APP下载

基于功率预测的含风电场电力系统经济优化调度研究

2016-11-11陈国初

电力科学与工程 2016年10期
关键词:风电场风电损失

肖 峰,陈国初

(上海电机学院 电气学院,上海200240)



基于功率预测的含风电场电力系统经济优化调度研究

肖峰,陈国初

(上海电机学院 电气学院,上海200240)

风能作为对环境无污染的可再生能源,已经被世界很多国家开发利用。由于风电的随机性、不稳定性等特点,给电力系统的经济调度带来新的挑战和要求。为了降低风电并网带来的影响和损失,在风电功率预测的基础上,建立了含风电场的电力系统经济调度模型,并且在计算整个调度成本时把机组停运造成的损失考虑了进去,然后采用了改进的粒子群算法模型求解,并对所提出的改进粒子群算法进行了证明,最后在10机机组实验系统中应用,求解得到最优机组组合和最优经济成本。仿真结果表明了所提出模型和算法的有效性。

功率预测;停运损失;机组组合;经济调度

0 引言

随着传统能源的不断消耗,使已有的传统能源越来越少,国家对新能源的投入与研究也越来越多。风能作为一种无污染可再生能源被广泛开发利用,随着风电在电力系统中的比重越来越多,电力系统的调度必须考虑风电场的影响[1,2]。文献[3]中求解含风电场的电力系统动态经济调度问题时,在模型中引入了正负旋转备用约束,但是只考虑了常规机组的发电成本,模型不够全面。文献[4]提出了求解含风电场的经济调度问题模糊模型,模糊模型中使用的隶属度函数较为简单,有很大的人为因素,所得结果不能反映实际情况。文献[5]在传统动态经济调度模型上,提出了包含风电发电成本、火电机组排污的环境成本的调度模型,采用基于水平比较规则的改进差分计划算法来求解。文献[6]提出了一种两阶段随机动态经济调度模型,采用随机分解算法对模型进行求解,以便于实时应用。另外对电力系统机组组合的研究,文献[7]中模拟退火算法优化遗传算法解决发电机组启停机优化问题,满足了安全可靠的多约束条件下,较好地改善机组启停计划的经济性。文献[8]优化调度模型中引入了超分位数方法来处理风电处理和负荷预测偏差不确定性因素引起的失负荷损失和弃风损失。文献[9]采用了机会约束规划建立考虑运行风险的动态经济调度,其中,将功率预测以一种概率预测的方式展现出来。文献[10]基于鲁棒优化理论来建立电力系统旋转备用获取模型,提出了"风电扰动参数"这一随机变量来刻画实际出力对系统常规机组的波动。文献[11]提出了计及电压调节效应,考虑备用响应机制,把发电和负荷间功率平衡的实现为线索的模型,采用基于Benders分解思想来求解模型。文献[12]搭建的含风电场的电力系统动态调度模型中包含了风电出力盈余和不足成本,采用布谷鸟搜索算法对目标函数进行求解,但文中缺少了对含风电场的电力系统中的备用需求的成本。文献[13]提出一种新的智能混合算法-改进粒子群与蜂群混合算法来解决含风电场的电力系统经济调度模型。本文在含风电场的电力系统调度模型中,将风电预测信息考虑进去,同时经济目标函数中加入了机组停运造成的损失,提出改进的粒子群算法来求解,给出了优化过后的最优机组组合和最优成本。

1 建立含风电场的电力系统经济调度模型

1.1目标函数

根据《可再生能源法》中的说明[14],国家电网企业对上网风电必须全额收购,因此,在不考虑风电的费用前提下,含风电场的电力系统经济调度的目标是使常规机组运行所产生的费用最少。考虑到常规机组阀点效应的系统发电成本表达式为:

(1)

1.2约束条件

(1)有功功率平衡约束

(2)

(2) 常规机组发电出力约束

(3)

(3)发电机爬坡率约束

(4)

