含風(fēng)電電力系統(tǒng)的在線調(diào)度算法研究


2.9萬字 31頁 原創(chuàng)作品已通過查重系統(tǒng)


摘 要
本文針對風(fēng)力發(fā)電的特點和經(jīng)濟(jì)調(diào)度的要求，對含風(fēng)電場的電力系統(tǒng)在線調(diào)度問題進(jìn)行研究。首先利用灰色理論進(jìn)行短期風(fēng)電功率預(yù)測，建立了GM（11）風(fēng)速及功率預(yù)測模型。為了配合日調(diào)度計劃的安排，又利用小波-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)電日功率預(yù)測。經(jīng)算例檢驗，帶有小波分解的風(fēng)電功率預(yù)測效果比單神經(jīng)網(wǎng)絡(luò)的預(yù)測效果更佳。
其次完成風(fēng)電預(yù)測工作之后，本文提出了考慮風(fēng)電在內(nèi)的改進(jìn)粒子群算法進(jìn)行在線調(diào)度，并與傳統(tǒng)的內(nèi)點法調(diào)度結(jié)果進(jìn)行對比。改進(jìn)粒子群算法程序中采用MATPOWER子程序，很好的滿足了等式約束條件，加快了求解速度，并且可以更為精確的求解網(wǎng)損值。同時引入遺傳算法，對限制在局部最優(yōu)解或者早熟的粒子進(jìn)行變異，從而擴(kuò)大了搜索空間。同時變異的引入增加了粒子找到全局最優(yōu)解的概率。
再次提出一種改進(jìn)的PHR算法進(jìn)行在線調(diào)度。該算法對參數(shù)的初始化更加合理，不再憑借經(jīng)驗或者隨意賦值，而是事先對各個獨(dú)立時段進(jìn)行優(yōu)化，得到乘子的初始值，減少了帶有全局約束和局部約束的主問題的迭代次數(shù)。其次，在求解的過程中使用BFGS算法求解無約束子問題，并使用Armijo近似線搜索代替精確一維線搜索，加快了計算速度。
本文所用的在線調(diào)度算法均使用IEEE-24系統(tǒng)進(jìn)行計算分析，從而證明新方法的合理性和可行性。


關(guān)鍵詞：在線調(diào)度；風(fēng)電預(yù)測；灰色理論；小波-BP神經(jīng)網(wǎng)絡(luò)；改進(jìn)粒子群算法；改進(jìn)PHR算法