朱艷芳

（國(guó)網(wǎng)湖南省電力有限公司 湘西供電分公司，湖南 湘西 4160000

近年來(lái)，可再生能源增長(zhǎng)迅速，在減少碳排放、降低環(huán)境污染的同時(shí)，可再生能源入網(wǎng)帶來(lái)的不確定性也給電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行帶來(lái)諸多影響?？稍偕茉床⒕W(wǎng)的研究集中于風(fēng)電和光伏，對(duì)徑流式小水電并網(wǎng)考慮較少。徑流式小水電因?yàn)槠渫顿Y少、建設(shè)周期短等優(yōu)點(diǎn)獲得了飛速的發(fā)展，目前裝機(jī)容量約占中國(guó)水電的30%，是電力工業(yè)的重要組成部分。然而徑流式小水電出力不確定性較大，對(duì)電力系統(tǒng)穩(wěn)定運(yùn)行有很大影響，因此將其納入多目標(biāo)環(huán)境經(jīng)濟(jì)調(diào)度（multiobjectiveeconomic-environmentaldispatch，MOEED）問(wèn)題的研究有重要意義。

1 目標(biāo)函數(shù)和約束條件

1.1 發(fā)電成本

1.1.1 火電機(jī)組發(fā)電成本火電機(jī)組的發(fā)電成本與輸出功率的關(guān)系可以表示為：

考慮閥點(diǎn)效應(yīng)時(shí)的發(fā)電成本表示為：

1.1.2 可再生能源發(fā)電成本

可再生能源接入電網(wǎng)時(shí)要考慮其不確定性。如果輸出功率低于預(yù)期功率，稱為對(duì)可再生能源的高估，應(yīng)該承擔(dān)旋轉(zhuǎn)備用儲(chǔ)備成本；如果輸出功率高于預(yù)期功率，則稱為對(duì)可再生能源的低估，應(yīng)該承擔(dān)懲罰成本[1]。因此，可再生能源的總成本包括直接成本、低估時(shí)產(chǎn)生的懲罰成本和高估時(shí)產(chǎn)生的儲(chǔ)備成本。風(fēng)電機(jī)組的直接成本可表示為：

高估風(fēng)電機(jī)組的輸出功率時(shí)，儲(chǔ)備成本為：

低估風(fēng)電機(jī)組的輸出功率時(shí)，產(chǎn)生的懲罰成本為：

則風(fēng)電機(jī)組的總成本為：

徑流式小水電機(jī)組的直接成本為：

高估徑流式小水電機(jī)組的輸出功率時(shí)，儲(chǔ)備成本為：

低估徑流式小水電機(jī)組輸出功率時(shí)，懲罰成本為：

則徑流式小水電機(jī)組的總成本為：

系統(tǒng)總發(fā)電成本是火電機(jī)組成本與可再生能源成本的總和，可表示為：

1.2 污染物排放量

火電機(jī)組污染物排放量表示為：

1.3 優(yōu)化目標(biāo)

優(yōu)化的整體目標(biāo)為發(fā)電成本最優(yōu)和污染排放量最小，則根據(jù)上式中的公式可得多目標(biāo)優(yōu)化目標(biāo)為：

2 TLBO 算法

TLBO 算法主要模擬教學(xué)學(xué)習(xí)過(guò)程，包括教學(xué)階段和學(xué)習(xí)階段。在教學(xué)階段，教師對(duì)學(xué)習(xí)者分享知識(shí)；在學(xué)習(xí)階段，學(xué)習(xí)者相互學(xué)習(xí)來(lái)促進(jìn)進(jìn)步。算法各階段介紹如下[2]。

2.1 教學(xué)階段

對(duì)于N 個(gè)學(xué)習(xí)者組成的班級(jí)，通常認(rèn)為班級(jí)中最好的學(xué)習(xí)者是教師，教師將知識(shí)傳播給學(xué)習(xí)者，從而提高班級(jí)的平均值。班級(jí)的平均值為：

