含風電的電力系統綜合經濟調度模型求解的MATLAB仿真分析案例目錄TOC\o"1-3"\h\u9331含風電的電力系統綜合經濟調度模型求解的MATLAB仿真分析案例 1307861.1引言 1279501.2粒子群算法概述 121931.3基于yalmip工具箱進行數學規劃求解與粒子群算法比較 298321.4算例分析 385904.4.1基礎參數設置 310344.4.2優先消納風電與全額消納風電兩種模式綜合對比 5110084.4.2不同置信水平下的模型綜合成本計算及比較分析 11引言對于大規模風電并網后的電力系統綜合經濟調度模型求解問題，主要有人工智能算法及運用基于MATLAB環境下的yalmip工具箱編寫規劃問題，調用MATLAB自帶求解器進行求解的方法。本章以粒子群算法為例，對比了人工智能算法與基于yalmip工具箱進行數學規劃求解的方法，最終選取后者。同時計算了不同風電消納量下的含風電的電力系統綜合經濟調度模型的綜合成本，對比全額消納風電、優先消納風電等模式下的電網各項成本，綜合評估構建的經濟調度模型的優化效果。粒子群算法概述粒子群算法是通過模擬鳥群尋找食物過程中發展起來的一種基于群體性協同工作的隨機智能算法，粒子群算法所需設置的參數較少，實現較為容易，在非線性規劃問題尋優中應用廣泛。PSO算法的建立源于鳥群的覓食行為，鳥群在劃定區域內隨機找尋食物，但鳥群中所有個體均不清楚食物的具體方位，但是鳥群中的每個個體均知道其當前位置與食物的距離。將粒子類比為鳥群中的個體，進行數次迭代計算得到最優解。粒子群算法中每個基本量都具有三個參數，即位置、速度和適應度值，該粒子所處的空間位置及其速度直接影響著個體最優解的值，通過粒子自身的原有數據及整個群體中其他粒子的原有數據調整其兩項參數，不斷逼近最優解。粒子群算法的基本原理為：在整個搜索區域內，設群體中粒子數目為p，粒子i所在的位置設為yi，i=1,2,…,p；粒子i的速度設為v viq+1=ω yiq+1=式中，q為共需迭代的次數；δ1、δ2為加速因子，r1、r2為取值范圍[0,1]內的隨機數；viq及viq+1為粒子i在第q代及第q+1代的速度；yiq及yiq+1粒子i在第q代及第q+1代的所處位置；其基本算法流程如下：1）初始化種群的大小及所需的迭代次數；2）計算種群內所有粒子的目標函數值，個體的最優解就視為粒子當前位置，整個群體中的最優解視為種群最優解；3）按照公式（4-1）及（4-2），更新每個粒子的速度及位置；4）若沒有達到最大迭代次數，重復步驟3）；若達到最大迭代次數，輸出最優解；5）結束粒子群算法。基于yalmip工具箱進行數學規劃求解與粒子群算法比較在求解有關規劃最優解的問題時，yalmip工具箱其最大優點在于集成了眾多的求解器，且可以用統一編程語言描述，包含線性規劃、非線性規劃在內的大規模、多維度的數學優化問題均可被求解，得到廣泛使用。相較于以粒子群算法為代表的人工智能算法，其表達形式十分簡單，求解速度快，且不易陷入局部最優解等問題，通常人工智能算法需要優化改進才能達到良好的求解效果。比較后本文擬采用基于yalmip工具箱進行數學規劃并調用MATLAB自帶求解器求解大規模風電并網后的電力系統經濟調度模型。算例分析4.4.1基礎參數設置本文中模擬系統擬采用六個火電機組，一個風電場構成，風電場額定最大出力pfmax=75MW，火電機組詳細參數見表4-1。設環境成本系數kdown=60元/MW，經計算得出風電高估出力懲罰成本系數kup=90元/MWh，風電低估出力懲罰成本系數k表4-1火電機組參數表機組編號PPabcαβγG15001000.007007.0240182-1.161.05G2200500.0009510.0200116-1.772.07G3300800.009008.522093-1.931.90G4150500.0090011.0200135-2.281.66G5200500.0080010.5220135-1.631.73G6120500.0075012.0190156-1.631.35表4-2各時段系統負荷表時段/?負荷/MW時段/?負荷/MW時段/?負荷/MW時段/?負荷/MW1589.47968.3131178.8191010.42613.581010.4141094.6201178.83715.791094.6151010.4211094.64799.9101178.816884.122926.25842.0111220.917842.023757.86926.2121263.018926.224673.6對于風電預測出力均值與風電預測出力值的標準差值，本文參照華東某電網24?