风火机组组合优化策略思考

论文价格:150元/篇 论文用途:硕士毕业论文 Master Thesis 编辑:硕博论文网 点击次数:
论文字数:32555 论文编号:sb2022022215140443842 日期:2022-02-28 来源:硕博论文网
本文是一篇电气自动化论文,在本论文中,首先对机组组合问题进行概述。提出改进双重粒子群算法和基于算法的含风电、火电的机组组合优化模型。然后,使用不同的优化算法进行求解分析。最后通过算例进行仿真验证,结果证明所提出的算法的正确性。然而,对本文进行的研究仍存在很多的不足之处和下一步深入学习的地方。

第 1 章 绪论

1.1 课题研究的背景及意义
伴随着中国国民经济发展的势头十分迅猛,城市和农村居民的用电量增长速度呈现跨跃式。为了进一步弥补飞速增长的城市和居民的用电需求,中国和其他国家家正在不断加大对清洁无污染电源及电网的建设投资[1]。现在,中国主要发电的能源完全来自于煤炭、石油等燃料,其不可再生性和给环境带来的破坏难题愈发突出。为了减少对于煤炭、石油等燃料的依附,若干年来,中国和世界上的其他国家一直致力开发可以循环使用的清洁能源发电,建成了一大批新的、没有任何危害的新能源发电项目[2]。新能源发电的大量投入减小了中国和其他国家对煤炭、石油燃料的依赖,调节了煤炭、石油能源结构层次,减少了对环境破坏的难题,对于中国和其他国家的能源安全和环境保护意义重大。
2000 年以来,在大量的清洁能源中,风电是没有任何危害的,也是在众多能源中有很好利用价值的能源。与煤炭、石油的发电装置相比风电最突出的优点是占用土地的面积小。一次建成后可以的长期使用;同时风力发电也是一种源源不断的绿色能源,不会对环境造成任何不利的影响。此外,和其他众多绿色能源做比较,风力发电技术十分完备,很容易大范围的实行和推广[3]。相关学者做出一个大胆的预测:到 2030 年,全球的风力发电总数将要达到 30 亿千瓦。
对于中国来说,中国北方的风力资源十分丰富,中国的南方风电资源相对短缺。中国北方的风力资源可以被大面积开发利用。根据有关可靠的数据表明可以利用的发电量约为 8-13 亿千瓦,是十分具开发价值的能源[4]。同时也是最值得投入大量钱力、人力、物力的绿色能源,也是未来绿色能源组成的关键的一部分。鉴于中国经济发展的种种因素致使的城市和乡村居民的用电量成倍的增加,在政府有关法律和政策的帮助下,中国的风电行业逐步走向成熟,其利用率也排到了全球的第一名。据全球风能有关机构的统计,在 2025 年,中国国内风电发电量将要达到 60GW,排在全球的第一位。
.....................

1.2 研究现状与分析
机组组合优化问题是电力系统经济调度的基础,一直是专家、学者研究的重点问题,对机组组合优化的研究是从 20 世纪开始的。伴着中国和世界上的其他国家经济的飞快发展以及城市和乡村居民对电力使用量逐年增多,对机组组合优化问题的研究受到了大家越来越多的关注。
1.2.1 机组组合问题的研究现状
伴着对机组组合优化问题的深入研究,在机组组合优化模型中增加了大量附加约束限制,使机组组合优化模型能够完美地展示火电机组的不同时刻的运行状态情况。在对火电机组组合的研究过程中,因为机组组合优化问题呈现出高维度、非凸性、非线性、离散等一系列多种不同的问题。因此,在求解的进程中,求解出最理想的解是相当复杂的,机组组合优化的研究一方面可以带来巨额的经济成本,另一方面也可以治理一系列环境污染问题,所以一直都是电力系统范围内的研究热点[8][9]。
对机组组合优化问题求解的算法包含两大部分:第一部分是传统的优化算法,第二部分为智能优化算法。
1.传统的优化算法
(1)优先顺序法
优先顺序法:在求解的进程中,占计算机内部的存储空间十分小、求解的速度呈现秒级。在求解机组组合优化进程中,其结果可能找不到最优解,但是一定会寻找到一个最符合初始条件的解,目的是时刻都能够满足火电机组在某时间段的运行状况[10]。缺点:其算法不能满足在求解时受到某些特殊限制因素。如:对火电机组的优化、大面积的水电机组的优化。在一定的时间范围内,解决这种大面积的耦合难题时找到最优解是十分困难的。
文献[11]提出一种特殊的优先顺序法来求解机组组合问题。在分析优先顺序方法特性的基础上,按照一定的经济指标,分析机组的出力在不同区间内,在不同的邻域内可以构成不同的机组组合结果,最后由机组的不同排列次序重新定义机组的优化。
.....................

第 2 章 风电及火电机组优化模型

2.1 风机输出功率
中国的风电能源十分充足,和煤炭、石油等化石能源做对比,风能具有很多优点可再生性、无污染性、存储量巨大等一系列特性,有广阔的发展前途。大型的风电场接入电网,然后投入运行已经是全球风力发电发展的潮流。鉴于风电有上面陈述的优势的同时,风力发电具有间歇性、波动性、不确定性等一系列的缺点,给风能的充分使用引出很多的难题。为了让电力系统保持平衡状态,在含风电的电力系统进行运行、调度操作时一定要全面加入若干不确定性的成分。
在风电场中,所有的风电机组输出功率数值相加和为风电场的总的输出功率数值。然而风电机组出力数值的大小和风速有十分紧密的联系[40]。所以,不同风电场运行状态情况、输出功率数值的大小是的风电机组输出功率的主要特点。风轮是从大气中吸收大部分能量的,风电机组的叶轮扫过的面积由一台风电机组获得到的风能数量决定的。
电气自动化论文参考
电气自动化论文参考
........................

