论文部分内容阅读
在电力系统中,负荷波动、电网故障等因素使电力系统调度与运行具备了一定程度上的不确定性,但源端的确定可控使上述不确定性可以忽略不计。随着电网运行环境不断发生变化,尤其是大规模风电场接入系统,其随机波动性使得节点注入功率呈现的随机性愈发明显,给传统的电力系统潮流分析带来了新的挑战。随机最优潮流是解决计及各种不确定因素对电力系统影响的有力工具。然而,实际电力系统作为一个复杂的动态系统,传统随机最优潮流只考虑电力系统在单个时间断面下的目标最优,忽略了各时段的相互影响,其计算结果在生产中的局限性较大。另外,现有的随机动态优化模型形式多样,应用在电力系统分析中还未有一个统一明确的描述,不利于该技术分支的深入发展。因此,本文引入序列动态随机优化模型,并将其推广到电力系统动态随机最优潮流计算中,在优化过程中综合考虑风电和负荷的随机性,采用基于成本策略的启发式调整算法求解基于机会约束的动态随机最优潮流模型,并通过算例仿真计算结果验证了模型方法的实用有效性。具体内容如下:首先,构造预测风电功率的概率密度函数;先通过风力发电机出力模型求得短期预测风电出力数据,再建立基于非参数核密度估计的短期风电功率预测概率密度函数模型;构建描述非参数核密度估计准确性与平滑性的带宽优化多目标模型,应用多目标Pareto优化方法,求解表征核密度估计平滑性和准确性的子目标Pareto最优解,进而得到最优带宽,并将寻优结果与经验法则求解的带宽结果比较,证明了方法有效性的同时得出了该方法比经验法适用性更强的结论。将所求最优带宽值带回到之前建立的模型中,最终得到预测风电功率概率密度函数。该方法克服了参数估计中事先假设概率密度形式的缺陷,适用于不同地域的风功率预测,具有普遍适用性。其次,分类阐述了机会约束随机最优潮流问题的4种求解方法;对含机会约束的随机最优潮流遗传算法、粒子群算法、反向映射法以及启发式调整算法进行了系统梳理,在仅计及负荷随机性的5节点系统上进行仿真计算,并将用遗传算法、粒子群算法和启发式调整算法三种算法求解随机最优潮流的解与确定性最优潮流的解进行比较。结果表明启发式调整算法调节裕度更好,更容易实现,更适用于实际工程仿真计算,为下文选用求解策略提供了理论依据。最后,针对现有的随机最优潮流模型大都是静态的,未考虑各个时间断面之间的联系的不足,以及动态随机优化模型的多样,引入了序列动态随机优化框架,构建了基于序列随机动态优化的电力系统动态随机最优潮流模型;综合计及了风电和负荷的随机性,利用基于成本策略的启发式调整算法进行求解,并对改进的5节点系统、IEEE-14系统算例仿真计算分析。结果表明,动态随机最优潮流结果更能适应负荷和风电的预测误差和波动,适当的风电场接入可有效降低常规发电机发电成本,具有良好的工程应用前景。