基于进化计算的考虑风电-电动汽车互动的电力系统调度研究.pdfVIP

基于进化计算的考虑风电-电动汽车互动的电力系统调度研究

专业：土木水利

研究生：祝争雨

指导老师：闫李副教授、曹侃讲师、李冀高工

摘要

随着以新能源为主体的新型电力系统的提出，需要大幅增加风电等可再生能源的

并网比例。然而，由于风电易受自然因素的影响具有极强的不确定性，其并网后将严

重影响电力系统的安全稳定运行。近年来，由于电动汽车(Electricvehicles,EVs)对传统

能源的依赖性较低，及其清洁无污染等特性得到了迅速发展。此外，EVs特有的储能

特性可以缓解风电的不确定性，降低风电不确定性对系统的影响。然而，EVs的充放

电行为同样具有很强的随机性，且现有方法和技术难以有效管理大规模EVs的充放电

行为。基于此，为了评估风电与电动汽车并网后对电力系统调度的影响，本文围绕风

电与电动汽车的互动模型构建及智能优化求解方法进行了研究。

为了应对风电不确定性对系统所造成的影响，本文考虑了EVs的充放电特性提出

了一种风电和EVs互动(InteractionbetweenwindpowerandEV,IWEv)框架。在该框架

中，当实际风电产生过多时，EVs可以通过充电吸收多余的风电，降低风电的弃风惩

罚费用；当实际风电产生过少时，通过EVs放电来弥补风电不足，降低因风电导致的

弃负荷惩罚费用。在此基础上建立了一种考虑风电不确定性惩罚成本、风力发电成

本、火力发电机组燃料成本和污染排放的多目标动态经济排放调度(Dynamiceconomic

emissiondispatch,DEED)模型(DEEDIWEv)。该模型是一个典型的高维、非线性、强耦合

和多约束的多目标优化问题。为了求解这个复杂模型，提出了一种自适应多学习多目

标和声搜索算法，首先通过引入精英学习算子和经验学习算子来增强算法的学习能

力。其次提出了一种参数自适应调整机制，提高对最优解的搜索效率。仿真实验结果

表明所提出的模型和算法可以有效降低因风电不确定性所造成的系统额外惩罚成本以

及传统火力发电机组的污染排放和燃料成本。

针对DEEDIWEv模型的不确定性问题，建立了一种基于条件风险价值的DEEDIWEv

模型。在该模型中，首先利用拉丁超立方采样和K-means聚类的方法对风力发电场景

进行了建模，以描述风电的不确定性。然后，基于条件风险价值对系统的缺电风险和

弃电风险进行了评估。为了求解这个复杂模型，提出了一种自适应多模式教与学优化

算法。该算法在基本的教与学优化算法的基础上引入了参数自适应机制和改进的多模

式学习策略。在该算法中，通过改进教师阶段的教学因素，增加了算法搜索的多样

性。在学习者阶段，通过引入参数自适应机制以及改进的多模式学习，提高了算法对

最优解的搜索效率。仿真实验结果表明，所提出的模型和算法可以很好的评估系统的

运行风险并对其进行求解。

本文通过两阶段对包含电动汽车、风电和火力发电机组的电力系统进行了分析，

首先验证了DEEDIWEv的可行性，在此基础上考虑了DEEDIWEv的运行风险。并在不同

阶段根据模型特点提出了相适应的改进的进化优化算法。最后，实验结果表明所提出

的模型和算法的可行性和有效性。

关键词：动态经济排放调度；风电与电动汽车互动；CVaR；进化计算

Powersystemdispatchstudyofwindpower-electric

vehicleinteractionbasedonevolutionaryoptimization

algorithm

Major:CivilEngineeringandWaterConservancy

StudentName:ZhengyuZhu