一种基于改进离散粒子群算法的含风电电力系统动态调度方法
【技术领域】
[0001] 本发明一种基于改进离散粒子群算法的含风电电力系统动态调度方法，属于含风 电的电网调度领域。
【背景技术】
[0002] 风能是一种清洁的可再生资源，具有分布广泛、能量密度高、利用效率高等优点。 同时转化为电能的过程中，不会产生污染环境的有害气体。目前风能利用技术比较成熟，但 是由于风速具有随机性和波动性，进而风电出力也就具有不确定性和随机波动的特点。
[0003] 目前经济调度分为短期经济调度和长期经济调度。动态经济调度问题在数学上是 一个高维、非凸、非线性的混合整数优化问题，理论上精确求解比较困难。目前来说，主要 有三类算法：（1)启发式方法：局部寻优法、优先顺序法；（2)数学优化算法：动态规划法、 拉格朗日松弛算法、混合整数规划；（3)智能优化算法：遗传算法、蚁群算法、模拟退火算法 以及粒子群算法。启发式算法没有严格的理论依据，往往依靠实际的经验或直观的判断， 很难找到最优解或次优解，但是也能满足一般要求；传统的算法例如动态规划法（Dynamic Programming，DP)虽然DP算法对目标函数并没有什么特殊要求，可以得到最优方案，但是 实际中由于机组数台数过多时，调度周期较长时，导致维数过大，计算量猛增，会产生"维数 灾"问题。此外，动态规划算法还难以解决与时间有关的约束条件如机组爬坡等约束条件。 人工智能算法中的遗传算法应用在电力系统动态经济调度优化问题，虽然具有全局寻优能 力，但是其局部搜索能力不强，会出现"早熟"的现象，往往需要与其他算法结合使用才能进 行。
【发明内容】
[0004] 针对现有技术的不足，本发明提供一种基于改进离散粒子群算法的含风电电力系 统动态调度方法，在解决含有风电场的小规模系统时，具有稳定性好、寻优速度快的优点。
[0005] 本发明所采用的技术方案为：
[0006] 一种基于改进离散粒子群算法的含风电电力系统动态调度方法，包括以下步骤：
[0007] 步骤1 :含有风电场的电力系统的模型建立：
[0008] 步骤1. 1 :根据实际情况，确定包含了常规机组的燃料成本和机组启停费用的目 标函数：
[0010] 步骤1. 2 :确立该算法中含有的约束条件，如：
[0011] (1)不计网损下，系统功率平衡约束：
[0013] 式中：Pj表示第t时段风电场输出的有功功率预测值；&表示第t时段的负荷预 测值；
[0014] (2)常规机组出力约束：
[0024] 式中：表示机组n在t时段的正旋转和负旋转备用容量；A/1表示t时 段为应对负荷预测误差和机组停运所需的备用容量，旋转备用容量通常与负荷大小有关， 包括负荷备用、事故备用和检修备用，us%，ds%分别表示高估和低估风电出力时对备用容 量的需求系数；
[0025] (4)机组爬坡速率约束：
[0026] 上升爬坡速度约束：
[0030] 式中：UKn，Dsn分别表示机组n的上升、下降爬坡速率，单位MW/h ; A T表示单位调 度时段，通常取Ih ;
[0031] (5)常规机组启停时间约束：
[0034] 式中：I：表示机组n在h时段已经运行时段数（7： >0 )或者停运的时段数 (7T <0); Tu，n，Tin分别表示机组n的最小连续运行时段数和最小连续停运时段数；
[0035] 步骤2 :对基本粒子群算法进行改进：
[0036] 步骤2. 1 :基本粒子群算法：
[0037] 粒子的速度和位置更新公式如下：
[0038] vid= w*v id+cfrand* (pid-xid)+c2*rand* (pgd-xid) (12)
[0041] 式中： < 为粒子i在第k次迭代的速度；w为惯性系数，通常取0. 4~0. 9 ;Ci, c2 为加速度常数，一般均取2, rand为在0~1之间均匀分布的随机数；pid为第i个粒子的历 史最优值；Pgd为种群的历史最优值；Xid为第i个粒子的位置；S(V)是Sigmoid函数，其表 达式为：
[0042] S(V)= I/(l+e-v) (15)
[0043] 步骤3 :改进策略：引入的优先启停策略通过比较机组的最小比耗量来决定机组 的启停顺序，比耗量小的机组产生单位功率的燃料成本小，因此其启动顺序会高些，而比耗 量大的机组单位功率产生单位功率消耗的燃料成本大，自然启动顺序会低些，停机顺序相 反。
[0046] y是指产生单位电量的平均燃料消耗量，即耗量特性曲线上的点与坐标原点连线 的斜率；机组的耗量微增率X是指每增加单位电量所需的燃料增加量，即耗量特性曲线上 的切线的斜率。
[0047] 步骤4:循环处理策略：种群初始化的时，先根据启停时间约束随机生成了 ps个粒 子，但是其并不一定满足功率平衡和旋转备用约束，为此使用了循环处理策略，结合优先启 停策略，调整机组启停及状态，并且逐个时段的更新机组的启停状态；
[0048] 通过上述步骤，完成含风电电力系统动态调度过程。
[0049] 本发明一种基于改进离散粒子群算法的含风电电力系统动态调度方法，技术效果 如下：
[0050]1)、同时加入了优先启停策略和循环处理策略，优先启停策略对传统的优先启停 顺序做了改进，在生成优先启停顺序时加入了启动成本的因素，有效地提高了算法的优化 质量。通过在标准的IEEE-10机系统的进行算例仿真，结果很好的说明了本算法在解决动 态经济调度问题上有效性和鲁棒性。
[0051] 2)、本发明提出了一种改进的粒子群优化算法，用来求解含风电场的电力系统动 态经济调度问题。针对机组组合优化问题采用了离散粒子群算法，同时加入了改进策略：优 先启停机策略和循环处理策略；针对负荷分配问题采用了拉格朗日迭代的算法来求解。后 在IEEE-10机组的标准算例进行了仿真并采用Matlab编程，从数据结果来看，本发明提出 的改进离散粒子群算法，在解决含有风电场的小规模系统具有稳定性好和寻优速度快的优 点。
【附图说明】
[0052] 图1本发明的改进粒子群算法流程图。
[0053] 图2本发明实施例迭代收敛曲线图。
【具体实施方式】
[0054] -种基于改进离散粒子群算法的含风电电力系统动态调度方法，包括以下步骤：
[0055] 步骤1 :含有风电场的电力系统的模型建立：
[0056] 步骤I. 1 :根据实际情况，确定包含了常规机组的燃料成本和机组启停费用的目 标函数：
[0061] 式中表示第t时段风电场输出的有功功率预测值；/Td表示第t时段的负荷预 测值；
[0062] (2)常规机组出力约束：
[0072]式中：，巧"表示机组n在t时段的正旋转和负旋转备用容量；A/L表示t时 段为应对负荷预测误差和机组停运所需的备用容量，旋转备用容量通常与负荷大小有关， 包括负荷备用、事故备用和检修备用，us%，ds%分别表示高估和低估风电出力时对备用容 量的需求系数；
[0073] (4)机组爬坡速率约束：
[0074] 上升爬坡速度约束：
[0075]