運用時間序列法得到的預測出力數據即以本時段風電功率的實測值作為下一時段風電功率的預測值。由式（2-17）及（2-18）可以計算出Beta分布所需的兩項參數α及β。α及β在24時段計算值如表4-3所示：表4-3日內24?αt及時段αβ時段αβ110.4419.22134.692.35211.2929.40144.992.72310.4650.17153.501.2646.4339.00163.981.68512.3946.45174.692.34610.9525.86186.785.72710.5819.40198.9012.1289.1613.60209.5115.0997.978.902110.3520.79106.094.752212.5346.87115.283.062313.2361.71124.912.612410.8623.174.4.2優先消納風電與全額消納風電兩種模式綜合對比1）全額消納風電模式全額消納風電模式是指風電按額定最大功率并網，即風電場注入功率為pfmax （4-3）設置正備用容量的需求百分比u%=10%，負備用容量的需求百分比u%=30%，負荷預測誤差導致對正備用容量的需求百分比L%=5%，風電場注入功率為pfmax=75MW，全額消納風電情況下的規劃問題為線性規劃問題，故可調用Cplex求解器對對模型進行求解，加快運算速度，得到火電機組群日內（24?）出力曲線圖及負荷預測曲線、火電機組總出力曲線及風電計劃出力曲線綜合對照圖及火電機組群日內（圖4-1火電機組群日內（24?）出力曲線圖4-2綜合出力對照曲線表4-4全額消納風電模式下各火電機組日內出力表時段全額消納風電模式下各火電機組日內出力G1G2G3G4G5G61100.0058.5980.0050.5150.2950.002100.0070.3687.8560.6360.3952.263100.0088.24110.1575.9975.7665.564100.00106.12132.4591.3691.1278.855100.00115.06143.6099.0498.8085.506100.00132.94165.90114.40114.1698.797100.00141.89177.04122.08121.84105.398107.09150.82188.19129.76129.52112.089120.53168.27209.95144.76144.52119.9910127.85189.36236.26150.00162.64119.9911137.62199.99250.56150.00172.50119.9912120.53200.00269.70150.00185.68119.9913107.09189.36236.25150.00162.64119.9914100.00168.27209.95144.76144.52119.9915100.00150.82188.19129.76129.53112.0916100.00124.00154.74106.72106.5092.1417100.00115.06143.6099.0498.8085.5018100.00132.94165.90114.40114.1798.7919100.00150.82188.19129.76129.53112.0920100.00189.36236.25150.00162.64119.9921100.00168.27209.95144.75144.52119.9922100.00132.94165.89114.40114.1798.7923100.0091.18121.2983.6783.3672.2024100.0079.3099.0068.3168.0758.91由圖4-1、圖4-2及表4-4可知：此時的風電功率值在24?運行時間內均為風電場額定的最大運行功率，即風電全額并網消納。火電機組承擔剩余部分的負荷功率需求，以火電機組燃煤消耗成本及環境成本和值最小為目標函數調度出力。2）優先消納風電模式優先消納風電模式是指風電并網后，考慮有關風電出力極限約束作概率約束，合理規劃風電計劃出力的同時保證優先消耗風電出力，節省綜合建模成本。模型表示為： （4-4）設置正備用容量的需求百分比u%=10%，負備用容量的需求百分比u%=30%，負荷預測誤差導致對正備用容量的需求百分比L%=5%，風電場注入功率為pfmax=75MW，置信水平值ρ=0.5。求解模型，得到火電機組群日內（24?）出力曲線圖及負荷預測曲線、火電機組總出力曲線及風電計劃出力曲線綜合對照圖、風電機組計劃出力曲線圖及火電機組群日內（圖4-3火電機組群日內（24?）