电力系统经济调度综述

NANCHANGUNIVERSITY高等电力系统分析课程题目：电力系统经济调度综述学院：信息工程学院系自动化专业班级：电工理论与新技术学生姓名：吴虹剑学号：406130614086电力系统经济调度综述摘要:随着大量的可再生能源电站的建设完成，其发电的不确定性给电力系统经济调度问题带来了很大的挑战。本文分析了电力系统经济调度对电力企业的影响，介绍了电力系统经济调度的概念及措施，并从电力系统模型、算法方面讨论了电力系统经济调度问题，比较了这些模型的优势和不足。并从寻优速度、精度和收敛性等方面阐述了算法的优缺点，在传统算法的基础上对算法进行改进，使改进的算法具有更好的寻优性。关键词：可再生能源经济调度1绪论在电力系统开始工作和调度期间，要想得到很好的结果，符合经济性指标，那么对电力系统经济运行和经济调度要有一个全新的理解，就需参考电力系统的在工作中运行特征，拟定详细的经济运行方法和经济调度方法，让电力系统在工作中呈现出众多的经济性成分，增强电力系统的工作效率，使电力企业的综合效益得到大大的提高。电力系统经济调度是电力系统运行中的重要环节，它是一个多约束、非线性、非凸性、多维的混合优化问题。在未来的眼界上预测未来，利用未来的负荷预测来决定未来发电的负荷需求经济分配。在保证系统安全稳定运行的前提下，考虑到系统中的各种等式约束和不等式约束，使用电负荷在各机组间优化分配的结果。迄今为止，关于动态经济调度问题已经提出了很多种方法。电力系统动态经济调度方法主要有传统的经典优化算法和当前流行的智能优化算法两大类。传统的优化算法主要有二次规划法、拉格朗日松她法、优先顺序法等。智能优化算法主要有BP神经网络算法、遗传算法、粒子群优化算法等。随着可再生能源发电在电力系统中的比例越来越大，系统的经济调度必须把可再生能源发电纳入到统一的经济调度模型中，由于其不确定性，建立的模型也越来越复杂，在模型的求解过程中，提高了系统的可靠性，必然以牺牲经济利益为代价；要获得更好的经济利益，必然导致系统的可靠性降低，因此在满足不危及系统安全稳定运行的前提下，获得更多的经济利益成了众多研究者追寻的目标。2电力系统经济调度模型当大规模可再生能源发电接入电力系统后，会给系统的经济调度带来很大的挑战，其不确定性会增加机组的运行和维护成本，增加系统的备用容量，还会使火电机组排放更多的污染气体。为了使可再生能源发电接入电力系统后电网更经济、安全和环保的运行，研究人员建立了各种各样的模型。文献[1]中的启发探索式的技术方法尽管不一定是最优的，但由于其简单性是很有实际用处的。文献[2，3]利用模拟退火法对动态经济调度问题进行了研究，该方法能够处理任意的非线性不连续的问题，但是计算最优解速度较慢。文献[4]提出的混合算法包含霍普菲尔德神经网络和二次规划法(QP)，该方法简便易行，但往往不易得到最优解。文献[5]提出的应用于电力系统发电安排的基于价格的爬坡率模型是基于双重规划法，通过调度处理得出了最佳结果，但仅在负荷变动不大时有实用价值。对于大范围的动态经济调度问题，文献[6]提出了应用变量缩放混合微分算法来计算处理。通过在进化过程中采取父代和子代合群处理，来提高进化速度。收敛速度快、精度高但求取过程中易于发散。文献[7]提出了一个重复调度算法利用QP同线性规划法(LP)和丹泽尔沃夫的分解技术相结合，对动态经济调度进行研究，能够得到较好的处理结果但不是最优的。文献[8]利用给动态经济调度延伸的安全约束增加爬坡率约束，确保了动态经济调度过程中系统运行的安全性，但经济性不好。在文献[9]中内点法被用来处理这个问题作为一个单独的最优化问题，协调处理了环保性和经济性，但没有考虑风电的不良特性。由于很多方法不能够保证其实际可行性操作，针对振荡的负荷变化曲线，文献[10]提出了一个探索式的方法来提高实际操作可行性，确保了能够实际应用，但仅只是对负荷进行了研究没有考虑可再生能源电力。考虑到可再生能源电力并入电网的电力系统动态经济调度，国内外学者已做了大量的研究。文献[11]考虑到风力发电的间歇性以及未来可插式电动汽车接入电网大量使用通过合理调度可以用来减弱风电的间歇性所带来的影响，建立了随机经济调度模型。利用传统的数学规划方法在IEEE-118节点系统上进行了相应的仿真。文献[12]对于风机出力曲线进行了3段性二次函数拟合，在分析了常规机组约束和风机机组约束的基础了，建立了含风电场的动态经济调度模型，利用改进的二进制微分算法，加入常规机组和风机的修正策略，进行了Matlab仿真，结果表明具有很大的经济性，同时指出了在某一区域随着风电装机容量的扩大，由于备用容量的需求，使得风机电力利用率降低。文献[13]利用粒子群优化算法对含有风电场的动态经济调度进行了相应的机组安排，通过加入功率平衡和备用容量约束的循环处理策略，以及根据机组耗量微增率与机组容量的比值大小来调整机组安排的优先启停策略。在保证系统安全的情况下，电力系统调度会把电力生产对于环境的影响以及能源的节约使用看的越来越重，应该尽量提高新能源电力的利用率。文献[14]通过引入惩罚措施，对于经济调度和节能调度进行了协调的考虑。对风电机组加以备用容量的惩罚，将蒙特卡罗模拟和遗传算法结合在IEEE3()节电系统上进行了仿真实现了风电的优先调度。文献[15]建立了充分体现环境保护和风电特性的火电和风电的新的运行价格理论模型，风电方面提出风电场出力可信度基础上的风电备用容量补偿成本及风电场中故意弃风(负效率运行)行为的价格惩罚措施。火电方面加入机组环境污染惩罚措施。利用遗传算法对于大规模风电并网电力系统考虑清洁、经济效果进行了求解。结果表明为保证系统的经济型在负荷低谷时弃风的合理性，以及高效率机组的高负荷发电和具有节能减排功能机组的优先调度性。文献[16]通过利用抽水蓄能机组来提高风电的利用率减小火电的消耗达到节能调度。