一种含风电场的电力系统调度优化方法与流程

技术特征：

1.一种含风电场的电力系统调度优化方法，

将停电损失引入到目标函数，通过最优模型求解出最优的机组组合及最小的成本，具体模型如下：

$F_1=\underset{t=1}{\overset{T}{\Σ}}\underset{n=1}{\overset{N}{\Σ}}\{a_n+b_n{P}_{n,t}+c_n{P_{n,t}}^2+Q_{n,t}{u}_{n,t}(1-u_{n,t-1})+|e_{n}sin\[f_n(P_n^{\min }-P_{n,t})\]\left|\right\}+J1+J2---\left(7\right)$

$J1=q_1(P_t^{L}L\%+P_{k,t}^{w}wu\%)$

$J2=q_2(P_t^{L}L\%+(P_w-P_{k,t}^w\left)wd\%\right)$

上式中J1，J2分别表示正负备用容量的损失成本，q₁,q₂分别为正负备用容量损失成本系数，(7)式中F₁为加入停运损失后的总发电费用，

式中，T为时段数，t为时段，N为发电机台数，a_n,b_n,c_n分别表示第n台发电机组燃料成本系数，P_n,t为第n台发电机组第t时段输出的有功功率，Q_n,t为机组n的启停费用，u_n,t为机组n在t时段的启停状态，0表示停机，1表示开机，e_n,f_n为阀点效应系数，表示t时段机组n发电的最小出力，

对于式(1)有如下约束条件：

a)有功功率平衡约束。

$\underset{n=1}{\overset{N}{\Σ}}{u}_{n,t}{P}_{n,t}+\underset{k=1}{\overset{N_w}{\Σ}}{P}_{k,t}^w=P_t^L---\left(2\right)$

式中为风电场k在第t段时段的有功功率输出，N_w为风电场总数，为第t时段的负荷总需求，负荷需求由常规机组出力和加上新能源风电场的功率输出，

b)常规机组发电出力约束

$P_n^{min}\≤P_{n,t}\≤P_n^{max}---\left(3\right)$

式中，分别为第n发电机组最小出力和最大出力,

c)发电机爬坡率约束

UR_n≤P_n,t-P_n,t-1≤DR_n (4)

式中UR_n、DR_n分别为发电机下调和上调爬坡速率,

d)系统正负旋转备用容量约束

$\underset{n=1}{\overset{N}{\Σ}}{P}_{n,t}^{\max }{u}_{n,t}\≥P_t^L+P_t^{L}L\%+P_{k,t}^{w}wu\%---\left(5\right)$

负备用容量约束条件：

$\underset{n=1}{\overset{N}{\Σ}}{P}_{n,t}^{\min }{u}_{n,t}\≤P_t^L-P_t^{L}L\%-(P_w-P_{k,t}^w)wd\%---\left(6\right)$

式(5)、(6)中分别表示t时段机组n发电的最大和最小出力，L％为系统总负荷对正负备用需求系数，wu％为风电出力预测误差对正备用容量的需求系数，wd％为风电出力预测出力对负备用容量的需求系数,P_w为风电场的额定装机容量总和,

采用粒子群算法，假设在一个D维的目标搜索空间中，有m个粒子组成一个群体，其中第i个粒子(i＝1,2,...,m)位置表示为即第i个粒子在D维搜索空间中的位置是X_i，也就是说，每一个粒子的位置就是一个潜在解，将X_i代入目标函数就可以计算出其适应值，根据适应值的大小衡量其优劣，

粒子个体经历过的最好位置记为整个群体所有粒子经历过的最好位置记为粒子i的速度记为粒子群算法采用下列公式对粒子所在的位置不断更新：

$v_i^{d+1}={\mathrm{wv}}_i^d+{\mathrm{\δ}}_1{c}_1{r}_1\left(p_i^d-x_i^d\right)+{\mathrm{\δ}}_2{c}_2{r}_2\left(p_g^d-x_i^d\right)+c_3{r}_3\left(h^d-x_i^d\right)---\left(10\right)$

$x_i^{d+1}=x_i^d+{\mathrm{\αv}}_i^{d+1}---\left(11\right)$

公式中h^d为第d次迭代中的最优解，δ₁、δ₂为影响因子，r₃是[0,1]区间的随机数，

同时加速系数根据如下公式更新：

$c_1=c_{1\min }+\frac{c_{1\max }-c_{1\min }}{d_{\max }}d,c_2=c_{2\min }+\frac{c_{2\max }-c_{2\min }}{d_{\max }}d,c_3=c_1\left(1-\exp \left(-c_{2}d\right)\right)$

其中c_1min＝c_2min＝0.5,c_1max＝c_2max＝2，d_max为最大迭代次数，

在搜索一开始，选择较大的c₁和较小的c₂，随着迭代次数的增加，c₁线性递减，c₂线性递增，使得接下去c₁变小，c₂变大，从而提高了全局最优值的收敛能力，

其特征在于，含风电场的电力系统调度优化方法包括以下步骤：

S101,种群初始化；

S102,参数代入经济调度模型公式(7)；

S103,计算每个粒子的适应度值更新每个粒子的最佳适应度值、全局最佳值和所有最佳值中的最优值；

S104,由公式(10)、公式(11)更新粒子位置坐标和速度；

S105,判断是否达到最大迭代次数，如果是，则转S104，如果否，则执行下一步骤；

S106,获得最佳模型。