基于功率預測的含風電場電力系統經濟優化調度研究

肖　峰，陳國初

(上海電機學院 電氣學院，上海200240)

?

基于功率預測的含風電場電力系統經濟優化調度研究

肖峰，陳國初

(上海電機學院 電氣學院，上海200240)

風能作為對環境無污染的可再生能源，已經被世界很多國家開發利用。由于風電的隨機性、不穩定性等特點，給電力系統的經濟調度帶來新的挑戰和要求。為了降低風電并網帶來的影響和損失，在風電功率預測的基礎上，建立了含風電場的電力系統經濟調度模型，并且在計算整個調度成本時把機組停運造成的損失考慮了進去，然后采用了改進的粒子群算法模型求解，并對所提出的改進粒子群算法進行了證明，最后在10機機組實驗系統中應用，求解得到最優機組組合和最優經濟成本。仿真結果表明了所提出模型和算法的有效性。

功率預測；停運損失；機組組合；經濟調度

0　引言

隨著傳統能源的不斷消耗，使已有的傳統能源越來越少，國家對新能源的投入與研究也越來越多。風能作為一種無污染可再生能源被廣泛開發利用，隨著風電在電力系統中的比重越來越多，電力系統的調度必須考慮風電場的影響[1，2]。文獻[3]中求解含風電場的電力系統動態經濟調度問題時，在模型中引入了正負旋轉備用約束，但是只考慮了常規機組的發電成本，模型不夠全面。文獻[4]提出了求解含風電場的經濟調度問題模糊模型，模糊模型中使用的隸屬度函數較為簡單，有很大的人為因素，所得結果不能反映實際情況。文獻[5]在傳統動態經濟調度模型上，提出了包含風電發電成本、火電機組排污的環境成本的調度模型，采用基于水平比較規則的改進差分計劃算法來求解。文獻[6]提出了一種兩階段隨機動態經濟調度模型，采用隨機分解算法對模型進行求解，以便于實時應用。另外對電力系統機組組合的研究，文獻[7]中模擬退火算法優化遺傳算法解決發電機組啟停機優化問題，滿足了安全可靠的多約束條件下，較好地改善機組啟停計劃的經濟性。文獻[8]優化調度模型中引入了超分位數方法來處理風電處理和負荷預測偏差不確定性因素引起的失負荷損失和棄風損失。文獻[9]采用了機會約束規劃建立考慮運行風險的動態經濟調度，其中，將功率預測以一種概率預測的方式展現出來。文獻[10]基于魯棒優化理論來建立電力系統旋轉備用獲取模型，提出了"風電擾動參數"這一隨機變量來刻畫實際出力對系統常規機組的波動。文獻[11]提出了計及電壓調節效應,考慮備用響應機制，把發電和負荷間功率平衡的實現為線索的模型，采用基于Benders分解思想來求解模型。文獻[12]搭建的含風電場的電力系統動態調度模型中包含了風電出力盈余和不足成本，采用布谷鳥搜索算法對目標函數進行求解，但文中缺少了對含風電場的電力系統中的備用需求的成本。文獻[13]提出一種新的智能混合算法-改進粒子群與蜂群混合算法來解決含風電場的電力系統經濟調度模型。本文在含風電場的電力系統調度模型中，將風電預測信息考慮進去，同時經濟目標函數中加入了機組停運造成的損失，提出改進的粒子群算法來求解，給出了優化過后的最優機組組合和最優成本。

1　建立含風電場的電力系統經濟調度模型

1.1目標函數

根據《可再生能源法》中的說明[14]，國家電網企業對上網風電必須全額收購，因此，在不考慮風電的費用前提下，含風電場的電力系統經濟調度的目標是使常規機組運行所產生的費用最少。考慮到常規機組閥點效應的系統發電成本表達式為：

(1)

1.2約束條件

(1)有功功率平衡約束

(2)

(2) 常規機組發電出力約束

(3)

(3)發電機爬坡率約束

(4)

