基于微分进化算法的电力系统节能发电调度优化研究.docxVIP

基于微分进化算法的电力系统节能发电调度优化研究

一、引言

1.1研究背景与意义

随着全球经济的快速发展，能源需求持续增长，能源短缺和环境污染问题日益严峻，给人类社会的可持续发展带来了巨大挑战。电力工业作为能源消耗和污染物排放的重点领域，在满足社会用电需求的同时，如何实现节能减排已成为亟待解决的关键问题。

传统的电力系统发电调度方式主要以保障电力供应为首要目标，采用按行政计划分配发电量指标的方法，平均分配发电小时数，这种调度方式往往忽视了能源利用效率和环境污染问题，导致资源利用效益低下，小火电的效率底下、污染严重，可再生能源如风能、太阳能等得不到充分利用，无法实现资源的优化配置。据相关资料估算，在发、供、用电的整个过程中，电力系统中的电能消耗约占发电量的30%，其中发电环节的能源浪费和污染物排放问题尤为突出。发电企业能耗占全国比重较大，二氧化硫排放占全国一半，火电用水占工业用水一定比例，烟尘排放占全国排放量的一定份额，产生的灰渣占全国灰渣总量的一定比例，尤其是能耗高、污染重的小火电机组，已经成为制约电力工业健康发展的重要因素。

在此背景下，节能发电调度应运而生。节能发电调度是在保障电力可靠供应的前提下，按照节能、经济的原则，优先调度可再生发电资源，按机组能耗和污染物排放水平由低到高排序，依次调用化石类发电资源，最大限度地减少能源、资源消耗和污染物排放。与传统的发电调度相比，节能发电调度在调度目标方面更加重视节约能源以及保护环境，在调度标准方面强调降低单位电能生产中的能源消耗量与污染物排放量并重，在调度效果方面有利于提高电力工业能源使用效率，节约能源，减少环境污染，促进能源和电力结构调整，实现电力工业的可持续发展。

然而，节能发电调度问题是一个复杂的多目标优化问题，涉及到众多的约束条件和变量，传统的优化方法难以有效地求解。微分进化算法（DifferentialEvolutionAlgorithm，DE）作为一种高效的全局优化算法，具有结构简单、鲁棒性强、收敛速度快等优点，被广泛应用于各种优化问题中。在电力系统节能发电调度问题中，微分进化算法可以用于优化电力系统的负荷分配和发电机组的出力，从而实现最优化的节能发电调度。通过优化电力系统内部的负荷和发电器出力的分配，能够有效降低电力系统中的能源消耗，提高能源利用效率，减轻对环境的污染。因此，基于微分进化算法研究电力系统节能发电调度具有重要的现实意义，有望为电力行业的节能减排和可持续发展提供新的技术手段和解决方案，同时也能为实际电力系统的运行调度提供参考依据，具有较高的应用价值。

1.2国内外研究现状

在电力系统节能发电调度方面，国内外学者开展了大量的研究工作。国外在节能发电调度理论和实践方面起步较早，一些发达国家如美国、欧盟国家等，在可再生能源发电调度、机组组合优化等方面取得了显著成果。他们通过建立先进的电力市场机制，鼓励清洁能源的发展和利用，同时采用优化算法对发电调度进行精细化管理。例如，美国在智能电网建设的推动下，利用先进的信息技术和优化算法，实现了对分布式能源和储能系统的有效调度，提高了电力系统的能源利用效率和可靠性。欧盟国家则通过制定严格的碳排放政策，促使发电企业优化发电调度，减少碳排放。

国内对于电力系统节能发电调度的研究也日益深入。随着我国节能减排政策的大力推行，节能发电调度成为电力行业的研究热点。学者们从不同角度对节能发电调度进行了研究，包括建立节能发电调度模型、考虑多种约束条件、探索新的优化算法等。在模型建立方面，综合考虑了机组能耗、污染物排放、电网安全约束等因素；在优化算法应用上，除了传统的优化算法，还引入了智能优化算法，如遗传算法、粒子群优化算法等。例如，贵州电网作为全国第一个正式进入节能发电调度试点运行的省级电网，建成了节能发电调度计划生成系统，通过该系统合理分配水电和火电发电量，在2008年1-9月通过节能发电调度节约标准煤134.58万吨。

在微分进化算法应用于电力系统领域的研究中，国外学者率先将微分进化算法用于解决电力系统最优潮流问题，通过对标准测试系统的仿真分析，验证了微分进化算法在处理大规模非线性复杂问题时的有效性和实用性。此后，微分进化算法在电力系统的其他领域，如电力系统经济调度、变电站选址定容优化等也得到了应用。国内学者在微分进化算法的改进和应用方面也做了大量工作。针对微分进化算法在求解某些复杂问题时容易陷入局部最优、收敛速度慢等问题，提出了多种改进策略，如自适应调整控制参数、引入变异算子和交叉算子的改进策略等，并将改进后的微分进化算法应用于电力系统节能发电调度问题中，取得了较好的优化效果。例如，有研究结合变电站选址定容问题的特点，提出一种双向突变策略和自适应权重因子策略来改进微分进化算法，提高了算法的搜索能力和收敛