唐京瑞　陳勇

關鍵詞： 高比例風電 HCSN-PSO 算法 條件風險價值 多目標 機組組合

中圖分類號： TM614 文獻標識碼： A 文章編號： 1672-3791（2023）15-0010-06

21 世紀以來，能源與環(huán)境問題已成為全世界共同關注的話題，面對傳統(tǒng)能源對自然環(huán)境引起的氣候變化，發(fā)展高比例可再生資源越來越備受青睞。中國能源發(fā)展相關報告指出，到2040 年可再生能源發(fā)電量將占到新增發(fā)電量的50％， 但可再生能源存在能量密度低、間歇性明顯、分布分散等特點，在接入傳統(tǒng)能源電力網絡中很難適應現(xiàn)有機制[1]。隨著系統(tǒng)內聯(lián)合運行的機組也在不斷擴大，加之可再生能源的沖擊和不同的機組具有不同的能量轉換特性等因素，傳統(tǒng)的單目標機組組合優(yōu)化模型和算法已經難以適用。

高比例風電機組的優(yōu)化組合是指系統(tǒng)在滿足功率平衡、機組安全、開停機時間和風電場的出力等各種約束條件下，根據(jù)負荷要求，對一個調度周期內各個時段上的運行狀態(tài)進行優(yōu)化，確定出某一時段內給定負荷下機組的最優(yōu)出力，使周期內的總成本（包括發(fā)電成本和棄風成本）為最小。它是一個高維數(shù)、非線性、多約束的混合整數(shù)規(guī)劃問題。當系統(tǒng)的規(guī)模擴大時，尤其是計及可再生能源后，傳統(tǒng)優(yōu)化算法已很難從理論上求得最優(yōu)解，如備用準則法、隨機優(yōu)化法、混合整數(shù)規(guī)劃法、魯棒優(yōu)化法等，這些算法往往存在“維數(shù)災”和計算精度差的特點，難以考慮大量的約束條件和解決多目標優(yōu)化問題[2]。因此面對這類問題時，現(xiàn)代智能優(yōu)化算法在運算速度和精度上都體現(xiàn)出了極大的優(yōu)越性。但到目前為止，仍不存在一種既能全面考慮各種約束條件，又能獲得比較理想的運算速度和精度的實用算法。因此，不斷改進和探索新的求解算法對電力系統(tǒng)的經濟運行具有重要的意義。

基于上述背景，本文在基本粒子群算法的基礎上，改進了無標度網絡生成過程中的擇優(yōu)與增長連接機制，提出了一種基于高聚集度的無標度網絡鄰域結構的粒子群算法，并采用條件風險價值對風電不確定性帶來的風險損失進行了描述。通過建立以發(fā)電成本和棄風成本最小為目標函數(shù)的數(shù)學模型，并根據(jù)修改的IEEE39 節(jié)點系統(tǒng)對所提模型和算法的正確性和有效性進行了驗證。

1 風險模型與數(shù)學模型描述

1.1 風險價值模型

隨著風電接入容量的增多，系統(tǒng)有功功率失衡引起的失負荷與棄風風險概率隨之增大[3]，為了有效降低發(fā)生事故帶來的高損失，本文采用了風險價值管理模型，以S（e_t^w）表示t 時刻失負荷損失函數(shù)。