基于仿生优化算法的含可再生能源机组负荷调度研究

Economic load dispatch (ELD) is one of the power system optimization problems with characteristics of nonlinear, strong constraints and time-varying. Traditional coal power generation may cause air pollution and global warming while other renewable energy sources such as wind and solar power would not cause such problems. Therefore, it is significant for the economic benefit of enterprises and the long-term development of our country to efficiently utilize the renewable energy sources on the basis of raising the utilization rate of thermal power. This project will investigate the dynamic constraints, unit characteristics constraints and system security condition constraint and then establish the multi-objective dynamic load scheduling model with the minimization of total cost of electricity generation fuel and pollution emissions, as well as ensuring the safety and stability of the power system. This project also will investigate the uncertainty of wind power and the spinning reserve constraint, so as to propose the multi-objective dynamic load scheduling model with wind power and solar power. The project will carry out the research on bacteria foraging algorithm, artificial bee colony algorithm, harmony search algorithm and the corresponding multi-objective algorithms. This project will improve the algorithms and propose the adaptive parameter mechanism, as well as combine the mathematic methods or intelligent optimization algorithms with the above bio-inspired algorithms. The modified algorithms will be applied to the multi-objective dynamic economic load dispatch with renewable energy in order to reduce the cost for the enterprises, save energy and reduce pollution.

机组负荷调度，是电力系统中一类具有非线性、强约束、时变特性的复杂优化问题。传统煤耗发电会造成空气污染、全球变暖等问题。风能、太阳能这类可再生能源，不会资源枯竭，也不会对环境有危害，因此在提高火电利用率的基础上，高效利用可再生能源，对提高企业经济效益和促进国家的长远发展，具有重要意义。该项目对机组的各种系统动态约束、机组特性约束及系统安全运行状况约束进行研究，以最小化发电燃料总耗量、污染排放量和系统安全稳定程度为目标，建立多目标动态负荷调度模型；对风电的不确定性进行研究，考虑旋转备用约束，提出含风电、太阳能可再生能源多目标动态负荷调度模型；研究细菌觅食算法、人工蜂群算法与和声搜索算法以及相应的多目标算法，并对算法进行改进，提出参数自适应机制，并设计与数学方法或智能算法的结合，将改进的仿生算法应用于含可再生能源多目标动态负荷调度，实现对其高性能优化求解，从而达到为企业降低成本，节能减排的目的。

机组组合调度优化问题是电力系统运行计划的核心问题，合理的负荷分配能够提高能源的利用效率，起到节能减排的作用。同时，随着新能源技术的发展，风力发电、太阳能发电和电动汽车在电力系统现代化改革中的分量也越来越显著。因此，该项目针对电力系统机组调度问题以及风能、太阳能并网和电动汽车充电对电力系统的影响展开了相关的模型研究，并采用仿生优化方法进行求解，其主要研究工作如下：.（1）电力系统动态机组负荷调度问题的研究.对动态系统中机组间的爬坡速率约束、动态功率平衡约束和带有禁止操作区的机组特性约束及系统安全状况等约束展开研究，建立了以最小化电站发电燃料总耗量、污染排放量和系统安全稳定程度为目标的多目标机组负荷调度模型。该模型同时考虑了运行成本和污染物排放量，在环境效益和经济效益中取得了较好的均衡。.（2）基于可再生能源的电力系统机组组合优化调度问题研究.（a）将风电预测引入旋转备用约束构建含风电场机组组合优化调度的模型，该模型考虑到风电预测的不确定性和波动性对机组调度分配带来的影响。（b）就充放电的电动汽车广并网进行研究，建立了含电动汽车充放电的机组组合优化调度的数学模型。（c）为实现强随机性的风电、太阳能发电及大规模充放电可调节的电动汽车集群的智能协同并网，建立了一种新的异构机组组合模型。该模型能够实现电动汽车集群在机组组合模型下的智能集成，以及对风光模型不确定性的平抑效果，减少机组的启停次数和经济成本。（d）建立了考虑风能及抽水蓄能的机组组合模型，该模型能够极大的提高电力系统的经济性和鲁棒性。.（3）仿生优化算法的改进与应用研究.对和声搜索算法、细菌觅食算法、教与学优化算法、及生物地理学等多种仿生优化算法展开深入研究，并提出了相应的改进策略改善算法的寻优性能。通过大量的电力系统仿真实验验证了提出模型的有效性以及良好的优化效果。.（4）PEM燃料电池和太阳能电池模型参数辨识研究.燃料电池、太阳能电池作为两种新型的清洁、可再生能源，同样受到越来越多的关注。为了提高其发电效率，需要提高其模型参数精度，提出了改进的生物地理学算法和教与学优化算法并将其应用于PEM燃料电池和太阳能电池模型的参数辨识中。