式中:URn、DRn分别为发电机下调和上调爬坡速率。

(4)系统正负旋转备用容量约束

由于风电并网及负荷预测的不稳定性,加上发电机组强迫停运的存在,需要系统利用正负备用容量来应对负荷波动和机组停运带来的影响,同时风电的加入,由于误差的存在,也需要系统正负备用容量来消除其影响。正备用容量约束条件:

(5)

负备用容量约束条件:

(6)

由于发电机组强迫停运也会造成相应的损失,这项停电损失本文引入到目标函数中去。通过最优模型求解出最优的机组组合及最小的成本。具体模型如下:

(7)

式中:F1为加入停运损失后的总发电费用;J1、J2分别表示正负备用容量的损失成本;q1、q2分别为正负备用容量损失成本系数。

2 改进的粒子群算法

2.1基本的粒子群算法

(8)

(9)

式中:i=1,2,…,m;d=1,2…,D;w是非负数,成为惯性因子;加速常数c1和c2是非负常数;r1和r2是[0,1]范围内变换的随机数;α称为约束因子,目的是控制速度的权重。

2.2改进的粒子群算法及其收敛性分析

PSO算法收敛速度快,需要调整的参数少,原理简单,容易实现,协同搜索,同时利用个体局部信息和群体全局信息指导搜索,更容易飞跃局部最优信息。但PSO算法的缺点也是显而易见的,算法局部搜索能力较差,搜索精度不够高,不能绝对保证搜索到全局最优解。为了提高算法的性能,对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为第d次迭代中的最优解;δ1、δ2为影响因子;r3是[0,1]区间的随机数。引入了新的迭代量,解决了粒子群优化算法容易陷入局部最优的问题,避免算法出现“早熟”现象。

同时加速系数根据如下公式更新:

式中:c1min=c2min=0.5;c1max=c2max=2;dmax为最大迭代次数。在搜索一开始,选择较大的c1和较小的c2,随着迭代次数的增加,c1线性递减,c2线性递增,使得接下去c1变小,c2变大,从而提高了全局最优值的收敛能力。图1为PSO求解经济调度模型的算法流程图。

通过精益管理系统授权员工,鼓励员工参与日常工作改善活动,并培养员工持续改进能力;建立战略展开系统,确立恩泽真北目标,形成共识机制,建立持续改进文化,最终助力恩泽医疗成功转型,提高医院运营绩效,为患者和员工创造价值。

图1 PSO算法流程图

对于算法的收敛性证明如下。

证明:对公式(10)、(11)变形得到:

(12)

(13)

在粒子群算法中存在如下定理1:

则式(12)、(13)可以变为

(14)

(15)

将(14)、(15)转化如下向量表达:

在PSO收敛下,当d→+∞时,

结论成立。

3 算例分析

本文为验证上述改进算法,采用了某装机容量20MW的风电场和10机机组实验系统进行含风电场的经济调度分析。相应的常规发电机机组参数参照文献[16-18]。本文调度周期以24h为时段进行分析,由于风的波动性导致风电功率的输出的不稳定,对后面10机机组的经济调度产生不可忽视的影响。对风功率数据的处理与预测就显得相当的重要。图2 为风电预测出力计划。

图2 风电预测出力计划

在该算法中, 迭代次数为40, 群体规模为10,c1min=c2min=0.5,c1max=c2max=2,w=1,考虑到停电损失的存在,设置系统总负荷对正负备用需求系数L%为7%,风电出力预测误差对正备用容量的需求系数wu%为15%,风电出力预测出力对负备用容量的需求系数wd%为20%。采用改进粒子群算法前后相应机组优化组合如表1,描述的是10机机组在改进粒子群算法优化过后的机组组合和停电损失与未改进时的结果对比。

表1 改进粒子群算法和基本粒子群算法计算结果对比

由表1 得到,在含风电场的电力系统经济调度中,本文采取改进后的粒子群算法机组组合有了一定的变化,同时实现了经济成本的下降。表2为各个时段的各台机组出力情况。表3中,在采用优化算法优化过后明显比未采用算法优化的模型成本降低了很多,而后在改进粒子群算法和基本粒子群算法的对比中,本文所用的改进粒子群算法使发电总成本F1从569 500$~566 980$,省了2 520$,相应优化后的机组组合使发电机组的停电损失从3 144.593 4$~2 923.869 7$,省了220.723 7$,发电总成本一共省了2 740.723 7$。

