38100字硕士毕业论文风力发电和抽水蓄能电站电力系统机组组合分析
论文类型：硕士毕业论文
论文字数：38100字
论点：机组,组合,抽水
论文概述：
本文对二进制粒子群优化算法、蒙特卡罗抽样、场景缩减技术、Benders 分解进行了研究，提出了适合含风电和抽水蓄能电站的随机机组组合求解算法，并用 Matlab 编程实现，采用 10 机系统进行测
论文正文：
第一章导言
1.1
现代电力系统正朝着规模扩张、发电集中化和多样化方向发展。传统水电、火电、新型核电、风力发电、太阳能发电等发电方式发展迅速。由于气候、昼夜、温差和人们生活习惯的变化，当前电网的日负荷特征呈现单峰向双峰的趋势，峰谷差不断增大。仅仅通过实时调整发电机组的输出来应对这些变化通常是不可能的。因此，当前调度系统通常提前预测第二天的负荷，并根据预测结果确定发电机组第二天的开关状态和输出大小。不同的单元具有不同的成本特征以及技术和操作约束。在一个调度周期内(通常为一天)，确定最佳机组组合和输出大小，以满足机组自身的技术约束和电力系统的相关约束，以及成本(煤耗、耗水量等)。)最小化。这是机组组合问题，UCP)。机组组合和经济调度是两个子问题。
1)机组承诺子问题是确定指定调度周期内所有机组的启动和关闭状态。不同的负荷大小应有不同的机组开关状态，不同时间的机组状态转换和连续开关时间也会影响运行成本。单个周期内的最优运行不能保证整个调度周期的最优成本，因此整个调度周期应作为一个整体进行优化。
2)经济分配子问题是在指定的调度周期内的每一时刻确定所有机组的产量。不同的单位有不同的消费特征，不同产出下的经营单位经济性也不同。确定每台机组的出力，使整个电力系统既能保证供电，又能实现最低消耗，是经济分配的主要重点。机组组合是经济调度的重要组成部分。通过机组组合，在保证供电可靠性的前提下，大大优化机组的开关状态和输出，降低发电成本，实现最优经济性。
由于发电成本占供电成本的35~50%，降低发电成本有利于显著提高电力企业的经济效益。因此，电力研究人员一直致力于求解大型机组组合优化算法。传统的机组组合问题通常只考虑火电(水电)发电计划。随着传统能源的枯竭和可再生能源的快速发展，可再生能源发电，尤其是风力发电，占据了越来越大的发电比例。由于自然风速的随机性，大规模风电接入往往会给系统的安全运行带来危害。为了应对大规模风电接入，包括风力发电在内的电力系统的机组组合问题考虑增加调整机组组合、提高机组爬升速度、接入储能技术等措施。如何使上述措施的综合经济效益最大化已经成为一个棘手的问题。从数学上讲，机组组合问题是一个高维、非凸、离散混合整数非线性数学优化问题，是一个典型的NP难问题。目前，该方法只能找到可接受的次优解，无法计算最优解。遗传算法和粒子群算法等计算机技术的发展带来的智能优化算法能够很好地处理各种问题的机组组合问题。然而，随着并行计算的日益成熟以及中央处理器和图形处理器的快速发展，计算速度不再是机组组合最关心的问题。随着可再生能源的加入，电力系统的安全要求变得非常重要。如何获得满足安全要求的机组组合结果是当前机组组合研究的重点。
1.2机组组合研究的历史和现状
机组组合问题与电力系统的实际运行密切相关。随着电力系统的发展，机组组合问题不断发展和完善，以适应电力系统经济调度的需要。由于这个问题没有完美的解决方案，它一直是经济调度领域的热点问题之一。本节主要从机组组合的数学模型和求解方法两个方面回顾和总结了机组组合的发展。
1.2.1机组组合数学模型
机组组合数学模型不是一层不变的，可以根据系统的不同发电结构和技术特点建立不同的机组组合模型。随着人类社会的发展，机组组合问题的目标也开始发生变化。它不再仅仅涉及发电成本的优化，还包括环境效益、辅助服务成本等。机组组合的数学模型主要包括发电机组的目标函数、系统约束和技术约束。
第2章包括风力发电和抽水蓄能电站的统一通信数学模型
UC问题是一个复杂的优化问题，需要在一定的系统和技术约束下调整机组的开/关状态和输出，使选定的目标达到最优。解决统一协调问题的第一步是建立一个合适的统一协调数学模型。它的形式因不同的解决目的而异。它离实际系统越近，考虑的约束越多，模型就变得越复杂。由于风力发电在国家政策的支持下得到了极大的发展，但其随机性和间歇性将给电力系统带来严重的安全问题。目前，针对风电并网风险问题的研究很多，其中研究人员普遍关注风电-储能联合系统的运行。抽水蓄能作为应用最广泛的蓄能系统之一，由于其良好的性能和合理的成本，占总蓄能的99%以上。风电与抽水蓄能电站的连接将对电力系统的运行和调度产生重大影响。由于风电机组与抽水蓄能电站机组和火电机组技术结构的差异，在传统系统中加入风电机组和抽水蓄能电站后，统一数学模型将发生很大变化。本章建立了包括风电和抽水蓄能电站在内的统一协调数学模型，详细描述了目标函数和约束条件，为第3章和第4章的实例分析提供了理论支持，并为第4章考虑风电随机性后的统一协调问题的讨论奠定了良好的基础。本章中设计的变量的含义如表2所示。
2.1目标函数
