研究与开发
|
含风电场的电力系统环保经济调度
张坤亚1 , 马平1 , 赵世文2 , 张洪瑀1
1. 青岛大学,山东 青岛 266071; 2淄博供电公司,山东 淄博 255000
Environmental Economic Dispatch of Electric Power System with Wind Farms
Zhang Kunya1 , Ma Ping1 , Zhao Shiwen2 , Zhang Hongyu1
1. Qingdao University, Qingdao, Shandong 266071; 2. Zibo Electric Power Company, Zibo, Shandong 255000
摘要 随着人们的环保意识逐渐提高,电力行业中的环保问题日益受到人们的重视。基于此,将电力生产过程中环境污染问题量化为环境成本计入经济调度的总成本中,同时针对风能的间歇性、不确定性给电力系统带来的影响,引入了低估和高估风电出力的成本,建立了含风电场的电力系统环保经济调度模型。以某地区24h负荷数据为参考,通过多种群遗传算法分析了计入环境成本的调度模型对电力系统购电成本、火电排污量的影响,仿真结果验证了模型的可行性以及有效性。
关键词 :
风电 ,
环境成本 ,
经济调度 ,
多种群遗传算法
Abstract :With the increasing people’s awareness of environmental protection, environmental protection problems in the electric power industry has been paid more and more attention. Based on this, to quantify the environmental pollution problems in the process of electric power production total cost for the environmental costs included in the economic dispatch, at the same time for the intermittency of wind power, the effect of uncertainty brought to the power system, and introduces the undervalued overestimate the wind power cost, establish environmental economic dispatch model of power system including wind farms. The data load of 24h for reference, through the multi population genetic algorithm is analyzed in the environmental cost scheduling model of power purchase cost of power system, the thermal effect of the amount of pollution, the simulation results verify the feasibility of the model and effective.
Key words :
wind power
environmental cost
economic dispatch
multi population genetic algorithm
出版日期: 2017-03-21
作者简介 : 张坤亚(1989-),男,硕士研究生,研究方向为电力系统分析与控制。
引用本文:
张坤亚, 马平, 赵世文, 张洪瑀. 含风电场的电力系统环保经济调度[J]. 电气技术, 2017, 18(3): 25-29.
Zhang Kunya, Ma Ping, Zhao Shiwen, Zhang Hongyu. Environmental Economic Dispatch of Electric Power System with Wind Farms. Electrical Engineering, 2017, 18(3): 25-29.
链接本文:
http://dqjs.cesmedia.cn/CN/Y2017/V18/I3/25
[1] 刘振亚. 全球能源互联网[M]. 北京: 中国电力出版社, 2015. [2] Kennedy S. Wind power planning: assessing long-term costs and benefits[J]. Energy Policy, 2005, 33(13): 1661-1675. [3] 杨校生. 给风电一个合理的价格[J]. 中国电力企业管理, 2004(10): 22-24. [4] 夏澍, 周明, 李庚银. 含大规模风电场的电力系统动态经济调度[J]. 电力系统保护与控制, 2011, 39(13):71-77. [5] 陈海焱, 陈金富, 段献忠. 含风电场电力系统经济调度的模糊建模及优化算法[J]. 电力系统自动化, 2006, 30(2): 22-26. [6] 翁振星, 石立宝, 徐政, 等. 计及风电成本的电力系统动态经济调度[J]. 中国电机工程学报, 2014(4): 514-523. [7] 董晓天, 严正, 冯冬涵, 等. 计及风电出力惩罚成本的电力系统经济调度[J]. 电网技术, 2012, 36(8): 82-86. [8] Joned A M, Musirin I, Rahman T K. Solving dynamic economic dispatch using evolutionary programming[C]// Power and Energy Conference, 2006: 144-149. [9] 姜文, 严正. 基于一种改进粒子群算法的含风电场电力系统动态经济调度[J]. 电力系统保护与控制, 2010, 38(21): 173-178, 183. [10] Basu M. Dynamic economic emission dispatch using nondominated sorting genetic algorithm-II[J]. Inter- national Journal of Electrical Power & Energy Systems, 2008, 30(2): 140-149. [11] 吴栋梁, 王扬, 郭创新, 等. 电力市场环境下考虑风电预测误差的经济调度模型[J]. 电力系统自动化, 2012, 36(6): 23-28. [12] 袁铁江, 晁勤, 吐尔逊·伊不拉音, 等. 面向电力市场的含风电电力系统的环境经济调度优化[J]. 电网技术, 2009, 33(20): 131-135.
[1]
陈昆明, 马成斌. 基于DIgSILENT的风电场等值建模研究 [J]. 电气技术, 2020, 21(4): 15-19.
[2]
夏书悦, 董心怡. 基于经验模态分解法优化支持向量机模型的日前风电功率组合预测 [J]. 电气技术, 2020, 21(3): 11-15.
[3]
郭茜, 匡洪海, 王建辉, 周宇健, 高闰国. 单机风电功率人工智能预测模型综述 [J]. 电气技术, 2020, 21(2): 1-6.
[4]
白顺明, 陈磊, 姜飞, 杨睿行. 考虑风电最大化消纳的电力系统多目标优化 [J]. 电气技术, 2020, 21(1): 7-11.
[5]
王也, 徐茂达, 郝文波, 刘铖, 陈枭杰. 双馈感应风机控制环节对电力系统机电小干扰稳定的影响分析 [J]. 电气技术, 2019, 20(9): 31-38.
[6]
张金辉, 江岳文. 提高海缆输送容量的无功补偿策略 [J]. 电气技术, 2019, 20(5): 19-23.
[7]
董晓宁, 杨国华, 王岳, 邹玙琪, 李志明. 基于碳交易的含风光发电的电力系统低碳经济调度 [J]. 电气技术, 2019, 20(3): 67-71.
[8]
王紫瑶, 廖进贤, 杨家豪, 邵宇晗. 计及功率控制模式的VSC-MTDC交直流并列运行系统概率潮流计算 [J]. 电气技术, 2019, 20(2): 12-17.
[9]
王永明. 基于多空间约束的含风电电力系统调度鲁棒模型研究 [J]. 电气技术, 2018, 19(9): 37-40.
[10]
吴伟亮, 封阿明, 简优宗. 一种风电变流器Chopper装置的测试方法 [J]. 电气技术, 2018, 19(8): 59-62.
[11]
颜全椿, 顾文, 范立新, 徐钢, 李辰龙. 考虑分功率区间的风电场电能质量综合评估方法 [J]. 电气技术, 2018, 19(2): 75-79.
[12]
李婷. 基于等效负荷率分析的风电场调峰辅助服务需求计算方法 [J]. 电气技术, 2018, 19(11): 64-67.
[13]
高忠旭, 李仕杰, 李春鹏, 范骏杰, 杨漾. 含风电场的大电网系统运行风险评估 [J]. 电气技术, 2017, 18(9): 29-34.
[14]
解玖霞. 基于粒子群算法的主动配电网经济优化调度 [J]. 电气技术, 2017, 18(9): 15-18.
[15]
蔡文超, 杨炳元. 基于RTDS风电场等值建模若干问题的解决方案 [J]. 电气技术, 2017, 18(6): 13-17.