考慮風(fēng)電場(chǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度

考慮風(fēng)電場(chǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度

0含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度近年來，隨著能源和環(huán)境問題的日益突出，可支配能源能源尤其是風(fēng)能得到越來越多的發(fā)展。然而,由于風(fēng)速的間歇性以及風(fēng)力發(fā)電機(jī)的非線性,使得風(fēng)電場(chǎng)的出力很難精確預(yù)測(cè)。正是由于這種特點(diǎn),使得風(fēng)電場(chǎng)并網(wǎng)給系統(tǒng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度帶來了巨大的挑戰(zhàn)。傳統(tǒng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度分為靜態(tài)經(jīng)濟(jì)調(diào)度和動(dòng)態(tài)經(jīng)濟(jì)調(diào)度。靜態(tài)經(jīng)濟(jì)調(diào)度是對(duì)電力系統(tǒng)的某個(gè)時(shí)間斷面求取目標(biāo)最優(yōu),只考慮靜態(tài)約束,沒有考慮不同時(shí)間斷面之間的內(nèi)在聯(lián)系;而動(dòng)態(tài)經(jīng)濟(jì)調(diào)度考慮了不同時(shí)間斷面的耦合性,如發(fā)電機(jī)爬坡率等,因此計(jì)算過程比靜態(tài)經(jīng)濟(jì)調(diào)度復(fù)雜,但計(jì)算結(jié)果更符合實(shí)際要求。由于風(fēng)電場(chǎng)具有隨機(jī)性特點(diǎn),因此含風(fēng)電場(chǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度更適合采用動(dòng)態(tài)模型。目前,對(duì)于含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度的研究還處于起步階段,急需進(jìn)一步深入。在含風(fēng)電場(chǎng)的經(jīng)濟(jì)調(diào)度模型中,為保證系統(tǒng)的可靠性,需要采取相應(yīng)的措施以應(yīng)對(duì)風(fēng)能隨機(jī)波動(dòng)性和間歇性對(duì)系統(tǒng)帶來的影響。文獻(xiàn)使用遺傳算法優(yōu)化風(fēng)電機(jī)組和傳統(tǒng)發(fā)電機(jī)組的調(diào)度,且考慮風(fēng)電機(jī)組的特性以及傳統(tǒng)機(jī)組的閥點(diǎn)效應(yīng)。文獻(xiàn)提出了一種含有風(fēng)電場(chǎng)的經(jīng)濟(jì)調(diào)度模型,該模型是將風(fēng)電機(jī)組加入到傳統(tǒng)的經(jīng)濟(jì)調(diào)度模型中并用解析法求解。文獻(xiàn)使用了模糊最優(yōu)化的方法解含有風(fēng)電場(chǎng)和光伏發(fā)電系統(tǒng)的經(jīng)濟(jì)調(diào)度問題?？紤]風(fēng)電場(chǎng)影響以及機(jī)組爬坡率的一種隨機(jī)經(jīng)濟(jì)調(diào)度模型在文獻(xiàn)中被提出。在文獻(xiàn)[11-12]中,模型預(yù)測(cè)控制被用來解含有各種間歇性能源的調(diào)度問題。一種考慮風(fēng)電穿透功率的雙目標(biāo)經(jīng)濟(jì)調(diào)度模型在文獻(xiàn)中被提出。文獻(xiàn)提出一種模糊模型用來求解含有風(fēng)電場(chǎng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問題。在文獻(xiàn)中,由于模糊模型中使用隸屬度函數(shù),所以有很大的人為因素。在以上的文獻(xiàn)中,系統(tǒng)的正旋轉(zhuǎn)備用、負(fù)旋轉(zhuǎn)備用以及爬坡率約束并沒有同時(shí)考慮,因此這些模型并不能準(zhǔn)確地描述動(dòng)態(tài)經(jīng)濟(jì)調(diào)度的實(shí)際情況。本文提出了一種改進(jìn)的PSO算法用于解含有風(fēng)電場(chǎng)的DED模型。