第35卷第3期2015年3

月

ElectricPowerAutomationEquipment

电力自动化设备

Vol．35No.3Mar.2015

含风储混合系统的多目标机组组合优化模型及求解

谢应昭，卢继平

（重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆400044）

摘要：风储混合系统能改善风电出力的随机性，使得风电出力具有一定的可控性，因此将风储混合系统引入电力系统中，并添加系统总能源利用率目标函数，建立含风储混合系统的多目标机组组合优化模型。新模型约束条件计及了储能系统控制模式和风储系统约束条件，并采用模糊处理技术和改进组合粒子群优化算法进行求解，给出机组启停和出力计划。讨论目标函数变化、风储系统引入、控制模式不同以及预测误差对结果的影响。算例分析表明所提模型和算法正确可行。

关键词：风储混合系统；风电；储能；机组组合；模糊处理；粒子群优化算法；优化；模型

文献标识码：A中图分类号：TM732；TM614DOI：10.16081／j.issn.1006－6047.2015.03.004

0引言制模式进行了研究，提供了良好的研究思路。文献［11］提出了一种电力市场条件下的风储混合系统优

化调度算法，该算法得出的调度计划计及了市场价格波动带来的影响。文献［12］利用MonteCarlo方法模拟风电出力，由此建立基于风险约束的风储系统联合调度模型，用于制定混合系统日内小时级运行计划。文献［13］分析了储能系统引入对机组组合问题的影响，从系统角度对风储混合系统进行了研究。

上述文献的研究对象大多为风储系统本身，而对含风储混合系统的系统机组优化调度问题研究较少。本文以风机出力预测值为数据基础，研究了含风储混合系统的电力系统机组组合问题。为提高电力系统能源利用率，构建了以系统总发电成本最小和系统总能源利用率最高为目标的多目标机组组合优化模型，综合考虑了风储系统自身约束、系统功率平衡、系统备用容量、机组爬坡率以及机组启停时间等相关约束，并对储能系统的2种控制模式和预测误差影响进行了计算分析。由于多目标优化模型求解较为复杂，本文采用模糊建模技术对多目标函数进行了模糊化处理，并采用组合粒子群优化算法对模糊化模型进行求解，算例分析验证了所提模型和求解方法的正确性。

随着中国能源结构的调整，新能源开发是一个必然趋势。风电因其技术成熟、运行成本较低、无污染等优点得到大力发展［1-2］。然而，风力资源中存在的间歇性、随机性和不可控性，给系统的运行和调度带来了新的不确定因素，成为风能广泛利用的主要瓶颈［3-4］。

随着储能系统的快速发展，风电场和储能系统的联合运行成为改善该问题的有效途径。风储混合系统的应用提高了风电接入电力系统后的功率特性控制能力［5-7］，使系统运行更加优化，具有良好的社会和经济效益。储能系统在低负荷时段存储电能并在高负荷时段进行释放，与风电联合运行可有效平滑风电功率波动，这等效于将高峰负荷搬运至低负荷时段进行消化，不仅降低了系统运行成本，还减小了系统负荷峰谷差，提高了系统稳定性。

火电机组能源利用率与机组发电效率和燃料燃烧后的气体排放量有关，大量火电机组运行所造成的能源浪费和环境问题无法满足可持续发展战略的要求。因此，如何利用风储系统的高发电效率和清洁能源优势来提高系统能源利用率，降低火电机组造成的影响，也是计及风储混合系统的系统优化调度模型需要解决的问题。

关于风储混合系统联合运行以及其在优化调度中的应用已有相关研究。文献［8-9］给出了风储混合系统优化调度模型，建立了详细的储能单元模型以及运行约束模型，但缺乏对风电随机性的模拟。文献［10］考虑了风电预测误差，并对储能设备的不同控

收稿日期：2014－01-26；修回日期：2014-12-09

基金项目：输配电装备及系统安全与新技术国家重点实验室自主研究项目（2007DA10512712205）

1

1.1

含风储混合系统机组组合问题优化模型

目标函数

该模型分别从发电成本和能源利用率两方面建

立目标函数，具体如下。

a.发电成本目标。

火电机组发电成本Fgen可表示为：

d

minFgen＝min鄱鄱鄱Ii（t）Cit（Pi（t））+Cui（t）+Ci（t）鄱（1）

鄱

T

ProjectsupportedbytheScientificResearchFoundationof

StateKeyLaboratoryofPowerTransmissionEquipment&SystemSecurityandNewTechnology（2007DA10512712205）

t＝1iG

鄱

其中，T为调度周期内的时段总数；G为火电机组集合；Ii（t）为机组i在时段t的运行状态，Ii（t）=1表示