论文部分内容阅读
随着化石能源的逐渐枯竭,越来越多的新能源被开发和利用,这使电力系统的稳定与安全也受到越来越多的不确定因素的影响。发电调度优化技术不仅是解决电力系统中弃风、弃光的问题重要一环,也是降低发电成本和减少环境污染、促进国民经济健康发展的关键。在大规模负荷供需关系的场景下,合理有效地分配各发电厂的发电功率,综合不同发电指标的优化,使各个目标或使不同的多个竞争性目标达到帕累托最优是一种能够解决电网经济运行及保持稳定的有效方法。因此,深入研究电力系统中的多目标发电调度的优化方法对我国的经济发展和能源结构调整有着不可估量的意义。构建了一种新的多目标发电调度模型。这种模型在传统火力发电调度模型的基础上,考虑电动汽车通过V2G(Vehicle-to-grid)网络逆向放电和风能发电来有效缓解电力系统的用电压力。以发电所需要的成本、污染气体排放量和网损为优化目标,在满足功率平衡约束、机组上下限约束、线路安全约束、旋转备用约束、节点电压的幅值与相角约束等条件下,构建了考虑V2G网络和风力发电的一种新的多目标发电调度模型。提出了基于切比雪夫分解的多目标发电调度群搜索算法。该算法通过切比雪夫分解法将一个多目标问题分解为若干个子问题;再依次对这些子问题运用欧氏距离形成子群问题;对每个子群问题中的一个问题采用群搜索算法求解后,借助子问题的信息相似性快速给出其他子问题的解;上述过程反复进行,直至满足终止条件,即得多目标发电调度问题的解。运用两个新构建的含V2G和风力发电的电力系统对上述调度方法进行了仿真验证。构建了含V2G网络和风力发电的IEEE-30节点和IEEE-118节点两个测试系统,分别构建两目标和三目标调度模型。基于Matlab2014a软件平台,编写本文所提方法的多目标发电调度仿真程序,并与NSGA-II、MGSO和MOEA/D三种典型算法进行比较。仿真并分析了基于切比雪夫分解的多目标发电调度群搜索算法的鲁棒性,仿真并分析了风电尺度因子和V2G网络的不确定因素对优化调度的影响。构建的同时考虑V2G网络和风力发电的多目标发电调度模型弥补了已有调度模型没有同时考虑这两种电源参与调度的缺陷。提出的基于切比雪夫分解的多目标发电调度群搜索算法解决多目标发电调度求解难度大的问题。仿真结果表明,本文提出的基于切比雪夫分解法的多目标发电调度群搜索算法有效、可行。