论文部分内容阅读
随着大规模电动汽车(Electric vehicle,EV)和光伏(Photovoltaic,PV)接入电力系统,使现有电力系统能源结构、运行方式和相关调度方法复杂化,同时兼顾环境和经济效益的环境经济调度已成为电力系统优化调度领域的研究热点。目前,环境经济调度依赖多目标智能算法求解调度模型生成调度计划,其中多目标粒子群算法(MOPSO)是应用较为广泛的求解算法,但由于其自身快速收敛的特性,求解时易陷入局部最优,导致求解结果不理想。本文针对计及电动汽车和光伏接入的电力系统环境经济优化调度问题开展研究,以燃料成本最低和污染气体排放最少为调度目标,建立了考虑电动汽车、光伏、火力发电三者协同作用的环境经济调度模型,通过改进MOPSO算法对调度模型进行了求解,得出了光伏、电动汽车、火电机组各单元的输出功率,制定调度计划。第一,本文对含电动汽车和光伏接入电力系统优化调度的问题进行分析,找出两者参与调度对电力系统的影响及目前研究还存在的不足,为后文针对电力系统环境经济调度问题开展研究奠定理论基础。第二,分析含电动汽车和光伏接入电力系统结构及电动汽车和光伏发电的特性,研究各发电单元对电力系统调度的影响机理。以系统总的燃料成本最小和污染气体排放量最低为调度目标,同时考虑车主出行需求、功率平衡等约束条件,构建电力系统环境经济调度模型。第三,针对传统的MOPSO算法在求解调度模型时易陷入局部最优,导致求解结果不理想,影响调度的经济性和环保性。本文采用非线性自适应惯性权重改进MOPSO算法,提高其搜索能力,同时采用基于拥挤距离的淘汰策略修正外部档案,提高解集多样性。基于多个标准测试函数算例对改进后的MOPSO和原始算法进行Pareto解集的实用性和有效性对比分析。第四,以IEEE-30节点模型为例,将某地区光伏电站和负荷运行数据带入电力系统环境经济调度模型,详细给出模型的参数设置及求解步骤,并分别采用改进MOPSO算法和MOPSO算法对模型进行求解,改进MOPSO算法得到的调度计划相比于MOPSO算法使燃料成本降低了2.50%,污染气体排放降低了2.57%,并采用不同场景验证了所提方法的优越性。