式中：URn、DRn分別為發電機下調和上調爬坡速率。

(4)系統正負旋轉備用容量約束

由于風電并網及負荷預測的不穩定性，加上發電機組強迫停運的存在，需要系統利用正負備用容量來應對負荷波動和機組停運帶來的影響，同時風電的加入，由于誤差的存在，也需要系統正負備用容量來消除其影響。正備用容量約束條件：

(5)

負備用容量約束條件：

(6)

由于發電機組強迫停運也會造成相應的損失，這項停電損失本文引入到目標函數中去。通過最優模型求解出最優的機組組合及最小的成本。具體模型如下：

(7)

式中：F1為加入停運損失后的總發電費用；J1、J2分別表示正負備用容量的損失成本；q1、q2分別為正負備用容量損失成本系數。

2　改進的粒子群算法

2.1基本的粒子群算法

(8)

(9)

式中：i=1,2,…,m;d=1,2…,D;w是非負數，成為慣性因子；加速常數c1和c2是非負常數；r1和r2是[0,1]范圍內變換的隨機數；α稱為約束因子，目的是控制速度的權重。

2.2改進的粒子群算法及其收斂性分析

PSO算法收斂速度快，需要調整的參數少，原理簡單，容易實現，協同搜索，同時利用個體局部信息和群體全局信息指導搜索，更容易飛躍局部最優信息。但PSO算法的缺點也是顯而易見的，算法局部搜索能力較差，搜索精度不夠高，不能絕對保證搜索到全局最優解。為了提高算法的性能，對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為第d次迭代中的最優解；δ1、δ2為影響因子；r3是[0,1]區間的隨機數。引入了新的迭代量，解決了粒子群優化算法容易陷入局部最優的問題，避免算法出現“早熟”現象。

同時加速系數根據如下公式更新：

式中：c1min=c2min=0.5；c1max=c2max=2；dmax為最大迭代次數。在搜索一開始，選擇較大的c1和較小的c2，隨著迭代次數的增加，c1線性遞減，c2線性遞增，使得接下去c1變小，c2變大，從而提高了全局最優值的收斂能力。圖1為PSO求解經濟調度模型的算法流程圖。

通過精益管理系統授權員工，鼓勵員工參與日常工作改善活動，并培養員工持續改進能力；建立戰略展開系統，確立恩澤真北目標，形成共識機制，建立持續改進文化，最終助力恩澤醫療成功轉型，提高醫院運營績效，為患者和員工創造價值。

圖1　PSO算法流程圖

對于算法的收斂性證明如下。

證明：對公式(10)、(11)變形得到：

(12)

(13)

在粒子群算法中存在如下定理1：

則式(12)、(13)可以變為

(14)

(15)

將(14)、(15)轉化如下向量表達：

令

在PSO收斂下，當d→+∞時，

則

結論成立。

3　算例分析

本文為驗證上述改進算法，采用了某裝機容量20MW的風電場和10機機組實驗系統進行含風電場的經濟調度分析。相應的常規發電機機組參數參照文獻[16-18]。本文調度周期以24h為時段進行分析，由于風的波動性導致風電功率的輸出的不穩定，對后面10機機組的經濟調度產生不可忽視的影響。對風功率數據的處理與預測就顯得相當的重要。圖2 為風電預測出力計劃。

圖2　風電預測出力計劃

在該算法中， 迭代次數為40， 群體規模為10，c1min=c2min=0.5,c1max=c2max=2，w=1,考慮到停電損失的存在，設置系統總負荷對正負備用需求系數L%為7%，風電出力預測誤差對正備用容量的需求系數wu%為15%，風電出力預測出力對負備用容量的需求系數wd%為20%。采用改進粒子群算法前后相應機組優化組合如表1，描述的是10機機組在改進粒子群算法優化過后的機組組合和停電損失與未改進時的結果對比。

