基于多目標優(yōu)化的電網可接納風電能力研究.pdf

1、風能是一種重要的和最具競爭力的可再生清潔能源，以風力發(fā)電為主的新能源發(fā)電在全球范圍內得到了快速發(fā)展。然而風電是一種不確定性能源，風的隨機性和間歇性使得大規(guī)模風電并網后會增加電力系統(tǒng)安全穩(wěn)定運行的難度，進而使風電消納、電網優(yōu)化調度等日益復雜。如何更好地描述風電的隨機性為高風電滲透率下的新一代隨機-確定耦合的復雜電力系統(tǒng)服務，已成為含風電電力系統(tǒng)動態(tài)調控領域的研究熱點。本文針對風功率的不確定性及其在基于多目標優(yōu)化的風電接納能力研究中的應用問

2、題展開了如下研究:
　　(1)改進的多目標INSGA2(Improved Non-dominated Sorting Genetic Algorithrn-Ⅱ，INSGA2)算法。研究表明，NSGA2(Non-dominated Sorting Genetic Algorithm-Ⅱ，NSGA2)算法是一種公認的多目標進化算法。基于基本NSGA2算法在保持整體分布性的機制方面易陷入早熟收斂，且在多樣性、收斂性方面存在不足的情況，本

3、文采用正態(tài)分布算子(NormalDistributionCrossover,NDX)替換NSGA2算法中的模擬二進制交叉算子(Simulated Binary Crossover,SBX)，以及引入隨機模擬技術、累計排序適應度策略、填充門限跳選方法等提出了改進的INSGA2算法?；诙鄠€標準高維測試函數算例對NSGA2、INSGA2以及多目標粒子群MOPSO(Muti Objective Particle Swarm Optimizat

4、ion，MOPSO)算法進行Pareto解的實用性和有效性對比分析，并應用GD(Generational Distance)和SP(Spacing)指標進行評價，結果表明INSGA2在Pareto前沿的完整性、均勻分布性和算法收斂性方面都有顯著的改善。
　　(2)改進的風功率非高斯隨機分布模型及實用性研究?；趯嶋H風場數據，分析了具有統(tǒng)計特性的風功率預測誤差分布模型，包括高斯、拉普拉斯，柯西及一種非高斯通用分布模型(Versati

5、leModel)。通過對比分析，非高斯通用分布模型具有較精確的擬合精度，但該模型對于不同風場和不同預測時間尺度的實用性研究欠缺。因此，本文提出一種基于預測功率誤差自適應分段方法的改進非高斯通用分布模型，使之能根據歷史數據和預測時間尺度對預測功率誤差進行等量樣本點自動分段劃分。定性（PDF和CDF曲線擬合）和定量（誤差評價指標）對比研究表明自適應分段方法提高了非高斯通用分布模型的擬合效果。最后，基于改進的非高斯通用分布模型確定了基于形狀參

6、數查閱表并采用概率性預測方法得到了包含置信區(qū)間的風功率預測值，為將風電功率不確定信息引入到風電接納能力評估模型奠定了基礎。
　　(3)根據實際需求，提出了考慮大規(guī)模風電接入的基于日前、日內和實時的電網風電接納能力滾動模型，設計了三個目標函數，分別是風電接納量、發(fā)電運行成本以及環(huán)境污染量，并將上述風電功率預測不確定信息引入到模型的目標函數及約束條件中。隨后，通過實際風場數據對模型進行驗證，采用INSGA2和NSGA2算法對模型進行多

7、目標優(yōu)化求解，算例表明INSGA2算法得到的Pareto最優(yōu)解集更優(yōu)異，且引入可靠性指標以衡量不同的置信水平下模型的穩(wěn)定性，結果表明當置信水平達到90％可保證系統(tǒng)的安全可靠。
　　(4)以國際上認可的IEEE118節(jié)點系統(tǒng)為例，采用INSGA2算法對上述風電接納能力滾動模型求解，給出了最優(yōu)調度方案以及在最優(yōu)調度方式下系統(tǒng)的各機組出力狀況，并給出評估系統(tǒng)的平均發(fā)電成本、棄風率和單位排污量等參數。將其與其它調度模型作對比，結果表明本文