基于多目標(biāo)優(yōu)化的電網(wǎng)可接納風(fēng)電能力研究.pdf

1、風(fēng)能是一種重要的和最具競爭力的可再生清潔能源，以風(fēng)力發(fā)電為主的新能源發(fā)電在全球范圍內(nèi)得到了快速發(fā)展。然而風(fēng)電是一種不確定性能源，風(fēng)的隨機(jī)性和間歇性使得大規(guī)模風(fēng)電并網(wǎng)后會(huì)增加電力系統(tǒng)安全穩(wěn)定運(yùn)行的難度，進(jìn)而使風(fēng)電消納、電網(wǎng)優(yōu)化調(diào)度等日益復(fù)雜。如何更好地描述風(fēng)電的隨機(jī)性為高風(fēng)電滲透率下的新一代隨機(jī)-確定耦合的復(fù)雜電力系統(tǒng)服務(wù)，已成為含風(fēng)電電力系統(tǒng)動(dòng)態(tài)調(diào)控領(lǐng)域的研究熱點(diǎn)。本文針對(duì)風(fēng)功率的不確定性及其在基于多目標(biāo)優(yōu)化的風(fēng)電接納能力研究中的應(yīng)用問

2、題展開了如下研究:
　　(1)改進(jìn)的多目標(biāo)INSGA2(Improved Non-dominated Sorting Genetic Algorithrn-Ⅱ，INSGA2)算法。研究表明，NSGA2(Non-dominated Sorting Genetic Algorithm-Ⅱ，NSGA2)算法是一種公認(rèn)的多目標(biāo)進(jìn)化算法。基于基本NSGA2算法在保持整體分布性的機(jī)制方面易陷入早熟收斂，且在多樣性、收斂性方面存在不足的情況，本

3、文采用正態(tài)分布算子(NormalDistributionCrossover,NDX)替換NSGA2算法中的模擬二進(jìn)制交叉算子(Simulated Binary Crossover,SBX)，以及引入隨機(jī)模擬技術(shù)、累計(jì)排序適應(yīng)度策略、填充門限跳選方法等提出了改進(jìn)的INSGA2算法?；诙鄠€(gè)標(biāo)準(zhǔn)高維測(cè)試函數(shù)算例對(duì)NSGA2、INSGA2以及多目標(biāo)粒子群MOPSO(Muti Objective Particle Swarm Optimizat

4、ion，MOPSO)算法進(jìn)行Pareto解的實(shí)用性和有效性對(duì)比分析，并應(yīng)用GD(Generational Distance)和SP(Spacing)指標(biāo)進(jìn)行評(píng)價(jià)，結(jié)果表明INSGA2在Pareto前沿的完整性、均勻分布性和算法收斂性方面都有顯著的改善。
　　(2)改進(jìn)的風(fēng)功率非高斯隨機(jī)分布模型及實(shí)用性研究。基于實(shí)際風(fēng)場數(shù)據(jù)，分析了具有統(tǒng)計(jì)特性的風(fēng)功率預(yù)測(cè)誤差分布模型，包括高斯、拉普拉斯，柯西及一種非高斯通用分布模型(Versati

5、leModel)。通過對(duì)比分析，非高斯通用分布模型具有較精確的擬合精度，但該模型對(duì)于不同風(fēng)場和不同預(yù)測(cè)時(shí)間尺度的實(shí)用性研究欠缺。因此，本文提出一種基于預(yù)測(cè)功率誤差自適應(yīng)分段方法的改進(jìn)非高斯通用分布模型，使之能根據(jù)歷史數(shù)據(jù)和預(yù)測(cè)時(shí)間尺度對(duì)預(yù)測(cè)功率誤差進(jìn)行等量樣本點(diǎn)自動(dòng)分段劃分。定性（PDF和CDF曲線擬合）和定量（誤差評(píng)價(jià)指標(biāo)）對(duì)比研究表明自適應(yīng)分段方法提高了非高斯通用分布模型的擬合效果。最后，基于改進(jìn)的非高斯通用分布模型確定了基于形狀參

6、數(shù)查閱表并采用概率性預(yù)測(cè)方法得到了包含置信區(qū)間的風(fēng)功率預(yù)測(cè)值，為將風(fēng)電功率不確定信息引入到風(fēng)電接納能力評(píng)估模型奠定了基礎(chǔ)。
　　(3)根據(jù)實(shí)際需求，提出了考慮大規(guī)模風(fēng)電接入的基于日前、日內(nèi)和實(shí)時(shí)的電網(wǎng)風(fēng)電接納能力滾動(dòng)模型，設(shè)計(jì)了三個(gè)目標(biāo)函數(shù)，分別是風(fēng)電接納量、發(fā)電運(yùn)行成本以及環(huán)境污染量，并將上述風(fēng)電功率預(yù)測(cè)不確定信息引入到模型的目標(biāo)函數(shù)及約束條件中。隨后，通過實(shí)際風(fēng)場數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，采用INSGA2和NSGA2算法對(duì)模型進(jìn)行多

7、目標(biāo)優(yōu)化求解，算例表明INSGA2算法得到的Pareto最優(yōu)解集更優(yōu)異，且引入可靠性指標(biāo)以衡量不同的置信水平下模型的穩(wěn)定性，結(jié)果表明當(dāng)置信水平達(dá)到90％可保證系統(tǒng)的安全可靠。
　　(4)以國際上認(rèn)可的IEEE118節(jié)點(diǎn)系統(tǒng)為例，采用INSGA2算法對(duì)上述風(fēng)電接納能力滾動(dòng)模型求解，給出了最優(yōu)調(diào)度方案以及在最優(yōu)調(diào)度方式下系統(tǒng)的各機(jī)組出力狀況，并給出評(píng)估系統(tǒng)的平均發(fā)電成本、棄風(fēng)率和單位排污量等參數(shù)。將其與其它調(diào)度模型作對(duì)比，結(jié)果表明本文