论文部分内容阅读
随着气候变暖的问题越来越严重,电力研究者们趋于使用更多的新能源来代替传统的、污染环境的火力发电。在各类新能源发电技术中,由于风能较太阳能发电、光伏发电相对低的运行成本而深受发达国家、甚至是发展中国家的喜爱。然而,风力发电与传统火力、水力发电机制完全不同,风电出力是很难预测的。于是,电力系统运行人员需要系统鲁棒优化来做机组组合和经济调度的决定。鲁棒优化一般应用在含有不确定度的优化问题。通过这种方式,系统鲁棒优化的调度原则被确定,从而可以保障风能合理的并网和系统的安全性。 应用Constraint and column generator(CCG)算法来解决鲁棒机组组合问题。这个算法是基于一个两阶段的结构,解决主问题和子问题。结果显示,通过CCG算法解决鲁棒机组组合这个问题只需要非常短的时间和更小的系统储存空间。并且,CCG这个算法与传统的benders’分解相比可以明显减少迭代次数。所以,CCG可以成为一个通用的方法来解决由于风能不确定度带来的不稳定因素,同时CCG也是一个用来解决两阶段鲁棒优化的新趋势。这样可以降低计算成本,也可以使得算法更灵活。通过算例分析,风能的偏差,最小关机、开机时间,向上、向下爬坡率这些参数对目标函数最终成本的影响在本文中详细研究。 通过对仿真结果分析得出:风能偏差越小,总成本也会更少,从而优化最优解。与此同时,优化如最小开机、关机时间极限值和向上、向下爬坡率的极限值,也可以优化最优的解。并且优化这些条件对迭代次数以及时间也有不小的影响。得出的仿真结果对风能并网、电力系统经济调度有理论上的支撑,也有一定的借鉴意义和参考价值。