论文部分内容阅读
随着科技的快速发展，城市化进程不断加快，能源紧缺和环境污染越来越严重。水能因其无污染、可再生、储量丰富等优点已成为可再生能源发电最重要的形式。然而近年来，洪涝灾害呈现频次增多、强度增大、损失加重的趋势。大范围的强降水使得梯级水库的来水量突变，给电力系统的水火电优化调度带来巨大挑战，严重影响了电力系统的安全稳定运行。为此，研究考虑洪灾损失风险的水火电随机优化调度问题具有非常重要的理论价值和现实意义。为提高优化问题的求解效率，本文提出基于ELM的改进遗传算法。该算法利用极端学习机(Extreme Learning Machine, ELM)刻画复杂非线性映射的优良特性，定量模拟父代与子代种群之间的非线性进化过程，并将其作用于遗传算法的种群进化过程。通过算例表明，采用基于ELM的改进遗传算法求解水火电优化问题，可通过合理先择种群隔代数和种群规模，提高运算的精度和收敛速度。针对梯级水库来水量的不确定，基于条件风险价值理论(Conditions Value atRisk, CVaR)对分布尾部风险准确描述，刻画出水火电优化调度过程中的洪灾损失风险，并以条件风险约束代替传统水火电调度模型中的水库安全约束，提出考虑洪灾损失风险约束的水火电随机优化调度模型。由于条件风险函数解析表达困难，采用蒙特卡罗模拟和解析法相结合，通过条件风险函数等价变换和离散化，将随机优化问题转化为确定性优化问题进行求解。最后，通过IEEE-9节点系统的算例分析，验证考虑洪灾损失风险的随机优化调度研究的可行性与有效性。进一步考虑到梯级水库的来水量之间存在一定的相关性，借用Copula联接函数实现考虑梯级水库来水量之间概率相关性的洪灾损失条件风险计算。在此基础上，采用CVaR刻画梯级水库的洪灾损失风险，以条件风险约束代替传统水火电调度模型中的梯级水库安全约束，进而提出考虑梯级水库损失风险约束的水火电随机优化调度模型。IEEE-14节点系统的算例分析表明，考虑梯级水库损失风险的水火电随机优化调度方法可在不同的条件风险值和置信水平下，得到最优的水火电调度方案，有利用减少洪灾带来的经济损失和提高洪水的利用率。