考慮輔助服務(wù)的發(fā)電商優(yōu)化運(yùn)行研究.pdf

1、我國電力工業(yè)已經(jīng)開始了市場化改制,發(fā)電商已成為獨(dú)立的市場交易主體之一,在此情況下,發(fā)電商如何綜合考慮自身運(yùn)營成本、發(fā)電價格和輔助服務(wù)價格從而實(shí)現(xiàn)利益最大化就成為一個相當(dāng)重要的課題,在如今我國已基本實(shí)現(xiàn)廠網(wǎng)分離的背景下就更具實(shí)際意義.電力系統(tǒng)經(jīng)濟(jì)運(yùn)行問題是在滿足系統(tǒng)和機(jī)組的各種約束條件的前提下,確定各發(fā)電機(jī)組的功率分配值,使系統(tǒng)總運(yùn)行費(fèi)用最小,這是一類復(fù)雜的大規(guī)模、非線性、帶約束的優(yōu)化問題,計(jì)算較為困難.盡管對此問題已經(jīng)進(jìn)行了大量研究,已

2、有一些比較成熟的解決方法,但到目前為止,還沒有達(dá)到盡善盡美的地步.隨著電力市場的產(chǎn)生和不斷深入,對電力系統(tǒng)的優(yōu)化運(yùn)行也提出了新的要求.優(yōu)化目標(biāo)由傳統(tǒng)的總發(fā)電費(fèi)用最小變?yōu)榱丝偫麧欁畲?；約束條件也有所變化,負(fù)荷需求約束由等式約束變?yōu)榱瞬坏仁郊s束；另外由于輔助服務(wù)等更多因素需要考慮,這些都使得傳統(tǒng)的優(yōu)化運(yùn)行模型需要做出相應(yīng)的改變.再者,由于各種新技術(shù)的不斷涌現(xiàn),也為研究電力系統(tǒng)的優(yōu)化運(yùn)行問題提供了新的工具.計(jì)算機(jī)技術(shù)的不斷發(fā)展,也使得一些原來

3、比較耗時的方法更容易被應(yīng)用于工程實(shí)際中來. 本文重點(diǎn)研究了電力市場條件下發(fā)電商的優(yōu)化運(yùn)行問題,提出了計(jì)及輔助服務(wù)的發(fā)電商優(yōu)化調(diào)度模型,討論了不同市場運(yùn)營模式下的模型變化,并以粒子群優(yōu)化算法為基礎(chǔ),結(jié)合求解問題的特點(diǎn),提出了新的求解方法,取得了不錯的效果. 本文第一章為緒論,闡述了本論文研究的意義、主要研究方向的研究現(xiàn)狀、粒子群優(yōu)化算法的基本內(nèi)容和本論文的創(chuàng)造性工作. 第二章討論了與發(fā)電商有關(guān)的輔助服務(wù)和及其運(yùn)營模

4、式,建立了計(jì)及輔助服務(wù)的發(fā)電商優(yōu)化調(diào)度模型. 第三章研究了發(fā)電商的經(jīng)濟(jì)調(diào)度問題模型,考慮了輔助服務(wù)(備用)和多種約束條件,然后提出一種改進(jìn)PSO算法對其進(jìn)行了求解. 第四章建立了發(fā)電商動態(tài)經(jīng)濟(jì)調(diào)度的問題模型,考慮了輔助服務(wù)(備用)和多種約束條件,并提出了一種改進(jìn)的PSO算法對其進(jìn)行求解. 第五章討論了發(fā)電商計(jì)及輔助服務(wù)(備用)的機(jī)組組合問題模型,并提出了新的求解算法. 第六章提出了一種統(tǒng)一算法對發(fā)電商優(yōu)化

5、調(diào)度模型進(jìn)行求解,并對發(fā)電商優(yōu)化調(diào)度模型的相關(guān)外延進(jìn)行了討論. 最后為全文總結(jié).本文的主要創(chuàng)新包括以下幾個方面: 1.討論了電力市場條件下發(fā)電商如何綜合考慮輔助服務(wù)實(shí)現(xiàn)優(yōu)化運(yùn)行的問題,建立了計(jì)及輔助服務(wù)的發(fā)電商優(yōu)化調(diào)度模型,討論了不同的市場運(yùn)營模式對發(fā)電商優(yōu)化調(diào)度模型的影響. 2.對于有約束的優(yōu)化問題,在采用PSO進(jìn)行求解時對于每次迭代時產(chǎn)生的不滿足約束的粒子大多采用丟棄或重新生成的方法.本文則提出了更為積極的修

6、補(bǔ)策略,將非可行解修正為接近的可行解,提高了粒子的搜索效率,使算法的精度和速度都有所提升. 3.對于動態(tài)經(jīng)濟(jì)調(diào)度、機(jī)組組合等跨時段的優(yōu)化問題,粒子在迭代過程中可能只在個別時段能搜索到較優(yōu)解的片斷,如果僅比較總適應(yīng)值則可能浪費(fèi)了粒子在這些時段的有效信息.因此,本文提出了逐時段的個體選優(yōu)策略,充分利用了粒子在各個調(diào)度時段搜索到的信息,能夠有效地提高算法的精度和收斂性. 4.對于比較復(fù)雜的機(jī)組組合問題,已經(jīng)有很多文獻(xiàn)嘗試了多種

7、算法,但這些算法都各有優(yōu)缺點(diǎn).本文將優(yōu)先順序法與粒子群優(yōu)化算法相結(jié)合,輔以啟發(fā)式規(guī)則等,提出的新的求解方法. 5.基于粒子群優(yōu)化算法,提出了求解計(jì)及輔助服務(wù)的發(fā)電商優(yōu)化調(diào)度模型的統(tǒng)一算法.粒子在搜索機(jī)組狀態(tài)的同時也搜索機(jī)組的出力與輔助服務(wù)分配值,大大提高了算法的速度. 6.基于發(fā)電商的優(yōu)化調(diào)度模型,建立了綜合考慮輔助服務(wù)的發(fā)電商短期運(yùn)行資產(chǎn)價值評估的實(shí)物期權(quán)模型.該模型考慮了電量價格、輔助服務(wù)價格和燃料價格等市場運(yùn)行條件