论文部分内容阅读
为了解决能源紧缺和环境污染问题,可再生能源发电受到广泛的关注。风能以其无污染、利用方法简单、可再生等优良特性成为一种重要的可再生能源发电形式。然而风力发电不同于传统的能源发电,由于风速的间歇性、随机性,使得风力发电也具有随机性、不可调度等特征,这给风力发电并网后电力系统调度计划和运行方式的制定带来了巨大的困难和挑战。为此,研究含风电场电力系统的优化调度问题具有重要的理论意义和应用价值。由风能转换而来的电能必须在电网调度系统的指挥与控制下,经过电网的输、变、配、用等环节,才能最终输送给用户使用。然而,风力发电完全依赖于风的状况,呈现很强的随机性、间歇性、周期性、波动性。随着风力发电装机容量的大幅增加,现有的技术水平下风力发电还无法准确预报,使得对风力发电的调度更加困难。因此,在含风电场的电力系统优化调度中,有必要对风电场出力的不确定性进行概率分析,以评估计算风电场的最大出力,从而实现含风电场电力系统的安全、经济调度。然而,随着智能电网的建设,大规模的风电并入系统,而且多个风电场的风多来自于同一风源,多个风电场出力之间具有一定的相关性,以致于多个风电场总的出力特性不同单个风电场的出力,因此有必有要对多个风电场的联合概率分布进行分析。鉴于此,本文利用Weibull分布函数对风电场风速的概率分布进行刻画,概述了Weibull分布形状参数和尺度参数常用的估计方法;基于风电场风电机组的风速-出力函数关系,推得单个风电场出力的概率分布,根据Copula函数的基本理论及其类型,在对多个风电场出力相关特性分析的情况下,考虑多个风电场出力之间的尾部相关性,基于Gumbel-Copula函数构建其联合概率分布,并提出对其进行柯尔莫格洛夫拟合优度检验的方法,从而为构建多个风电场出力的联合概率分布及刻画其尾部相关性提供了有力的工具。而且,由于风电场出力具有随机性和不确定性,我们在制定系统的调度方案时,无法获得风电场出力的确切信息,从而降低了系统调度计划制定的可靠性。因此,本文在考虑输电网络的传输约束的条件下,利用基于概率形式描述风电场出力的随机性和不确定性的机会约束规划建立含多风电场的电力系统随机优化调度模型,从而保证系统调度的安全性、经济性、灵活性及鲁棒性。对于含不确定量机会约束的优化调度模型,一般通过转换成确定性优化问题来解。本文利用抽样平均近似法对机会约束条件进行处理,将其转换为可计算的确定性非线性规划优化调度问题,从而利用现有的优化算法求出最优解。针对转化后的非线性规划优化调度问题的求解算法,采用求解速率及收敛性效果较好且带有惯性因子的改进粒子群算法进行计算。通过以荷兰地区两个风场为例,表明本文构建的Gumbel-Copula分布可以更好地刻画多个风电场出力的联合分布,提高对风电场出力的估算精度,并有效地描述其尾部相关性。基于IEEE-9节点系统检验表明,本文提出的随机优化调度模型及其转化方法,提高了模型的求解速率,并提高了系统调度计划的可行性、灵活性、鲁棒性,从而为大规模风电并网系统的优化调度提供了理论基础,更为系统调度员在信息不确定的情况下迅速作出合理的优化调度方案提供了有力的工具。