法[J].電網與清潔能源，2016，32（8）：110-116.

[4] 王毛毛，姚景澤，羅清乘，等.基于改進蝙蝠算法的風蓄聯合優(yōu)化運行研究[J].東北電力技術，2021，42（3）：1-6.

[5] 王玨，廖溢文，韓文福，等.碳達峰背景下抽水蓄能—風電聯合系統(tǒng)建模及有功功率控制特性研究[J].水利水電技術，2021，52（9）：172-181.

[6] 劉權.基于多目標規(guī)劃的風光抽蓄聯合運行優(yōu)化研究[D].沈陽：沈陽工程學院，2020.

[7] KUMAR I，TYNER W E，SINHA K C.Input-output life cycle environmental assessment of greenhouse gas emissions from utility scale wind energy in the United States[J].Energy Policy，2016，89： 294-301.

[8] SRINIVAS N，DEB K.Muilti-objective optimization using non-dominated sorting in genetic algorithms[J].Evolutionary Computation，1994，2（3）：221-248.

[9] 路艷雪，趙超凡，吳曉鋒，等.基于改進的NSGA-Ⅱ多目標優(yōu)化方法研究[J].計算機應用研究，2018，35（6）：1733-1737.

收稿日期：2021-11-29

作者簡介：丁宇翔（1994—），男，河南周口人，在讀碩士，研究方向：新能源優(yōu)化調度。

3794500338286