引入正、負(fù)旋轉(zhuǎn)備用來應(yīng)對(duì)風(fēng)電場(chǎng)并網(wǎng)對(duì)DED模型的影響,同時(shí)在目標(biāo)函數(shù)中考慮了常規(guī)機(jī)組的閥點(diǎn)效應(yīng)。機(jī)組的爬坡率、運(yùn)行約束、以及系統(tǒng)的有功平衡等在最優(yōu)化模型中同時(shí)給予考慮。所提算法的可行性和有效性通過與基本PSO以及遺傳算法進(jìn)行比較得到驗(yàn)證。所有算例都是基于典型的10機(jī)測(cè)試系統(tǒng)。1數(shù)學(xué)模型1.1調(diào)度運(yùn)行優(yōu)化問題的描述由于風(fēng)力發(fā)電不需要消耗日益減少的燃料,電力公司應(yīng)該首先調(diào)度風(fēng)電。含風(fēng)電場(chǎng)的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度的目標(biāo)是在滿足負(fù)荷和運(yùn)行約束的前提下,合理地分配電網(wǎng)中各發(fā)電機(jī)組的出力使得調(diào)度期間發(fā)電總成本最小。在汽輪機(jī)進(jìn)氣閥突然開啟時(shí)出現(xiàn)的拔絲現(xiàn)象會(huì)在機(jī)組耗量曲線上疊加一個(gè)脈動(dòng)效應(yīng),產(chǎn)生閥點(diǎn)效應(yīng)。因此,在不考慮風(fēng)電運(yùn)行費(fèi)用的情況下,優(yōu)化目標(biāo)的表達(dá)式為:其中:F是整個(gè)調(diào)度運(yùn)行的總體費(fèi)用;D為調(diào)度運(yùn)行時(shí)間;N為發(fā)電機(jī)個(gè)數(shù);Pid為發(fā)電機(jī)i在時(shí)段d的出力;Fid(Pid)為發(fā)電機(jī)i在出力為Pid時(shí)的費(fèi)用。其中其中:ai,bi,ci是機(jī)組i燃料費(fèi)用系數(shù);ei,fi為閥點(diǎn)效應(yīng)系數(shù)。1.2合同規(guī)定12平衡功率限制式中:WTd,LDd是d時(shí)段風(fēng)電場(chǎng)出力以及系統(tǒng)負(fù)荷值;PLd為系統(tǒng)網(wǎng)損。2操作限制式中,Pimin,Pimax是發(fā)電機(jī)i的出力上下限。3正、負(fù)旋轉(zhuǎn)備用兩種旋轉(zhuǎn)備用:正旋轉(zhuǎn)備用(USR)、負(fù)旋轉(zhuǎn)備用(DSR)分別表示為式中:USRd,DSRd是時(shí)段d的正、負(fù)旋轉(zhuǎn)備用;URd,DRd分別為各個(gè)機(jī)組i在時(shí)段d所提供的正、負(fù)旋轉(zhuǎn)備用;wu%表示風(fēng)電出力預(yù)測(cè)誤差對(duì)正旋轉(zhuǎn)備用的需求;T10表示旋轉(zhuǎn)備用響應(yīng)時(shí)間10min;NW表示風(fēng)機(jī)臺(tái)數(shù);Wymax表示風(fēng)機(jī)y的最大出力;wd%表示風(fēng)電出力預(yù)測(cè)誤差對(duì)負(fù)旋轉(zhuǎn)備用的需求;RUi,RDi分別表示機(jī)組i的上下爬坡率。42機(jī)急差率限制式中,T60表示一個(gè)運(yùn)行時(shí)段1h,即60min。2風(fēng)電場(chǎng)的信息分享策略PSO算法已經(jīng)廣泛地應(yīng)用于各種優(yōu)化問題。本文為了求解含風(fēng)電場(chǎng)的DED模型,提出了一種改進(jìn)的PSO方法。為了使最優(yōu)粒子能夠?qū)⑿畔⑴c其他粒子進(jìn)行分享,本文提出了信息分享策略。此外,為了提高粒子的搜索能力,提出了精英學(xué)習(xí)策略。2.1基于psi的信息分享率在信息分享策略中,使用式(11)來更新粒子的速度:式中:Psi表示信息分享率;在粒子速度更新之前,首先產(chǎn)生一個(gè)隨機(jī)數(shù),如果此隨機(jī)數(shù)大于等于Psi,則粒子速度的更新將趨向于全局最優(yōu)值,否則利用pbestr,d代替全局最優(yōu)值。本文信息分享率被定義為:式中:N1表示所求問題的維數(shù);t表示當(dāng)前的仿真次數(shù);ITmax表示最大仿真次數(shù)。pbestr,d按下列原則產(chǎn)生:1)從所有的粒子中隨機(jī)地選擇三個(gè);3)pbestr,d將會(huì)分享它的所有信息(各個(gè)維數(shù))。