光热风电联合运行调度策略研究(2)
2.2 约束条件
1)系统功率平衡的制约:
2)系统备份制约:
3)发电站的电力制约:
在上述公式中,为时间t的负荷预测:为水能驱动电力站点i的输出效能最大值;为光热能源驱动发电站点的输出效能最大值;Kd、Kw分别为负荷变动系数和风力变动系数,在一般情况下数值取值为10%和15%[15]。
4)水电转换关系:
在上述公式中,A为水电资源变化常数,一般情况下将数值取定为9.81;为水能驱动电力站点i的效能水平:hit为储水区域i在1时刻期间内的水面高度。Qit为水能驱动电力站点i在t期间内的流动量。
5)每日流量积分制约 具备调控机制的水能驱动电力站点应根据配水部门的要求确定发电所需的水耗量,因此配水部门根据需求对每日流量积分制约设定应相地上限和下限数值。
在上述公式中,分别为水能驱动电力站点i在调度派遣日最小亦或者是最大的水资源配分。
6)光热发电站制约:
a.蓄热装置的能源储藏制约为:
在上述公式中,为蓄热装置的最小安全保管容量:为蓄热装置的全负荷时间;为发电机的热传导效率。
b.蓄热装置的充电和放电电力制约为:
在上述公式中,分别为用蓄热装置容许的最大热量和热散发;分别为t期间的蓄热装置的充放电电力:为蓄热装置t时的充放电状态量,为0时表明设备处于散热状态,1时表明设备处于吸热状态。
c.蓄热装置的充放电电力关系的制约:
d.光热发电站内部电力关系的制约:
在上述公式中,为蓄热装置的散失系数:分别为蓄热装置的发热效率和加热效率;为时间t的太阳照明电力的预测值。
3 风光热-水电联合优化调度算法
本研究中建立模型的多目标函数,根据两个目的函数的重要性,取权重为0.4和0.6的加权系数法来处理,对制约的处理使用外部罚函数法,随后将其合并到目的函数。经由上述措施后,将原始具备复杂程度的混合动力制约问题转换为一系列无约束的编程问题。在此构型当中还需要用模型最优化的参数作为各期间段各发电所的输出效能水平。在算法方面,使用常驻粒子的集聚群体算法,导入帮助优化的“常驻集聚粒子”,以解决修正基本聚合算法在局部小区域检索能力不足的问题,优化了集聚粒子群体的多元化水平以及组合的多样性。该算法非常适合在固定范围内进行电力体系调控的优化实施。
3.1 含驻留粒子的改进粒子群优化算法
集聚粒子群体优化算法具备简易性能,且对目的函数不严密,是被普遍使用的智能型优化算法形式[15]。在优化的实施流程当中,由于粒子的凝集效果非常容易导致优化实施陷入局部最优化困境当中,影响到整体优化的精确程度。为了尽量避免这一问题的出现,本研究使用了常驻聚合粒子群体算法。CRPSO被用于最优化基本粒子组算法,每更新gbest生成一定量的常驻粒子,就会产生辅助效用以改善聚合粒子群体的多元化性能,避免算法在流程实施前期阶段产生局部优化的不利现象。
在CRPSO中,为了解决优化实施无法获得全局范围内新区域(gbest)周围形成新常驻聚合粒子群体的数目过多的问题,避免造成计算速度下降的不利情形,因此设置常驻聚合粒子群体丰裕水平b和主分组聚合粒子群体大小N的积分。即存在分区的最大数量数值。
3.2 迭代公式
将算法搜索空间维度设置为D,如果将主分组的大小设置为N,则第i个主分组的位置和飞行速度可以表达如下:
3.3 算法流程
图2为CRPSO算法流程。
图2 CRPSO算法流程
4 算例验证分析
为了对多目的优化调控机制的科学性能和被使用算法机制的可执行性进行实证分析探索,设定为程序的创建并使用MATLB软件来验证例子,对例子进行分类实施。一组算法流程当中不追加光热发电所,一组算法流程当中追加光热发电所,随后比较计算各情况下各发电所的输出,在分析对比实证结果之后,验证光热发电所的追加是否能够对风力发电体系的纳入效能水平实现有效的改善。
4.1 算例参数
在这个例子当中,将350 MW和300 MW的设备容量的水力发电站和360 MW的风力发电站以及一个太阳热发电站组合,上述电站联合形成着包含风力,光,热,水电的共同配给系统。时间被用作调度周期,1 d被分割为24周期。表1和表2显示了CSP发电站和水力发电站的各项参数数值。
文章来源:《水力发电学报》 网址: http://www.slfdxbzz.cn/qikandaodu/2021/0502/491.html
上一篇:国宝们的前世今生访保利艺术博物馆
下一篇:基于主成分分析的水电入库径流特性评价