考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)日前調(diào)度計(jì)劃研究領(lǐng)域，設(shè)及一種考慮風(fēng)電注入不確定性的 多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流。
【背景技術(shù)】
[0002] 隨著新能源開(kāi)發(fā)利用，大規(guī)模風(fēng)電的不確定性注入對(duì)電力系統(tǒng)調(diào)度帶來(lái)眾多影響 和挑戰(zhàn)，其建模是相關(guān)研究的首要問(wèn)題和難點(diǎn)之一。
[0003] 目前調(diào)度問(wèn)題研究中的風(fēng)電出力建模多視其不確定性為隨機(jī)性或模糊性。隨機(jī)性 模型隨機(jī)建模大致可分為兩種，一是普遍先用We化Ull分布函數(shù)描述風(fēng)速，再利用風(fēng)速與功 率關(guān)系獲得風(fēng)電場(chǎng)輸出功率，也有研究采用Beta分布描述;二是采用隨機(jī)時(shí)間序列的分析 方法，常用的主要有馬爾可夫鏈模型和自回歸移動(dòng)平均模型等。在調(diào)度問(wèn)題中，通常采用蒙 特卡洛模擬產(chǎn)生仿真風(fēng)電出力。模糊建模也可分兩種，一是直接對(duì)風(fēng)電出力進(jìn)行模糊隸屬 度建模;二是將風(fēng)電的模糊性轉(zhuǎn)化為預(yù)測(cè)誤差的模糊性，對(duì)誤差進(jìn)行模糊建模。
[0004] 事實(shí)上，風(fēng)速因受眾多自然因素影響而具有隨機(jī)性，可用概率分布描述，但其分布 參數(shù)擬合受有限的歷史數(shù)據(jù)所限而存在模糊性，因而風(fēng)速兼具隨機(jī)和模糊雙重不確定性特 征。規(guī)?；L(fēng)電出力受風(fēng)速主導(dǎo)影響亦具有多重不確定性，其更加科學(xué)準(zhǔn)確的建模W及調(diào) 度問(wèn)題中基于風(fēng)速多重不確定模型的風(fēng)電出力仿真模擬方法亟待研究。
[0005] 考慮風(fēng)電注入多目標(biāo)動(dòng)態(tài)最優(yōu)潮流旨在基于對(duì)電力系統(tǒng)下一調(diào)度周期負(fù)荷等情 況的合理預(yù)測(cè)，制定系統(tǒng)中可調(diào)節(jié)手段如風(fēng)電棄風(fēng)量、火電機(jī)組出力、機(jī)端電壓、無(wú)功補(bǔ)償 投入等的調(diào)度計(jì)劃，W實(shí)現(xiàn)電力系統(tǒng)在滿足機(jī)組爬坡及電壓安全等約束下的經(jīng)濟(jì)、環(huán)保、節(jié) 能等方面多目標(biāo)動(dòng)態(tài)優(yōu)化運(yùn)行。運(yùn)類問(wèn)題是具有大量混合變量和約束條件的復(fù)雜多目標(biāo)非 線性優(yōu)化問(wèn)題?；谶z傳思想的快速非支配排序遺傳算法（non-dominated sorting genetic algorithm-II，NSGA-II)具有良好的非線性優(yōu)化能力和魯棒性，可獲取多目標(biāo) 化reto最優(yōu)解集，保證最優(yōu)個(gè)體多樣性從而為決策者提供不同偏好選擇，成為求解多目標(biāo) 優(yōu)化問(wèn)題的優(yōu)秀智能算法之一。最大滿意度法通過(guò)模糊滿意度和綜合滿意度計(jì)算從而獲取 多目標(biāo)綜合最優(yōu)折衷解，為決策提供一種方法途徑。
[0006] 綜上所述，研究考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，W有效 建模和求解含風(fēng)電電力系統(tǒng)多目標(biāo)日前調(diào)度問(wèn)題，對(duì)于適應(yīng)風(fēng)電滲透接入和提升電力系統(tǒng) 日前調(diào)度水平具有積極意義。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明"考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最 優(yōu)潮流"，提出在調(diào)度問(wèn)題中采用隨機(jī)模糊雙重不確定數(shù)學(xué)模型描述風(fēng)速和風(fēng)電出力，基于 此建立電力系統(tǒng)多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型，W隨機(jī)模糊模擬法生成仿真風(fēng)電出 力，采取NSGA-II與最大滿意度法混合算法求解獲取多目標(biāo)動(dòng)態(tài)最優(yōu)潮流的化reto解集和 最優(yōu)折衷解。
