基于BCC多目标鲁棒优化的电力系统低碳经济负荷分配应用研究

Considering load dispatch modeling uncertain problems caused by the low carbon technology and clean energy power generation (such as:carbon capture system; electric vehicle technology; wind power; hydroelectric power) in power system,this project proposes Low carbon economic load dispatch model with the contradictory objects between power generation cost object and carbon emission object,and multi-objective robust optimization method base on the bacterial colony chemotaxis (BCC) algorithm is used to solve the problem.First of all,for the problem of uncertain parameters and variables,the multi-objective BCC algorithm based on the robust non-dominated sorting theory has been studied,then theory veritication and optimization tests are carried out to verify its performance.The second,on the basis of the traditional economic load dispatch model of the power system,with considering the impact of the carbon capture system and the active output uncertain caused by wind power and hydroelectric power,the low carbon economic load dispatch model is given.Power plant control strategy is obtained considering the high randomness and volatility of wind power by using the BCC multi-objective robust optimization.Finally,the uncertainty of the electric car charging and discharging is included in the above scenario,this project constructs the multi-objective robust optimization and low carbon economic load dispatch model by using multi-agent theory and BCC multi-objective robust optimization.Power plant and electric car control strategy is obtained.

本项目针对节能减排的低碳技术和清洁能源发电（碳捕集系统、电动汽车、风电、水电）引起的电力系统负荷分配模型中的不确定性问题，建立发电能耗指标、碳排放指标等相互制约的多目标低碳经济负荷分配模型，并采用基于细菌群体趋药性算法（BCC）的多目标鲁棒优化方法进行求解分析。首先，针对含不确定参数和变量的问题，研究一种鲁棒性非支配排序理论的BCC多目标鲁棒优化算法，并通过理论证明和仿真分析验证算法的性能；其次，在传统电力系统经济负荷分配模型的基础上，利用鲁棒理论对含风电、水电出力不确定并考虑碳捕集系统对电网影响的低碳经济负荷分配建模，并运用多目标鲁棒优化算法求解分析，进而得到风电等波动条件下电厂控制策略；最后，在上述场景下进一步考虑电动汽车充放电的不确定性，建立含有电动汽车的多目标鲁棒优化的低碳经济负荷分配模型，并运用多智能体思想改进BCC多目标鲁棒优化算法，进一步得到电厂和电动汽车的控制策略。

迫于能源、环境、气候等多重压力，大力发展清洁能源发电，推广电动汽车应用，研究低碳排放技术，是实现社会和经济可持续发展的必经之路。然而，清洁能源发电(如：风能发电)和电动汽车充放电具有很大的确定性，大量清洁能源发电并网和电动汽车充放电给电力系统低碳经济负荷分配问题带来了巨大的挑战。因此，本项目研究了计及不确定性因素的电力系统低碳经济负荷分配问题，并通过改进的细菌群体趋药性算法进行优化求解。首先，考虑不确定参数和变量，结合鲁棒优化理论对细菌群体趋药性算法进行改进，提出了基于细菌群体趋药性算法的多目标鲁棒优化方法，并从标准算例测试和理论证明两方面验证了算法的性能；其次，采用鲁棒优化方法和虚拟电厂、虚拟机组等概念对风电出力预测偏差、负荷预测偏差、电动汽车充放电等不确定性因素进行处理，考虑碳捕集机组、储热装置等运行特性对电力系统低碳经济运行的影响，建立了计及不确定性因素的电力系统低碳经济负荷分配模型，应用基于细菌群体趋药性算法的多目标鲁棒优化方法对建立的多目标优化模型进行求解；最后，以实际电力系统和IEEE标准节点系统对建立的模型和提出的改进算法进行仿真验证。仿真结果表明，计及不确定性因素的电力系统低碳经济负荷分配模型能够兼顾不确定因素影响，实现电力系统负荷分配的经济性和低碳性；提出的基于细菌群体趋药性算法的多目标鲁棒优化方法能够实现提出模型的快速、精确求解。该项目研究中结合理论分析和仿真实验进行，极大地改进了细菌群体趋药性算法的性能，实现了计及不确定性因素的电力系统低碳经济负荷分配建模和求解，具有重大的理论价值和广泛的应用前景。