论文部分内容阅读
目前,环境污染和化石能源短缺问题日益严重,为了响应国家的“节能减排,可持续发展”号召,对新能源的利用就显得十分重要。作为开发利用最早的新能源,风能和太阳能发电技术已经十分成熟。但随着风、光发电的大规模并网,风力发电和光伏发电的输出波动性、间歇性和不稳定性对电网的影响更加严重,将会加剧电力系统的弃风、弃光现象。所以如何充分利用风、光发电,并缓解风、光发电并网对电力系统所造成的影响是当下急需解决的难题。为了解决这一难题,根据风、光发电的互补性,将其二者组成互补发电系统,再联合易于调节的抽水蓄能发电,将它们看作是一个整体,组成风光抽蓄联合发电系统。首先介绍了风力机组、光伏阵列和抽水蓄能机组的结构和工作原理,介绍了风光抽蓄联合发电系统的工作原理。然后介绍多目标优化问题及Pareto最优解集,并且分析各智能算法的利弊,本文选择遗传算法进行求解优化问题,利用基于竞争机制的非支配排序的遗传算法(NSGA-2)求解联合发电系统的优化调度并与之前常用的多目标粒子群算法(MOPSO)进行比较,之后针对联合发电系统未能承担的等效负荷使用火电机组来承担,利用遗传算法(GA)对火电机组优化调度。以联合发电系统的并网发电效益最大和跟踪负荷曲线变化为目标建立模型,考虑各发电系统的出力约束和联合发电系统的功率平衡约束,利用NSGA-2进行优化求解。优化结果表明,根据建立的模型,在NSGA-2优化下联合发电系统不仅可以保证良好的发电效益还可以很好的跟踪负荷曲线变化,同时也能缓解联合系统的输出波动,减小对电网的冲击。在风光抽蓄联合发电系统优化调度结果上,通过联合发电系统的出力和日前负荷预测数据计算需要火电机组调节的等效负荷,考虑机组出力约束、爬坡约束和旋转备用,以火电机组的燃煤消耗最小为目标建立含有风光抽蓄联合发电系统的电力系统的日前优化调度模型。使用遗传算法对模型进行优化求解。优化后的结果表示,在风光抽蓄联合发电系统的优化调度基础上,联合系统可以有效地减小风力发电和光伏发电并网后火电机组的调节压力。