[0008] 本發(fā)明采用如下技術(shù)方案:考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮 流，該方法包括如下步驟：
[0009] 步驟1:獲取電力系統(tǒng)在下一個(gè)完整調(diào)度周期的數(shù)據(jù)，并進(jìn)行負(fù)荷預(yù)測(cè)。
[0010] 步驟2: W隨機(jī)模糊雙重不確定模型及其機(jī)會(huì)測(cè)度函數(shù)描述風(fēng)速變量和對(duì)應(yīng)的風(fēng) 電出力。
[0011] 步驟3: W系統(tǒng)發(fā)電耗費(fèi)最小、污染物排放量最小、有功網(wǎng)損最小為目標(biāo)，考慮電力 系統(tǒng)節(jié)點(diǎn)安全電壓、無(wú)功出力、系統(tǒng)備用等靜態(tài)約束和機(jī)組爬坡的動(dòng)態(tài)約束，建立多目標(biāo)隨 機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型。
[0012] 步驟4:通過(guò)隨機(jī)模糊模擬法生成日風(fēng)速數(shù)據(jù)與對(duì)應(yīng)風(fēng)電出力，采用NSGA-II與最 大滿意度法混合算法獲取多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流的化reto解集和最優(yōu)折衷解。
【附圖說(shuō)明】
[0013] 圖1:本發(fā)明考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流的整體實(shí)施 流程圖；
[0014] 圖2:本發(fā)明的隨機(jī)模糊模擬風(fēng)電出力流程圖；
[0015] 圖3:本發(fā)明的偏小型滿意度函數(shù)曲線；
[0016] 圖4: IE邸30節(jié)點(diǎn)系統(tǒng)的接線示意圖；
[0017] 圖5: IE邸30節(jié)點(diǎn)系統(tǒng)的典型負(fù)荷曲線圖。
【具體實(shí)施方式】
[0018] 下面結(jié)合附圖及具體實(shí)施例，對(duì)本發(fā)明做進(jìn)一步詳述。
[0019] 本發(fā)明提出的考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，其整體實(shí) 施流程見(jiàn)圖1，下面WIEEE30節(jié)點(diǎn)系統(tǒng)為具體實(shí)施例對(duì)其進(jìn)行詳細(xì)說(shuō)明，其接線情況見(jiàn)圖4。 實(shí)施例用于說(shuō)明但不限于本發(fā)明。
[0020] 步驟1:獲取電力系統(tǒng)在下一個(gè)完整調(diào)度周期的數(shù)據(jù)，并進(jìn)行負(fù)荷預(yù)測(cè)。
[0021] 對(duì)于本實(shí)施例直接輸入IE邸30節(jié)點(diǎn)系統(tǒng)的數(shù)據(jù)即可。負(fù)荷預(yù)測(cè)曲線采用圖5典型 雙峰曲線為例。
[0022] 步驟2: W隨機(jī)模糊雙重不確定模型及其機(jī)會(huì)測(cè)度函數(shù)描述風(fēng)速變量和對(duì)應(yīng)的風(fēng) 電出力。
[0023] 風(fēng)速服從Weibull分布
[0024] fv(v) =k/c(v/c)k-ie 邱[_(v/c)k] (I)
[0025] 通過(guò)歷史數(shù)據(jù)挖掘和參數(shù)擬合，獲取歷史風(fēng)速We化Ul I分布的尺度參數(shù)C和形狀參 數(shù)k的模糊隸屬度，將其用模糊變量I。和扣表示。從而將風(fēng)速描述為隨機(jī)模糊變量Cv,即
(2)
[0027]機(jī)會(huì)測(cè)度分布函數(shù)為
[0029]規(guī)?；L(fēng)電場(chǎng)有功出力模型近似為多臺(tái)風(fēng)力發(fā)電機(jī)出力疊加 (3) (4)
[0031] 其中Vci，Vc。和Vr分別為切入、切除和額定風(fēng)速，Pw吐是單個(gè)風(fēng)力發(fā)電機(jī)的額定有功 出力，N為風(fēng)力發(fā)電機(jī)數(shù)目。