2.2選取的總體最優(yōu)解和其他的粒子不同,全局最優(yōu)粒子沒有更好的粒子為目標(biāo),因此需要新的動(dòng)力來推動(dòng)它朝向潛在的最優(yōu)解靠近。如果找到一個(gè)比全局最優(yōu)粒子較優(yōu)的解,則用此解代替全局最優(yōu)解,然后其余的粒子跳出局部最優(yōu),往新的全局最優(yōu)解收斂。在精英學(xué)習(xí)策略中,設(shè)置參數(shù)k為全局最優(yōu)解連續(xù)沒有被更新的次數(shù),Nk是參數(shù)k的閾值。當(dāng)參數(shù)k值增加到Nk時(shí),精英學(xué)習(xí)策略開始起作用。本文精英學(xué)習(xí)策略中,選取全局最優(yōu)解的一維Pd(根據(jù)機(jī)組出力費(fèi)用靈敏度大小選取)作為擾動(dòng)項(xiàng)。之所以僅僅選擇一維,是考慮到局部最優(yōu)很有可能具有全局最優(yōu)的部分結(jié)構(gòu),因此這部分應(yīng)該給予保護(hù)。精英學(xué)習(xí)策略通過Bata分布表示如下:搜索范圍[Xdmin,Xdmax]是所求問題的上下限值。Betarnd(α,β)是一個(gè)參數(shù)為α和β的隨機(jī)Bata分布。在Bata分布中,均值,方差本文選β為1。類似于(α+β)2·(1+α+β)一些時(shí)變的神經(jīng)網(wǎng)絡(luò)訓(xùn)練策略,設(shè)α隨著仿真次數(shù)線性變化:式中:αinitial、αfinal分別是α的初始值和終值,根據(jù)經(jīng)驗(yàn)取αinitial=1.0、αfinal=0.2,精英學(xué)習(xí)策略流程圖如圖1所示。3學(xué)習(xí)策略相結(jié)合改進(jìn)的粒子群算法將信息互享策略和精英學(xué)習(xí)策略相結(jié)合,進(jìn)而增強(qiáng)了搜索能力以及跳出局部最優(yōu)的能力。利用所提算法求解含風(fēng)電場(chǎng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度的流程如下:c1根據(jù)預(yù)測(cè)風(fēng)速計(jì)算各個(gè)時(shí)段風(fēng)電場(chǎng)的出力。加速度系數(shù)c設(shè)置參數(shù):粒子總數(shù)J=40,最大仿真次數(shù)ITmax=2500,本文使用動(dòng)態(tài)慣性系數(shù)為:式中:t表示仿真次數(shù);ωinitial、ωfinal分別表示慣性系數(shù)的初始值和終值,分別設(shè)置為0.9和0.4;使用時(shí)變的加速度系數(shù)為:式中:c1f,c1i,c2f和c2i分別是c1、c2的終值和初始值;從經(jīng)驗(yàn)值來看,當(dāng)c1從2.5到0.5變化、c2從0.5到2.5變化時(shí),可以得到最優(yōu)值;Nk取4。發(fā)電機(jī)的d矩陣隨機(jī)的產(chǎn)生初始值xjk,j=1,2,3,…,J,每個(gè)粒子xjk包含發(fā)電機(jī)的有功出力,是一個(gè)N×D的矩陣,其中每個(gè)元素Pn,d(n=1,2,…,N,d=1,2,…,D)在整個(gè)可行域內(nèi)均勻分布。4：評(píng)估每個(gè)顆粒的適應(yīng)性值適應(yīng)值是評(píng)估每個(gè)粒子優(yōu)劣的標(biāo)準(zhǔn)。式(18)描述了動(dòng)態(tài)經(jīng)濟(jì)調(diào)度函數(shù)適應(yīng)值:式中:其中:λe是約束懲罰因子;CSkj,e,d是懲罰函數(shù)。5：進(jìn)一步增加粒子速度和位置產(chǎn)生一個(gè)隨機(jī)數(shù)r,然后根據(jù)公式(11)、(12)更新粒子的速度,再根據(jù)式(26)更新粒子的位置。局部最佳試驗(yàn)判斷k是否等于Nk,如果是,則采用精英學(xué)習(xí)策略使最優(yōu)粒子跳出局部最優(yōu)。Step7:結(jié)束判斷如果滿足結(jié)束條件,程序停止,否則由式(15)、(16)、(17)更新慣性系數(shù)和加速度系數(shù),然后循環(huán)step4~step6,直至程序結(jié)束。4鹽藻系統(tǒng)和pso算法的比較為了證明所提算法的有效性,本文采用典型的10機(jī)測(cè)試系統(tǒng),系統(tǒng)的負(fù)荷采用6個(gè)時(shí)段,機(jī)組的參數(shù)可以通過文獻(xiàn)獲得。