分别对抽水蓄能机组、风电机组和节能调度进行了数学模型的构建和分析，通过实际算例将风电-火电、风电-同步发电机抽水蓄能-火电、风电-异步发电机抽水蓄能-火电利用混合整数规划法进行了结果比较分析，说明了利用异步抽水蓄能与风电结合具有很大的经济型(同步电机变化不灵活，异步电机变化灵活)，克服了风电的波动。文献[17]将间歇性电力看作是负的负荷与实际负荷一起构成广义负荷，利用以往经验广义负荷`'的分布函数，基于标准分布函数设定相应的方差和期望形成负荷的分布函数，据此提出了一定置信区间内的置信水平对负荷进行预测，置信水平越高相应的置信区间就越广，同时随着预测时间越长同等置信水平下相应的置信区间也越广。提出了一种新的实时经济调度系统-GCA，具有实时动态调度性和鲁棒性，GCA制定相应的经济调度同时在不同的时间段内预测系统状况、改变系统机组的发电组合形式并进行相应的数据更新，循环迭代来达到最优。文献[18]提出了一种高速应对系统中供需不平衡的经济调度方案，把可再生能源发电看作是负的负荷，相当于需求侧不平衡性变得很大很快，通过预测负荷的变化在可行性操作区域内提前逐步调整发电量利用等耗量微增率原则达到快速平衡负荷。建立了相应的数学模型，就供需不平衡、可行性操作区域进行了相关的讨论分析，通过仿真并且与二次规划法等比较得出结论，该方法具有很大的高速实时性。3研究趋势与展望由于温室效应等环境问题日益严峻，各国在发展经济的同时开始大量关注经济发展形式对于生态环境的影响。其中电力行业是最重要的污染源，因此在电力生产中必须综合权衡经济效益与环境效益，同时贯彻执行节能减排的政策方针[19]，提高新能源电力的利用率。文献[20]对于含风电场的电力系统进行节能优化调度，釆用理想点法将多目标转化为单目标问题，利用序列规划法对于风-水-火电进行了相应的分析求解。随着可再生能源发电的接入量越来越多，系统中可用旋转备用量的多少在很大程度了决定了系统可以接纳的风电和光伏电力的多少[21]，同时对于电力系统发电安排和调度的动态实时性、安全性要求也越來越高。由此可知在满足系统安全性的前提下电力系统动态经济调度需要综合考虑含有可再生能源电力调度的动态实时性、经济性和节能环保效果。综合上面的研究现状和分析可知，针对可再生能源电力并网的动态调度多为单独间歇性电力风电场或者光伏电站接入电网的经济调度或者环保调度，或者是风电-电动车互补、风蓄储能并网、太阳能-水联合互补、风水互补的经济调度研究。而对于提高风力发电和太阳能光伏发电利用率的风电场和太阳能光伏电站集成互补并网的电力系统动态经济调度还有待研究。参考文献[1]W.G.Wood.Spinningreserveconstrainedstaticanddynamiceconomicdispatch[J].JEEETransactionsonPowerApparatusandSystems.1982,101(2):381-388.[2]D.N.Simopoulos'S.D.Kavatza,andC.D.Vournas.Unitcommitmentbyanenhancedsimulatedannealingalgorithm[J].IEEETransactionsonPowerSystems.2006,21(1):68-76.[3]C.L.Chen.Simulatedannealing-basedoptimalwind-thermalcoordinationscheduling[J].IETGenerationTransmission&Distribution.2007,1(3):447-455.[4]A.Y.Abdelaziz,M.Z.Kamh,S.F.Mekhamer,andM.A.L.Badr.AhybridHNN-QPapproachfordynamiceconomicdispatchproblem[J],electricpowersystemsresearch.2008,78(]0):1784—1788.[5]F.N.Lee,L.Lemonidis,andK.C.Liu.Price-basedramp-ratemodelfordynamicdispatchandunitcommitment[J]IEEETransactionsonPowerSystems.1994,9(3):1233-1242.[6]J.P.Chiou.Avariablescalinghybriddifferentialevolutionforsolvinglarge-scalepowerdispatchproblem[J].IETGenerationTransmission&Distribution.2009,3(2):154-163.[7]C.B.SomuahandN.Khunaizi.Applicationoflinearprogrammingredispatchtechniquetodynamicgenerationallocation[J].IEEETransactionsonPowerSystems.1990,5(1):20-26.[8]W.R.BarceloandP.Rastgoufard.Dynamiceconomicdispatchusingtheextendedsecurityconstrainedeconomicdispatchalgorithm[J].IEEETransactionsonPowerSystems.1997,12(2):961-967.[9]G.Irisarri,L.M.Kimball,K.A.Clements,A.Bagchi,andP,W.Davis.Economicdispatchwithnetworkandrampingconstrainedviainteriorpointmethods[J].IEEETransactionsonPowerSystems.1998,13(1):236-242.[10]X.S.Han,H.B.Gooi,andD.S.Kirschen.Dynamiceconomicdispatch:Fea