[0032] 在動(dòng)態(tài)調(diào)度問(wèn)題中考慮棄風(fēng)量Pwc,t，風(fēng)電有功出力為
[003；3] 馬斯三戶總-馬O 閥
[0034]考慮風(fēng)電場(chǎng)運(yùn)行于超前相位的恒功率因數(shù)控制模式下，則其吸收無(wú)功 [003引斯(,，=巧、(,.,加巧 （6)
[0036] 步驟3: W系統(tǒng)發(fā)電耗費(fèi)最小、污染物排放量最小、有功網(wǎng)損最小為目標(biāo)，考慮電力 系統(tǒng)節(jié)點(diǎn)安全電壓、無(wú)功出力、系統(tǒng)備用等的靜態(tài)約束和機(jī)組爬坡的動(dòng)態(tài)約束，建立多目標(biāo) 隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型。
[0037] 本發(fā)明中的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型如下：
[003引決策變量向量3^,=辟1,""'，巧;,,。-1,，而1"'"躬卿^，巧,<，"'，巧心,，巧、'0]，其中口〇1,*是火 電機(jī)組i的有功出力（i = l，2,…m)，化i,t是火電機(jī)組i所在節(jié)點(diǎn)的電壓，Bk,t化=1，2,…nsc) 是無(wú)功補(bǔ)償器k投入量，Pwe, t是風(fēng)電場(chǎng)棄風(fēng)量。
[0039] 本實(shí)例中，傳統(tǒng)火電機(jī)組6臺(tái)，無(wú)功補(bǔ)償器2臺(tái)，風(fēng)電場(chǎng)1個(gè)，平衡機(jī)組有功出力不納 入決策變量，則有14個(gè)決策變量。
[0040] 目標(biāo)函數(shù)：
[0044] 約束條件：
[0045] 1.靜態(tài)約束
[0046] (1)功率平衡約束
[0049] (2)發(fā)電約束
[0050]
[0051] 巧也含巧r，所，' （口）
[005^ or 言化,，言
[0053] (3)節(jié)點(diǎn)電壓約束
[0054] Ur<Ubu<lfT，'^bi，t (14)
[0055] (4)系統(tǒng)旋轉(zhuǎn)備用約束
[0056] Elc"--吃,,片。巧|'"、州 (巧) /-I
[0化7]取 y = 5%
[0化引 2.動(dòng)態(tài)約束
[0059] 火電機(jī)組的爬坡約束
[0060] -峨。'心A-Pq,',各嗎yUt (16)
[0061] 考慮爬坡約束后的火電機(jī)組出力上下限由下式?jīng)Q定
[006。輸X觸m，傳 ,,,_1 -A靖頭} ^ 也,引Tiin訴r，也，_1 +A巧n (17)
[0063] 步驟4:通過(guò)隨機(jī)模糊模擬法生成日風(fēng)速數(shù)據(jù)與對(duì)應(yīng)風(fēng)電出力，采用NSGA-II與最 大滿意度法混合算法獲取多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流的化reto解集和最優(yōu)折衷解。
[0064] 采用隨機(jī)模糊模擬法產(chǎn)生可用風(fēng)電有功出力曲線，其流程圖如圖2所示。
[0065] 采用NSGA-n求取化reto最優(yōu)解集，最大滿意度法決策最優(yōu)折衷解，在優(yōu)化目標(biāo)函 數(shù)中加入動(dòng)態(tài)罰函數(shù)實(shí)現(xiàn)靜態(tài)等式約束。
[0066] 采用偏小型模糊滿意度計(jì)算公式，其示意圖如圖3。對(duì)于化reto解集中的每個(gè)非支 配解，計(jì)算其每個(gè)目標(biāo)值的滿意度，再計(jì)算每個(gè)非支配解的綜合滿意度，選取綜合滿意度最 大的非支配解為多目標(biāo)最優(yōu)折衷解。
[0067] W上實(shí)施方式僅用于說(shuō)明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通 技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可W做出各種變化和變型，因此所有 等同的技術(shù)方案也屬于本發(fā)明的保護(hù)范疇。
【主權(quán)項(xiàng)】