机组组合问题的首要任务是建立满足机组技术约束和电力系统相关约束的数学模型。本章在常规机组组合数学模型的基础上，建立了包括风电和抽水蓄能在内的机组组合数学模型。常规机组的约束条件主要包括系统功率平衡约束、系统旋转备用约束、机组最小开关时间约束、机组最大最小输出约束和爬升率约束。抽水蓄能电站主要考虑抽水和发电的相关约束、水库容量约束，并自调度开始到结束增加水位误差约束，确保抽水蓄能电站长期稳定运行。每个约束都有解释。考虑到国内风电支持政策，电力系统必须接受所有风电输出，因此风电输出仅由当前风速决定。本章建立的机组组合模型不考虑风力发电的随机性，更详细的考虑风力发电随机性的机组组合模型将在第四章进行说明。
第三章基于风力发电预测的确定性机组组合算法研究……25
3.1 BPSO解决加州大学问题……25
3.1.1基本原则……26
3.1.2约束处理……28
3.1.3解决方案流程……30
3.2示例分析……32
3.2.1示例参数……32
3.3本章概述……42
第四章基于本特分解的随机机组组合研究........44 [/溴/]4.1风电随机性分析........44
4.2相关理论研究........46
4.2.1蒙特卡罗方法........46
4.2.2场景简化技术........46
4.2.3本特分解法........47
4.3求解随机UC问题的本特斯分解法........49
4.3.1基于本特斯分解的随机UC模型........49
4.3.2解决随机性的本特斯分解法........51
4.4示例分析........52
4.4.1风力发电情景的发电结果........52
4.4.2无抽水蓄能风力发电的随机UC问题........53
4.4.3抽水蓄能风力发电的随机UC问题........55
4.5本章摘要........62
第五章结论和展望........63
5.1文件的主要结论........63
5.2未来工作前景........63
结论
本文建立了包括风电和抽水蓄能在内的确定性随机机组组合数学模型，并用BPSO算法求解确定性机组组合问题。对于随机机组组合问题，采用蒙特卡罗抽样和情景约简技术将随机问题转化为确定性问题求解，采用班德斯分解将随机机组组合问题转化为确定性机组组合问题和确定性机组组合问题求解。对计算结果的数值分析表明，具体结论如下:
1。建立了包括风力和抽水蓄能电站在内的随机机组组合数学模型。本文在传统机组组合的基础上进行了修改和补充，建立了风力和抽水蓄能确定性和随机性联合控制模型。根据数学模型的特点，采用BPSO算法和本特斯分解算法进行求解。实例结果证明了该算法的可行性和适用性。
2。评估了抽水蓄能电站在基于风电功率预测的确定性UC问题中的作用。在不考虑风电随机性的情况下，为了比较抽水蓄能的效果，本文考虑了无抽水蓄能、固定调度策略和随机调度策略的抽水蓄能确定性机组组合。结果表明，抽水蓄能能有效提高系统的经济性，起到调峰作用。固定策略与随机策略的比较表明，固定策略比随机策略计算简单得多，但经济促进效果不如随机调度策略。
3。基于第三章的结果，评价了抽水蓄能电站在考虑风电预测误差随机UC问题中的作用。考虑到风电的随机性，风电随机性的强度(预测误差大小)将影响系统运行的安全裕度。增加抽水蓄能后的结果表明，抽水蓄能能有效提高随机风电系统机组组合的安全裕度，也能改善风电随机性带来的经济损失。不同条件下的机组组合结果表明，情景数、风电出力预测误差、抽水蓄能能力和初始水位将影响最终的安全经济计算结果。风电渗透率可以用来解释抽水蓄能对系统安全性的改善。
参考
[1]袁晓辉、王成、袁严斌、张永川。解决机组组合问题的一种新的改进粒子群优化方法[[]。电力系统自动化，2005，29 (1): 35-38。
[2]卫华，吴阿钦，白小青。单位承诺问题的内点半定规划方法[[]。中国电气工程学报，2008，28 (1): 35-40。
[3]温伯英，陈冲，程钟浩。市场竞争下发电机组启停方案的优化[。电网技术，2006，30 (6): 6-72。
[4]张小花，赵金泉，陈杏英。节能减排多目标机组组合问题的模糊建模与优化[。中国电气工程杂志，2010。30 (22): 71-76。
[5]张小花，赵金泉，陈杏英。节能减排下风电场多目标机组组合的建模与优化[。电力系统保护和控制，2011，39 (17): 33-39。
[6]阿努帕姆·特里维迪、迪帕克·夏尔马、迪皮·http://sblunwen.com/dlxtlw/·斯里尼瓦桑。基于进化算法的不确定性下短期单位承诺的多目标化[。在:2012年美国电气与电子工程师协会代表大会——进化计算[中心)，华盛顿:美国电气与电子工程师协会，2012:1-8。
[7]山下、町村、横山。多目标单位承诺下CO2与成本的权衡分析，[。摘自:2010年美国电气与电子工程师协会电力与能源学会大会，[，皮斯卡塔韦:美国电气与电子工程师协会计算机学会，2010: 1-6。[/比尔/] [8]胡家生，郭创新，曹一家。求解电力系统机组组合问题的混合粒子群优化算法[[]。中国电气工程杂志，2004，24 (4): 24-28。[/比尔/] [9]李树山、李刚、程春田。基于动态机组组合和等增量率法的火电机组节能负荷分配方法[。中国电气工程学报，2011，31 (7): 41-47。[/BR/] [10]杨明，程凤璐，薛寒山，等.最大最小功率约束机组组合的快速启发式算法[.in:2012 IEEE PES ISGT[中心]，2010:1-6。