水光互补系统优化调度建模及仿真研究.docVIP

精品论文 参考文献 水光互补系统优化调度建模及仿真研究 (国网新疆电力公司 新疆 乌鲁木齐 830000） 摘要：光伏电站接入在光照资源较为丰富的靠单一水电供电的地区新建光伏电站并安装储能装置储存剩余电能实现水光互补供电是解决冬季水电出力不足的问题的有力手段。研究水光互补系统的优化调度问题对实现可再生能源合理利用，保证局部电网供电可靠性具有非常重要的意义。本文基于PSASP软件建立了光伏发电和超导储能系统模型；为了保证储能装置在白天尽可能多储存电能夜间补充水电供电，本文以光伏电站上网电量最小为目标函数，并考虑功率平衡约束、储能装置容量约束、水电站出力约束、水库库容约束、水量平衡约束、出库流量约束等约束条件建立了水光互补系统优化调度模型，并采用遗传算法对该模型进行求解；基于青海某局部地区水光互补系统对本文建立的水光互补系统优化调度模型进行实例验证并校验了各机组按调度结果出力下的电网的安全稳定性。结果表明：该优化调度模型合理、有效；能保证电网安全稳定运行。 关键字：光伏发电；超导储能；水光互补；优化调度；安全稳定； 0 引言 近几年，随着新能源发电事业的快速发展，风电与太阳能发电技术不断成熟，发电成本不断降低，风电与太阳能发电电价已开始为电网企业及电力用户所接受。因此，发展风—水互补系统，水—光互补系统或风—水—光互补系统解决独立水电供电系统存在的问题已成为一种理论及技术上可行的解决方案。 本文针对太阳能资源丰富，风资源等其他新能源匮乏的地区，采用水—光互补系统解决独立水电系统供电问题。今年来，国内外关于光伏发电并网对电网造成的电能质量、安全稳定性方面的影响的研究已经起步，并且取得了一些成果及结论，但公开发布的光伏发电并网对系统调度造成的影响的研究成果较少，大多都是风水互补系统或风光互补系统的调度，对水光互补系统怎样实现优 化调度则是一个少之又少的课题。如文献[1]主要是对风光互补发电系统的调度策略的研究；文献[2]为水光互补发电系统的仿真研究来解决调节水库库容问题，而本文是以光伏电站上网电量最小为目标函数，来解决优化调度问题。本文在保证电网安全稳定运行的基础上，建立水光互补系统的优化调度模型。 1 水光互补调度系统建模及求解算法 1.1 水光互补调度系统建模 1.1.1目标函数 为了使光伏电站安装的蓄电池尽可能保持高SOC状态以保证夜间或无光照日有充足的储存的电量以增援水电系统供电，本文以光伏电站上网电量最小为目标函数，如式（1-1）： 1.2 水光互补调度系统遗传算法 1.2.1 遗传算法简介 传统的水电站群发电系统的优化调度问题本来就是一个非常复杂的大规模的非线性函数求解问题，本文主要研究光伏发电接入水电系统实现水电、光伏发电出力互补联合供电的调度问题，在考虑水电站群诸多约束条件的基础上，又考虑光伏发电相关约束条件，使得本文所研究的水光互补系统调度模型更加复杂，因此，选择一种合适的求解算法是一个决定调度结果是否合理、可靠的关键性问题。 本文通过综合比较对遗传算法加以改进，即采用改进的遗传算法，可以满足本文对模型求解结果的要求。 1.2.1 遗传算法优化过程 利用遗传算法解最优化问题，首先应对可行域中的点进行编码（一般采用二进制编码），然后在可行域中随机挑选一些编码组成作为进化起点的第一代编码组，并计算每个解的目标函数值，也就是编码的适应度。接着就像自然界中一样，利用选择机制从编码组中随机挑选编码作为繁殖过程前的编码样本。选择机制应保证适应度较高的解能够保留较多的样本；而适应度较低的解则保留较少的样本，甚至被淘汰。在接下去的繁殖过程中，遗传算法提供了交叉和变异两种算子对挑选后的样本进行交换。交叉算子交换随机挑选的两个编码的某些位，变异算子则直接对一个编码中的随机挑选的某一位进行反转。这样通过选择和繁殖就产生了下一代编码组。重复上述选择和繁殖过程，直到结束条件得到满足为止。进化过程最后一代中的最优解就是用遗传算法解最优化问题所得到的最终结果。 1.2.1 遗传算法的改进 人们在实际应用中发现，遗传算法明显的缺陷是它可能会由于目标函数的特性的原因（比如，当目标函数具有欺骗性或不满足构造模块假说等）或算法设计不当造成解算结果过早收敛于目标函数的局部最优解而非全局最优解。为此，不断有人对遗传算法提出各种各样的改进方案。例如：针对原先的定长二进制编码方案；提出了动态编码、实数编码等改进方案；针对按比例的选择机制，提出了竞争选择、按续挑选等改进方案；针