1. 考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，其特征是，該方法包括如 下步驟： 步驟1:獲取電力系統(tǒng)在下一個(gè)完整調(diào)度周期的數(shù)據(jù)，并進(jìn)行負(fù)荷預(yù)測(cè)； 步驟2:以隨機(jī)模糊雙重不確定模型及其機(jī)會(huì)測(cè)度函數(shù)描述風(fēng)速變量和對(duì)應(yīng)的風(fēng)電出 力； 步驟3:以系統(tǒng)發(fā)電耗費(fèi)最小、污染物排放量最小、有功網(wǎng)損最小為目標(biāo)，考慮電力系統(tǒng) 節(jié)點(diǎn)安全電壓、無(wú)功出力、系統(tǒng)備用等的靜態(tài)約束和機(jī)組爬坡的動(dòng)態(tài)約束，建立多目標(biāo)隨機(jī) 模糊動(dòng)態(tài)最優(yōu)潮流模型； 步驟4:通過(guò)隨機(jī)模糊模擬法生成日風(fēng)速數(shù)據(jù)與對(duì)應(yīng)風(fēng)電出力，采用NSGA-II與最大滿 意度法混合算法獲取多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流的Pareto解集和最優(yōu)折衷解。2. 根據(jù)權(quán)利要求1所述的考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，其 特征是，步驟2中的風(fēng)速與風(fēng)電出力模型，是隨機(jī)模糊雙重不確定模型，即： 風(fēng)速的分布函藝_ .」 其中Ik和ξ。分別表示W(wǎng)eibull分布的形狀參數(shù)模糊變量和尺度參數(shù)模糊變量； 機(jī)會(huì)測(cè)度分布函數(shù)規(guī)?；L(fēng)電場(chǎng)有功出力其中Vc；i，V。。和Vr分別為切入、切除和額定風(fēng)速，PTCr是單個(gè)風(fēng)力發(fā)電機(jī)的額定有功出力， N為風(fēng)力發(fā)電機(jī)數(shù)目。3. 根據(jù)權(quán)利要求1和權(quán)利要求2中任意一項(xiàng)權(quán)利要求所屬的考慮風(fēng)電注入不確定性的 多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，其特征是，步驟4中的模型求解中以基于機(jī)會(huì)測(cè)度分布函數(shù) 和逆變換法的隨機(jī)模糊模擬法生成日風(fēng)速仿真數(shù)據(jù)與對(duì)應(yīng)風(fēng)電出力。
【專利摘要】本發(fā)明涉及考慮風(fēng)電注入不確定性的多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流，屬電力系統(tǒng)日前調(diào)度計(jì)劃研究領(lǐng)域，包括以下步驟：獲取下一調(diào)度周期內(nèi)系統(tǒng)相關(guān)數(shù)據(jù)；以隨機(jī)模糊模型及其機(jī)會(huì)測(cè)度函數(shù)描述風(fēng)速變量和對(duì)應(yīng)的風(fēng)電出力；以系統(tǒng)發(fā)電耗費(fèi)、污染物排放量、有功網(wǎng)損最小為目標(biāo)，考慮電力系統(tǒng)節(jié)點(diǎn)安全電壓、無(wú)功出力、系統(tǒng)備用等的靜態(tài)約束和機(jī)組爬坡的動(dòng)態(tài)約束，建立多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型；通過(guò)隨機(jī)模糊模擬法生成風(fēng)電出力，采用NSGA-II與最大滿意度法混合算法獲取優(yōu)化模型的Pareto解集和最優(yōu)折衷解。本發(fā)明以隨機(jī)模糊模型描述風(fēng)電出力，建立多目標(biāo)隨機(jī)模糊動(dòng)態(tài)最優(yōu)潮流模型，合理描述和求解多重不確定風(fēng)電注入下的電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度問(wèn)題。
【IPC分類】G06Q10/04, G06Q50/06, H02J3/00
【公開(kāi)號(hào)】CN105633950
【申請(qǐng)?zhí)枴緾N201510965710
【發(fā)明人】馬瑞, 李晅
【申請(qǐng)人】長(zhǎng)沙理工大學(xué)
【公開(kāi)日】2016年6月1日
【申請(qǐng)日】2015年12月21日