含风电所及电动汽车电力系统规划优选协调研究.docVIP

　　含风电所及电动汽车电力系统规划优选协调研究 1绪论 1.1研究背景和意义 随着世界经济的不断发展，煤炭、石油等非可再生能源的供应日益紧张，而由其引发的诸多环境问题也逐渐受到人们的重视。各国都在寻求解决能源危机的办法，并出台了一系列以节能降耗、减少环境污染为主要目标的能源政策。中国政府在哥本哈根会议中作出承诺：到2020年，单位国内生产总值C02排放比2005年下降40%-45%。而十二五规划中也明确提出我国单位生产总值能源消耗和CO排放分别降低16%和17%。目前，针对可再生能源和电动汽车的研究，被认为是解决当前能源危机和环境污染的有效途径。电力系统作为能源产业链的重要环节，在促进低碟发展中发挥着重要作用十二五规划中提出积极发展风电以优化电源结构，并且我国已针对风电发展颁布了 一系列的相关政策法规，见附录1。因而近些年以可再生能源风能为基础的发电技术得到了快速发展。图1.1为2010-2012年各电源装机容量同比增长率示意图。可以看到，风电、核电的发电装机容量增速均超过全口径容量增速，而风电装机容量增速明显高于其他电源。尽管风电电源建设得到了大力发展，但风电的本地消纳市场空间有限，并且外送通道容量不足，导致风电既不能就地消纳，也不能及时送出。解决风电消纳能力不足的关鍵在于相关输电系统的规划建设。但相比于风电项目的前期工作流程周期短、核准快、建设周期短，相应的送出工程却前期工作流程周期长、核准程序复杂、建设周期长，造成输电系统建设严重滞后，大量风电项目建成后无法及时接入电网，部分地区弃风严重。解决目前风电消纳能力不足问题最终取决于能否合理地进行输电系统的规划建设。而输电系统规划分为方案形成和方案优选两部分。 1.2国内外研究现状 电网规划的启发式算法是一种常用的算法。在启发算法的求解过程中，包括了过负荷校验、灵敏度分析和方案形成。启发式算法主要依托于决策者的直觉，虽然在一定程度上决策者可根据经验和专业知识可以获得较优解决方案，但得到的解却是不是数学意义上严格的最优解。并且启发式方法是逐步扩展网络，不能考虑各扩建线路决策的相互影响，因此无法给出数学上的最优解。近年来，一类基于生物学、人工智能的现代启发式算法（MH，Meta-Heuristics)已开始被广泛应用。其中包括：遗传算法（GA，Geic Algorithm)、模拟退火法（SA，Simulate Annealing)、Tabu 搜素法（TS, Tabu Search)、軟群算法(ACO，Ant Colony Optimization)和粒子群算法(PSO, Particle S Optimization)等。较传统方法柜比，它们具有搜素策略结构化和随机化，不必用到目标函数的导数信息，可实现全局优化、鲁棒性强、通用性强、适用于并行计算等特点。随着风电的快速发展，含风电的输电系统规划也逐步受到重视。文献[6]提出了以与风电有关的控制措施成本和输电投资成本之和最小为目标的含风电的输电系统扩展规划模型，并采用启发式优化算法求解。文献[7]采用场景方法描述风电出力和负荷变化，在此基础上构建了计及大型风电场的输电系统规划模型。文献[8]采用概率方法描述风电出力和负荷分布，建立了输电系统规划的机会约束规划模型。 2含风电的输电系统规划方案优选概述 2.1风电接入对电力系统规划的影响 风电场接入电力系统的方式有两种：大型风电场与输电系统直接相连；容量较小的风电场以分布式电源的形式接入配电系统。分布式电源形式的风电场由于出力小且分散，对电网的规划运行影响较小，本章主要考虑大型风电场接入输电系统的情况。随着风电技术的发展及政策激励，风电装机、并网容量正逐渐增长，给电力系统带来的影响也越来越显著。考虑风电对电力系统规划的影响时，主要有以下几个方面。风电机组出力的随机性和波动性将对系统可靠性产生严重影响，导致系统备用容量增加。而风电机组及风电场在地理上的分散布置可在一定程度上减少系统的备用需求[24_25]。另外，我国的大陆性气候特点使得风电场出力一般夜晚大于白天，这与负荷的变化规律恰好相反，即具有反调峰特性。极端情况下，在日负荷峰值时，风电场出力为0;在日负荷谷值时，风电场出力达到最大。若接入风电容量过大，则可造成在负荷谷时段需调停部分机组以消纳风电。风电接入系统前，日调峰需求表现为峰荷与谷荷的差值；而风电接入后，该调峰需求需加上风电接入系统的容量。 .............. 2.2不确定性多厲性决策方法 电网规划方案优选的评价指标可按照能否准确定量可分为定量指标和定性指标两类。定量指标可以通过数值计算的方式获得定量形式的结果，定性指标则无法给出严格定量的指标结果，需要决策专家根据其知识和经验对方案进行一定的分析论证给出。一般而言，定量指标受到前提假设、计算方法、仿真工具和标准规程的限