论文部分内容阅读
风能是一种重要的和最具竞争力的可再生清洁能源,以风力发电为主的新能源发电在全球范围内得到了快速发展。然而风电是一种不确定性能源,风的随机性和间歇性使得大规模风电并网后会增加电力系统安全稳定运行的难度,进而使风电消纳、电网优化调度等日益复杂。如何更好地描述风电的随机性为高风电渗透率下的新一代随机-确定耦合的复杂电力系统服务,已成为含风电电力系统动态调控领域的研究热点。本文针对风功率的不确定性及其在基于多目标优化的风电接纳能力研究中的应用问题展开了如下研究:(1)改进的多目标 INSGA2(Improved Non-dominated Sorting Genetic Algorithm-Ⅱ,INSGA2)算法。研究表明,NSGA2(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA2)算法是一种公认的多目标进化算法。基于基本NSGA2算法在保持整体分布性的机制方面易陷入早熟收敛,且在多样性、收敛性方面存在不足的情况,本文采用正态分布算子(NormalDistributionCrossover,NDX)替换NSGA2算法中的模拟二进制交叉算子(Simulated Binary Crossover,SBX),以及引入随机模拟技术、累计排序适应度策略、填充门限跳选方法等提出了改进的INSGA2算法。基于多个标准高维测试函数算例对NSGA2、INSGA2以及多目标粒子群MOPSO(Muti Objective Particle Swarm Optimization,MOPSO)算法进行Pareto解的实用性和有效性对比分析,并应用GD(Generational Distance)和SP(Spacing)指标进行评价,结果表明INSGA2在Pareto前沿的完整性、均匀分布性和算法收敛性方面都有显著的改善。(2)改进的风功率非高斯随机分布模型及实用性研究。基于实际风场数据,分析了具有统计特性的风功率预测误差分布模型,包括高斯、拉普拉斯,柯西及一种非高斯通用分布模型(VersatileModel)。通过对比分析,非高斯通用分布模型具有较精确的拟合精度,但该模型对于不同风场和不同预测时间尺度的实用性研究欠缺。因此,本文提出一种基于预测功率误差自适应分段方法的改进非高斯通用分布模型,使之能根据历史数据和预测时间尺度对预测功率误差进行等量样本点自动分段划分。定性(PDF和CDF曲线拟合)和定量(误差评价指标)对比研究表明自适应分段方法提高了非高斯通用分布模型的拟合效果。最后,基于改进的非高斯通用分布模型确定了基于形状参数查阅表并采用概率性预测方法得到了包含置信区间的风功率预测值,为将风电功率不确定信息引入到风电接纳能力评估模型奠定了基础。(3)根据实际需求,提出了考虑大规模风电接入的基于日前、日内和实时的电网风电接纳能力滚动模型,设计了三个目标函数,分别是风电接纳量、发电运行成本以及环境污染量,并将上述风电功率预测不确定信息引入到模型的目标函数及约束条件中。随后,通过实际风场数据对模型进行验证,采用INSGA2和NSGA2算法对模型进行多目标优化求解,算例表明INSGA2算法得到的Pareto最优解集更优异,且引入可靠性指标以衡量不同的置信水平下模型的稳定性,结果表明当置信水平达到90%可保证系统的安全可靠。(4)以国际上认可的IEEE118节点系统为例,采用INSGA2算法对上述风电接纳能力滚动模型求解,给出了最优调度方案以及在最优调度方式下系统的各机组出力状况,并给出评估系统的平均发电成本、弃风率和单位排污量等参数。将其与其它调度模型作对比,结果表明本文提出的风电评估模型给出的电力系统调度策略,更具经济性和实用性,对实际风电场的并网运行和调度规划具有一定的参考价值。