在教學(xué)過(guò)程中，對(duì)學(xué)習(xí)者進(jìn)行如下更新：

2.2 學(xué)習(xí)階段

學(xué)生與學(xué)生之間隨機(jī)交流，隨機(jī)選擇2 個(gè)學(xué)生xi 和xh(i ≠h)，比較他們的學(xué)習(xí)成績(jī)，成績(jī)差的學(xué)生向成績(jī)好的學(xué)生進(jìn)行交流學(xué)習(xí)，過(guò)程如下

2.3 NSITLBO 算法

在原有TLBO 算法的教學(xué)階段，教學(xué)因子TF 只是簡(jiǎn)單地設(shè)置為1 或2，學(xué)生對(duì)于老師教授的知識(shí)只能選擇全接受或者全不接受，教學(xué)方式過(guò)于單一。因此，提出一種自適應(yīng)的教學(xué)因子[3]。

在NSITLBO 算法中，通過(guò)基于非支配概念排序和擁擠距離值比較來(lái)找到最佳解決方案，基本流程如圖1 所示，算法具體步驟如下。

圖1 NSITLBO 算法的基本流程圖

（1）隨機(jī)生成N 個(gè)學(xué)習(xí)者的初始種群。根據(jù)非支配概念排序和擁擠距離值比較來(lái)選擇教師，根據(jù)學(xué)生水平調(diào)整教學(xué)因子。

（2）根據(jù)TLBO 算法的教學(xué)階段更新學(xué)習(xí)者。并將新學(xué)習(xí)者和舊學(xué)習(xí)者合并，選擇種群大小為N 的最佳學(xué)習(xí)者。

（3）根據(jù)TLBO 算法的學(xué)習(xí)階段更新學(xué)習(xí)者。在學(xué)習(xí)階段結(jié)束之后，新學(xué)習(xí)者與舊學(xué)習(xí)者合并在一起，再次基于非支配概念和擁擠距離值選擇種群大小為N的最佳學(xué)習(xí)者。并在下一次迭代中根據(jù)教學(xué)階段直接更新這些學(xué)習(xí)者[4]。

2.4 約束處理技術(shù)

根據(jù)提出的不可行解約束處理技術(shù)，將等式約束通過(guò)容忍度參數(shù)轉(zhuǎn)換為不等式約束。此外，所有約束都需要標(biāo)準(zhǔn)化，否則它們不同的數(shù)值范圍可能會(huì)產(chǎn)生偏差?？偧s束違反量計(jì)算為：

對(duì)于解xi 和xj，在以下情況下，認(rèn)為xi 優(yōu)于xj。

（1）xi 可行，xj 不可行。

（2）xi 和xj 都可行，但xi 的目標(biāo)值優(yōu)于xj。

（3）xi 和xj 都不可行，但xi 的目標(biāo)值優(yōu)于xj。

綜上所述，這種約束處理技術(shù)根據(jù)兩種解的適應(yīng)度值進(jìn)行比較，優(yōu)勝劣汰，提高整體解的質(zhì)量[5]。

3 結(jié)語(yǔ)

本文建立了含風(fēng)電和徑流式小水電的電力系統(tǒng)MOEED模型，使用概率密度函數(shù)對(duì)風(fēng)速和河流流量進(jìn)行模擬，通過(guò)蒙特卡洛法得到可再生能源的功率分布。并將可再生能源的懲罰成本與儲(chǔ)備成本也適當(dāng)?shù)靥砑拥桨l(fā)電成本中，以較好地體現(xiàn)可再生能源功率對(duì)系統(tǒng)調(diào)度的影響，并兼顧經(jīng)濟(jì)效益和環(huán)境效益。為了更好地解決MOEED 問(wèn)題，本文提出了求解更為有效的NSITLBO-SF 算法，通過(guò)對(duì)機(jī)組出力的實(shí)時(shí)調(diào)整及對(duì)約束違反量適當(dāng)懲罰，實(shí)現(xiàn)對(duì)復(fù)雜約束的有效處理；并利用歸一化操作，避免算法向一目標(biāo)過(guò)度進(jìn)化，以獲得最優(yōu)的調(diào)度方案。