2.2 风电出力特性
2.2.1 风速与风功率的随机分布
风速的随时间不断发生变化是造成风电机组的有功出力随时间变化的关键因素。由此看来,可以通过对风速随时间的变化的规律组织分析和讨论,从而可以对风电机组的发电计划和对风电场运行做进一步的探讨。
2.2.2 风电出力的波动性和随机性
风电出力是随着时间的变化而不断发生,这个特点使风力发电和煤炭、石油等能源发电做比较。可以知道这是风力发电的一个缺点。其中,风电机组输出功率数值的大小伴随风速随时间的变化而不断发生变化的。在所有的风电机组出力中,风电机组之间存在某些特殊的性质。如:互补性特性。它们可以在一定的范围程度上让风电场出力波动逐渐减小从而达到稳定。然而和水电、火电机组做比较,它仍就呈现出严重的后果。所以一定要面对风电的这个特殊的情况,使用正确恰当的分析方法进行处理。
2.2.3 风电出力和负荷的关系
风电出力具有两个特性:第一是不确定性,第二是随机性[41],给电力系统安全运行引入了大量的干扰。同时给机组制定发电计划带来了一定困难。在含风电的机组组合优化中,负荷和风电的出力直接影响着机组的发电计划的分配。当风电出力波动时,目前的电力系统进行运行操作时,在不一样的时间段的系统的负荷需求量时不一样的。在负荷的高峰时刻,为了达到负荷要求的目的,要很多的火电机组进行运行操作。在负荷低谷的时刻,假如某个时间段依旧许可相同质量的火电机组运行操作,结果在经济上不是的特别有效的,会呈现低谷时刻的负荷不满足所要按计划分下达的火电机组的出力下限的数值总和。这是一个特殊的情况。为了达到节约火电机组的经济成本,其方法是在电力系统的负荷需求总量减少时,使某些部分火电机组进行停机操作,等到负荷随时间增加的时间段再将火电机组对其进行投入操作。
..........................

第 3 章 基于改进双重粒子群的机组组合优化研究 ...................................... 17
3.1  基于改进双重粒子群的机组组合优化总体框架 ................................. 17
3.1.1 PSO 算法概述 ........................................ 17
3.1.2 机组组合问题的数学模型 ................................... 17
第 4 章 基于广义 Benders 算法的含风电的机组组合优化 ............................ 30
4.1 Benders 算法和广义 Benders 算法 ................................. 30
4.1.1 Benders 分解 ................................. 32
4.1.2 广义 Benders 分解 ............................ 32
第 5 章 总结与展望 ............................... 45
5.1  总结 ................................... 45
5.2 展望 .................................. 45

第 4 章 基于广义 Benders 算法的含风电的机组组合优化

4.1 Benders 算法和广义 Benders 算法
4.1.1 Benders 分解
风电具有随机性、间歇性特点,大范围的风电加入电网中,早期的机组组合优化手段不能适应新型能源系统中的所有问题。对于含风电的机组组合,由于风电引起的功率不稳定,为了保证电力系统平稳运行、达到经济性最优,机组组合优化算法具有十分关键作用。传统算法在求解含风电的机组组合优化时,求解速度特别慢。因此,在对大型的电力系统进行调度时,在可以承受的不同时间范围内,得到一个可行的、误差范围很小的解是相当困难的。目前的传统优化方法有:优先级表法[60]、动态规划法[61]、拉格朗日松弛法[62]、混合整数规划法[63]。还有,人工智能方法:如模拟退火算法[64]、蚁群算法[65]、遗传算法[66]、粒子群算法[67]等。对于所列出的算法进行求解,最后可以获得很多满意的结果。但是它们的计算的速度十分缓慢,求解的精确程度上还有待进一步的提高。
含风电的机组组合具有维数高、非凸、呈现离散型、非线性的特点。这种对复杂的问题进行求解分析时,使用的大多数的情况下是广义 Benders 分解算法方法,在求解范围比较大的混合整数规划问题时,通常将原问题分解若干上、下层规模相对较小的问题,经过多次循环求解,最后可以获得与原问题一样的结果。本文所提的分解算法完全能够对变换后的问题进行求解,并可以得到理想的解集,最后可以满足求解范围比较大的、非线性的、混合整数规划的要求。
Benders 算法处理的问题的过程:首先将若干繁琐的变量固定以后,余下的问题(又叫子问题)它有不变的形态,这样做的目的是为了让求解更加便捷。
电气自动化论文怎么写
电气自动化论文怎么写
..............................

第 5 章 总结与展望

5.1 总结
在本论文的开始阶段,首先对机组组合优化问题进行描述。然后,再对机组组合问题的研究现状进行分析。然后,对风电、火电出力特性进行分析和建模,提出基于改进双重粒子群的机组组合优化模型。在机组组合中,对粒子群算法原理进行描述,然后用改进双重粒子群对机组组合优化进行优化,离散粒子群(DPSO)对机组的启停状态进行优化分析,再用连续粒子群算法(APSO)优化每台机组的功率出力情况。使用不同算法进行求解,表明本章算法的高效性和达到了节能减排的作用。
在含风电机组组合优化中,对广义 Benders 分解算法进行了详细的描写,然就使用广义 Benders 分解算法对含风电的机组组合优化问题求解分析,对 1 天24h 负荷数值采取分段解耦的办法,然后进行机组的优化处理。最后本章节中使用 IEEE30 节点,使用不同的优化算法对其进行求解分析,通过仿真验证本算法高效性。
参考文献(略)

QQ 1429724474 电话 18964107217