含风能电网多目标优化调度研究

含风能电网多目标优化调度研究

论文摘要

随着化石能源的不断枯竭和环境污染问题日益突出,开发和利用清洁、绿色的风能进行发电已经成为了一种势在必行的趋势。大规模的风电场并入电网给社会带来了良好的经济效益和环境效益,但由于风能具有随机性、间歇性和不可调度性等特点,使得风电输出功率也具有不确定性的特点,因此,大规模的风电场并入电网将会给电力系统的经济优化调度和可靠运行带来很多问题。本文是针对含风能电力系统经济优化调度这一课题展开了相关研究。首先,本文简单介绍了三种电力系统优化调度的数学模型,考虑旋转备用的单目标优化调度模型通过增加上、下旋转备用容量约束来表现风电功率的波动性给电力系统经济调度带来的难题,并在发电成本函数中考虑了阀点效应的影响。考虑污染物排放的电网多目标优化经济调度模型不仅考虑了发电成本函数,还考虑了环境污染的目标函数,进而提出了含风电场的电力系统经济环境优化调度的数学模型。考虑可靠性的电网多目标优化经济调度模型是在前两个模型的基础上,提出含风电场的电力系统经济可靠性优化调度的数学模型,也是本文研究的主要模型。然后,针对考虑可靠性的电网多目标优化经济调度模型,引入了负荷预测误差和风电输出功率的预测误差的概率密度函数,来体现风电的不确定性给电力系统带来的影响,还在经济性目标函数中考虑了风电计划出力比实际出力过多或过少所需要的备用成本,由此得出了本文所要研究的含风电场的电力系统经济优化调度模型。最后,为了验证考虑可靠性的电网多目标优化经济调度模型的实用性,本文在非劣排序遗传算法和微分进化算法的基础上,提出了非劣排序微分进化算法,并且针对非劣排序微分进化算法所具有的缺陷进行改进,用改进后的非劣排序微分进化算法对其进行求解。以一个风电场的6机组系统进行仿真,结果表明了用本文提出的含风能电网多目标优化调度的方案能够更加全面、合理,同时也能够体现实际的电力系统运行对成本和可靠性的要求。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题的目的和意义
  • 1.2 国内外研究现状
  • 1.2.1 电力系统优化调度的研究现状
  • 1.2.2 优化算法
  • 1.2.3 存在的主要问题
  • 1.3 论文的主要工作
  • 1.4 本章小结
  • 第二章 含风能电网多目标优化调度研究
  • 2.1 电力系统经济调度问题
  • 2.2 风电场接入电力系统给电网调度带来的问题
  • 2.3 含风电场的电力系统经济调度问题的关键技术
  • 2.4 含风能电网多目标优化调度问题的影响因素
  • 2.5 本章小结
  • 第三章 含风能电网多目标优化调度模型
  • 3.1 考虑旋转备用的单目标优化调度模型
  • 3.1.1 目标函数
  • 3.1.2 约束条件
  • 3.1.3 模型评价
  • 3.2 考虑污染物排放的电网多目标优化经济调度模型
  • 3.2.1 多目标优化的概述
  • 3.2.2 目标函数
  • 3.2.3 约束条件
  • 3.2.4 模型评价
  • 3.3 考虑可靠性的电网多目标优化经济调度模型
  • 3.3.1 目标函数
  • 3.3.2 约束条件
  • 3.3.3 模型评价
  • 3.4 本章小结
  • 第四章 多目标优化算法研究
  • 4.1 多目标优化方法
  • 4.1.1 基于单目标思路的多目标求解方法
  • 4.1.2 多目标进化优化算法
  • 4.2 NSGA-Ⅱ多目标优化算法
  • 4.2.1 算法特征
  • 4.2.2 NSGA-Ⅱ算法流程
  • 4.3 非劣排序微分进化算法(NSDE)
  • 4.3.1 基本微分进化算法
  • 4.3.2 非劣排序微分进化算法
  • 4.4 改进的非劣排序微分进化算法(INSDE)
  • 4.4.1 拥挤距离的改进
  • 4.4.2 微分进化算法中参数的改进策略
  • 4.4.3 模糊集理论
  • 4.4.4 熵权法
  • 4.5 基于 INSDE 的含风能电网多目标优化调度求解方法
  • 4.6 本章小结
  • 第五章 仿真实例与分析
  • 5.1 含风电场调度问题中的不确定模型