表1　改進粒子群算法和基本粒子群算法計算結果對比

由表1 得到，在含風電場的電力系統經濟調度中，本文采取改進后的粒子群算法機組組合有了一定的變化，同時實現了經濟成本的下降。表2為各個時段的各臺機組出力情況。表3中，在采用優化算法優化過后明顯比未采用算法優化的模型成本降低了很多，而后在改進粒子群算法和基本粒子群算法的對比中，本文所用的改進粒子群算法使發電總成本F1從569 500$～566 980$，省了2 520$，相應優化后的機組組合使發電機組的停電損失從3 144.593 4$～2 923.869 7$，省了220.723 7$，發電總成本一共省了2 740.723 7$。

表2　10機機組最優出力　MW

表3　經濟調度優化前后結果對比

4　結論

本文對含風電場的電力系統經濟調度優化進行了研究，考慮了閥點效應成本，最主要加入了因風電功率預測誤差造成的影響而產生的損失和機組停運造成的損失，完善了成本目標函數。采用粒子群算法對模型優化求解，并對粒子群算法的參數進行改進，證明了本文的改進后的PSO函數收斂。最后10機機組實驗系統結果表明，本文所建立的含風電場的電力系統經濟調度模型合理，所采用的求解方法使得目標函數成本降低，為解決電力系統經濟調度問題提供了新的途徑。

[1]李智，韓學山，楊明，等.計及接納風電能力的電網調度模型[J].電力系統自動化，2010,34(19)：15-19.

[2]張海峰，高峰，吳江，等.含風電的電力系統動態經濟調度模型[J].電網技術,2013,36(5):1298-1303.

[3]姜文，嚴正.基于一種改進粒子群算法的含風電場電力系統動態經濟調度[J].電力系統保護與控制，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]黃興，楊琳琳，韓濤,等.含風電機組的電力系統動態經濟排放調度研究[J].電力科學與工程,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]溫步瀛.發電機組啟停機計劃的智能優化研究[D].廈門：福州大學，2005.

[8]陳彥秀，彭怡峰，李怡舒,等.考慮棄風與失負荷損失的含風電系統旋轉備用優化調度[J].電力科學與工程,2016,32(4):8-13.

[9]劉德偉，郭劍波，黃越輝，等.基于風電功率概率預測和運行風險約束的含風電場電力系統動態經濟調度[J].中國電機工程學報，2013,33(16):9-15.

[10]蔣凌，番志，成天樂.含風電電力系統旋轉備用的魯棒優化方法研究[J].電力科學與工程,2013,29(4):1-6.

[11]孫東磊，韓學山，楊金洪.計及電壓調節效應的電力系統機組組合[J].電工技術學報，2016,31(5)：107-117.

[12]萬隆，高明亮，梁作放，等.基于布谷鳥搜索算法的含風電場電力系統動態調度[J].山東理工大學學報(自然科學版)，2015，29(6)：1-5.

[13]何茜，王高峽，王斌.基于粒子群與蜂群結合的算法求解含風電場電力系統經濟調度問題[J].三峽大學學報(自然科學版),2013,35(4):57-62.

[14]中華人民共和國可再生能源法[R/OL][2006-1-1].http://baike.so.com/doc/6704954-6918929.html.

[15]卓金武.MATLAB在數學建模中的應用[M].北京：北京航空航天大學出版社，2014:156.

[16]曲正偉，王京波，張坤，等.考慮不確定性成本的含風電場群電力系統短期優化調度[J].電力自動化設備，2016,36(4)：137-144.

[17]張新松，禮曉飛，王運，等.不確定性環境考慮棄風的電力系統日前調度[J].電力系統保護與控制，2015,43(24)：75-82.

[18]張燕.含風電場的電力系統動態經濟調度[D].保定：華北電力大學,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。

上海市教委科研創新項目(13YZ140)；上海市教委重點學科項目(J51901)。

肖峰(1991-)，男，碩士研究生，研究方向為大型風電場多目標優化與控制技術,E-mail:2503789524@qq.com。

TK89

ADOI:10.3969/j.issn.1672-0792.2016.10.002