風(fēng)電場(chǎng)是由100臺(tái)雙饋異步風(fēng)機(jī)V90-2MW組成,風(fēng)速數(shù)據(jù)來至東海風(fēng)電場(chǎng)。風(fēng)速采用滑動(dòng)平均-自回歸(AutoRegressiveMovingAverageModel,ARMA)模型預(yù)測(cè),在系統(tǒng)運(yùn)行時(shí)段,風(fēng)電場(chǎng)出力如圖2所示。為了彌補(bǔ)風(fēng)電場(chǎng)出力的隨機(jī)波動(dòng)性,系統(tǒng)的正旋轉(zhuǎn)備用隨著風(fēng)電場(chǎng)的增加而增加,本文假設(shè)風(fēng)電場(chǎng)的并網(wǎng)使得正旋轉(zhuǎn)備用增加wu%=20,負(fù)旋轉(zhuǎn)備用增加wd%=40。仿真經(jīng)驗(yàn)表明,當(dāng)λ1,λ2,λ3,λ4,λ5,λ6分別取4000,3000,2000,2000,2500和2500時(shí),可以獲得最優(yōu)解。IPSO初始化見第三部分。利用IPSO算法計(jì)算50次,其最優(yōu)結(jié)果如表1所示。表1給出了50次計(jì)算過程中的最優(yōu)解。為了證明所提算法的有效性,本文將所提的IPSO算法和基本的PSO算法以及遺傳算法進(jìn)行了比較。表2給出了基本PSO算法的最優(yōu)解。比較表1和表2,可以看出所提算法明顯地優(yōu)于基本的PSO算法,總費(fèi)用從243091.45$降到231915.92$,節(jié)省了4.6%。表3給出了使用遺傳算法所得到的最優(yōu)解。通過比較可知,IPSO算法使系統(tǒng)運(yùn)行的總費(fèi)用明顯地降低,節(jié)省了8.85%的總成本。常規(guī)機(jī)組的閥點(diǎn)效應(yīng)在動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型中是一個(gè)重要的因素。在汽輪機(jī)進(jìn)氣閥突然開啟時(shí)出現(xiàn)的拔絲現(xiàn)象會(huì)在機(jī)組耗量曲線上疊加一個(gè)脈動(dòng)效應(yīng),產(chǎn)生閥點(diǎn)效應(yīng),這會(huì)增加機(jī)組耗能費(fèi)用函數(shù)的非凸性。因此,考慮閥點(diǎn)效應(yīng)更符合實(shí)際情況。表4給出了沒有考慮閥點(diǎn)效應(yīng)的系統(tǒng)運(yùn)行最優(yōu)值。從表1和表4可知,沒有考慮閥點(diǎn)效應(yīng)要比考慮閥點(diǎn)效應(yīng)時(shí),系統(tǒng)總的運(yùn)行費(fèi)用少5.23%,因此,如果不考慮閥點(diǎn)效應(yīng),將會(huì)存在很大的誤差。由于風(fēng)能具有隨機(jī)性和間歇性,本文引用正旋轉(zhuǎn)備用和負(fù)旋轉(zhuǎn)備用來保證系統(tǒng)的安全可靠。表5是在備用約束中沒有考慮風(fēng)能影響的最優(yōu)解,和表1比較可知系統(tǒng)總的運(yùn)行費(fèi)用從231915.92$降到221506.05$,減少了10409.87$。由此可知,應(yīng)對(duì)風(fēng)電不穩(wěn)定是以增加常規(guī)機(jī)組運(yùn)行費(fèi)用為代價(jià)。隨著風(fēng)能的增加,常規(guī)機(jī)組必須提供較多的備用以便應(yīng)對(duì)風(fēng)能的波動(dòng),從而保證系統(tǒng)的安全穩(wěn)定運(yùn)行,這勢(shì)必增加常規(guī)機(jī)組燃煤費(fèi)用,與此同時(shí),風(fēng)能的增加分擔(dān)了部分負(fù)荷,從而減少了常規(guī)機(jī)組的燃煤費(fèi)用。表6給出了不含風(fēng)電場(chǎng)的系統(tǒng)最優(yōu)值。從表1和表6可知,加入風(fēng)電場(chǎng)之后使得系統(tǒng)的運(yùn)行費(fèi)用從275204.71$下降到231915.92$,節(jié)省了15.763%的費(fèi)用。圖3給出了風(fēng)機(jī)加入臺(tái)數(shù)所對(duì)應(yīng)的費(fèi)用節(jié)省曲線圖。5優(yōu)化方法仿真驗(yàn)證本文研究了含風(fēng)電場(chǎng)的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問題。在優(yōu)