表2 10机机组最优出力 MW

表3 经济调度优化前后结果对比

4 结论

本文对含风电场的电力系统经济调度优化进行了研究,考虑了阀点效应成本,最主要加入了因风电功率预测误差造成的影响而产生的损失和机组停运造成的损失,完善了成本目标函数。采用粒子群算法对模型优化求解,并对粒子群算法的参数进行改进,证明了本文的改进后的PSO函数收敛。最后10机机组实验系统结果表明,本文所建立的含风电场的电力系统经济调度模型合理,所采用的求解方法使得目标函数成本降低,为解决电力系统经济调度问题提供了新的途径。

[1]李智,韩学山,杨明,等.计及接纳风电能力的电网调度模型[J].电力系统自动化,2010,34(19):15-19.

[2]张海峰,高峰,吴江,等.含风电的电力系统动态经济调度模型[J].电网技术,2013,36(5):1298-1303.

[3]姜文,严正.基于一种改进粒子群算法的含风电场电力系统动态经济调度[J].电力系统保护与控制,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]黄兴,杨琳琳,韩涛,等.含风电机组的电力系统动态经济排放调度研究[J].电力科学与工程,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]温步瀛.发电机组启停机计划的智能优化研究[D].厦门:福州大学,2005.

[8]陈彦秀,彭怡峰,李怡舒,等.考虑弃风与失负荷损失的含风电系统旋转备用优化调度[J].电力科学与工程,2016,32(4):8-13.

[9]刘德伟,郭剑波,黄越辉,等.基于风电功率概率预测和运行风险约束的含风电场电力系统动态经济调度[J].中国电机工程学报,2013,33(16):9-15.

[10]蒋凌,番志,成天乐.含风电电力系统旋转备用的鲁棒优化方法研究[J].电力科学与工程,2013,29(4):1-6.

[11]孙东磊,韩学山,杨金洪.计及电压调节效应的电力系统机组组合[J].电工技术学报,2016,31(5):107-117.

[12]万隆,高明亮,梁作放,等.基于布谷鸟搜索算法的含风电场电力系统动态调度[J].山东理工大学学报(自然科学版),2015,29(6):1-5.

[13]何茜,王高峡,王斌.基于粒子群与蜂群结合的算法求解含风电场电力系统经济调度问题[J].三峡大学学报(自然科学版),2013,35(4):57-62.

[14]中华人民共和国可再生能源法[R/OL][2006-1-1].http://baike.so.com/doc/6704954-6918929.html.

[15]卓金武.MATLAB在数学建模中的应用[M].北京:北京航空航天大学出版社,2014:156.

[16]曲正伟,王京波,张坤,等.考虑不确定性成本的含风电场群电力系统短期优化调度[J].电力自动化设备,2016,36(4):137-144.

[17]张新松,礼晓飞,王运,等.不确定性环境考虑弃风的电力系统日前调度[J].电力系统保护与控制,2015,43(24):75-82.

[18]张燕.含风电场的电力系统动态经济调度[D].保定:华北电力大学,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。

上海市教委科研创新项目(13YZ140);上海市教委重点学科项目(J51901)。

肖峰(1991-),男,硕士研究生,研究方向为大型风电场多目标优化与控制技术,E-mail:2503789524@qq.com。

TK89

ADOI:10.3969/j.issn.1672-0792.2016.10.002

猜你喜欢

风电场风电损失
少问一句,损失千金
胖胖损失了多少元
玉米抽穗前倒伏怎么办?怎么减少损失?
基于PSS/E的风电场建模与动态分析
海上风电跃进隐忧
分散式风电破“局”
风电:弃风限电明显改善 海上风电如火如荼
含风电场电力系统的潮流计算
重齿风电
一般自由碰撞的最大动能损失