  • 5.1.1 负荷的不确定性模型
  • 5.1.2 风电功率的不确定性模型
  • 5.1.3 负荷预测误差与风电功率预测误差的混合模型
  • 5.2 含风电场的 6 机组算例分析
  • 5.2.1 系统参数
  • 5.2.2 单目标成本优化
  • 5.2.3 多目标优化仿真结果分析
  • 5.3 本章小结
  • 第六章 结论与展望
  • 6.1 结论
  • 6.2 展望
  • 参考文献
  • 个人简历 在读期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于参考线的预测策略求解动态多目标优化问题[J]. 控制与决策 2020(07)
    • [2].典型多目标优化算法在控制优化中的适用性研究[J]. 科技视界 2020(19)
    • [3].基于高维多目标优化的多车场车辆路径问题[J]. 计算机与数字工程 2017(07)
    • [4].一种基于多目标优化的混凝剂综合评价方法[J]. 净水技术 2017(09)
    • [5].多目标优化问题的模糊交叉算法与收敛性初探[J]. 电脑迷 2017(03)
    • [6].基于遗传算法的货箱多目标优化[J]. 车辆与动力技术 2019(04)
    • [7].多目标优化算法标准测试函数寻优研究[J]. 电脑知识与技术 2020(23)
    • [8].基于分布估计算法的多目标优化[J]. 软件 2017(12)
    • [9].融合张角拥挤控制策略的高维多目标优化[J]. 自动化学报 2015(06)
    • [10].多目标优化算法的应用模型[J]. 成功(教育) 2011(05)
    • [11].线性互补问题与多目标优化[J]. 数学杂志 2014(03)
    • [12].多目标优化问题的研究[J]. 东莞理工学院学报 2014(03)
    • [13].浅析多目标优化问题[J]. 科技视界 2013(14)
    • [14].正交设计的E占优策略求解高维多目标优化问题研究[J]. 计算机科学 2012(02)
    • [15].一种改进的基于分解多目标优化算法[J]. 电脑知识与技术 2012(34)
    • [16].改进选择策略的有约束多目标优化算法[J]. 高技术通讯 2019(12)
    • [17].云计算资源多目标优化调度方法在移动端子系统中的应用[J]. 河南科技 2019(35)
    • [18].考虑综合需求侧响应的区域综合能源系统多目标优化调度[J]. 电力建设 2020(07)
    • [19].动态多目标优化:测试函数和算法比较[J]. 控制与决策 2020(10)
    • [20].多目标优化软件开发及其应用[J]. 工程设计学报 2015(03)
    • [21].基于全局排序的高维多目标优化研究[J]. 软件学报 2015(07)
    • [22].基于多目标优化问题的教学质量评价模型研究[J]. 时代教育(教育教学版) 2009(Z1)
    • [23].面向客户定制产品开发的多目标优化算法设计[J]. 中国机械工程 2012(06)
    • [24].一类多目标优化问题的有效解[J]. 贵州师范大学学报(自然科学版) 2012(02)
    • [25].图像处理优化的系统流程与多目标优化理论分析[J]. 硅谷 2012(19)
    • [26].一种求解动态多目标优化问题的粒子群算法[J]. 系统仿真学报 2011(02)
    • [27].一类带约束多目标优化问题的区间算法[J]. 黑龙江科技学院学报 2009(01)
    • [28].多目标优化问题的求解框架[J]. 微计算机信息 2009(36)
    • [29].激活规则多目标优化算法在任务分解中的应用[J]. 计算机工程 2020(03)
    • [30].一类多目标优化控制问题的混合型对偶[J]. 内蒙古农业大学学报(自然科学版) 2019(06)

    标签:;  ;  ;  ;  

    含风能电网多目标优化调度研究
    下载Doc文档

    猜你喜欢