出力曲線圖4-4綜合出力對照曲線圖4-5風電機組日內（24?）出力曲線表4-5優先消納風電模式下各火電機組日內出力表時段優先消納風電模式下各火電機組日內出力G1G2G3G4G5G61100.0089.08111.1976.7276.5066.192100.00101.20126.3087.1386.9075.193100.00123.55154.16106.32106.0891.804100.00141.80178.20122.88122.63106.115100.00150.72185.58127.96127.75110.526103.32162.37202.59139.69139.45120.007107.61169.10210.97145.46145.23120.008112.31176.46220.16150.00151.55120.009124.03194.33243.09150.00167.35120.0010138.24199.99270.90150.00186.50120.0011144.38199.99282.90150.00194.77120.0012159.57199.99299.99150.00199.99120.0013132.80199.99260.26150.00179.19120.0014117.75185.02230.82150.00158.89120.0015101.93160.19199.87137.80137.57120.0016100.00135.53169.13116.63116.39100.7217100.00128.50160.35110.58110.3495.4318100.00152.28190.00131.01130.77113.1719111.07174.60220.78150.00147.33120.0020147.40199.99285.78150.00198.88120.0021129.69199.99254.17150.00175.98120.0022105.71166.11207.26142.90143.66120.0023100.00132.27165.06113.83113.59105.5724100.00108.36135.2593.2993.0580.52由圖4-4、圖4-5及表4-5可知：風電場在高、低估風電出力目標函數及有關風電約束條件的綜合作用下給出了日內24?計劃出力曲線，除在部分時段呈現出一定的反調峰特性外，在其余時段內同上網負荷的變化趨勢相同，表明在優先消納風電的模式下，風電計劃出力經優化后可以與負荷變化相符合，且火電機組出力亦得到優化。4.4.2不同置信水平下的模型綜合成本計算及比較分析大規模風電并入電力系統后，根據第3章表述的置信水平，即風電場能夠實現計劃出力的可能性，分別設置置信水平值ρ=0.1、0.3、0.5、0.7、0.9，對于備用約束值，設置正備用容量的需求百分比u%=10%，負備用容量的需求百分比u%=30%。計算出風電并網后電力系統經濟調度模型綜合成本，繪制出如圖4-6所示的折線圖：圖4-6綜合發電成本隨置信水平變化折線圖由圖4-6可知：隨著規定的風電置信水平的提高，綜合發電成本也在不斷提高。這是由于置信水平代表了風電能實現計劃出力的概率，給定的置信水平越高，系統對于安全穩定運行能力要求的越高，此時允許并網的風電量會越少，即火電機組出力增加，此時綜合成本提高；反之，給定的置信水平越低，系統對于安全穩定運行能力要求的越低，此時允許并網的風電量會增加，即火電機組可以減少出力，此時綜合成本會降低。大規模風電接入雖然可以減少經濟調度綜合成本，但是也以影響電網穩定性作為代價。本節擬統計僅火電機組工作條件下的經濟調度模型成本、風電全額消納條件下的經濟調度模型成本、風電優先消納條件下不同置信水平的經濟調度模型成本，當僅火電機組工作時，模型描述為： （4-5）風電并網前后及不同風電消納模式下成本對比結果如表4-5所示：表4-5不同模式下發電成本比較表案例類型發電成本（×10風電機組未并網（火電機組全出力）26990風電機組出力優先消納（90%置信水平）25737風電機組出力優先消納（70%置信水平）24655風電機組出力優先消納（50%置信水平）23931風電機組出力優先消納（30%置信水平）23259風電機組出力優先消納（10%置信水平）22406風電機組出力全額消納21736由表4-5可知：當給定置信水平為0.9、0.7、0.5、0.3及0.1時，綜合發電成本由風電并網前的269.90萬元分別降低至257.37萬元、246.55萬元、239.31萬元、232.59萬元及224.06萬元，成本節省率分別達到4.64%