论文部分内容阅读
化石能源的日益枯竭和环境的日益恶化已经成为了当今人类面临的严峻挑战。电力系统作为最大的一次能源消耗者和转换者,对节能减排承担着很大的责任。实践已经表明,优化的调度能显著降低能耗量和排放量。同时,大力开发风能等新能源是促进节能减排的有效措施之一,而风电出力的随机性却给电力系统的优化调度增加了难度。因此,含风电随机出力的多目标调度计划研究意义重大。针对此课题,本文做了如下研究。首先,提出了一种基于带精英策略的快速非支配排序遗传算法(Non-dominatedSorting Genetic Algorithm-II,NSGA-II)的含风电场电力系统节能减排多目标负荷分配方法。建立了含风电随机出力的多目标优化调度模型,研究了用NSGA-II对模型进行求解的方法;同时用最大满意度法对Pareto解集进行最优折中解的决策。为了研究风电出力的随机性给优化调度带来的影响,用蒙特卡洛随机抽样试验方法对机组出力和目标函数值进行概率分布的分析。实例分析证明了算法能逼近理想的Pareto前沿;最大满意度法能选择出理想的最优折中解;同时,验证了蒙特卡洛试验方法在分析风电随机出力影响下常规机组出力和目标函数值的概率分布规律上的有效性。其次,针对标准NSGA-II在电力系统机组组合研究上的不足、在含风电电力系统动态机组组合上的空白,设计了一种基于NSGA-II和Look-ahead的混合变量多目标动态优化调度算法。通过对机组组合和负荷分配进行基于非支配排序选择方法的分层优化,将NSGA-II在多目标调度上的应用拓展到了同时进行机组组合和负荷分配的多目标优化。同时,基于Look-ahead(即“向前看”)方法,对不同时间断面之间调度的耦合进行解耦,将NSGA-II在电力系统多目标调度上的研究从局限于单时段的静态优化拓展到多时段的动态优化。最后,鉴于NSGA-II在求解均匀分布、多样性良好的Pareto解集这方面存在的优势,将基于NSGA-II的优化调度拓展到多目标最优潮流。建立了分别以购电费用最小、有功网损最小和污染物排放量最小的多目标最优潮流模型,并用NSGA-II对模型进行求解,详细论述了求解的方法和过程。并且用IEEE6机30节点系统进行了实例分析,获得了分布均匀和多样性好的Pareto解集,验证了模型的合理性和算法的有效性。本文对电力系统多目标调度和潮流进行了数学建模和新解法的设计,并通过实例分析证明了所建立模型和求解算法的正确性和有效性,对电力系统的优化调度和潮流控制具有一定的指导意义和参考价值。