考虑运行可靠性的含风电电力系统优化调度

考虑运行可靠性的含风电电力系统优化调度

吴雅琴

430981198112185649

摘要：随着现如今我国先进技术的层出不穷，对电力系统的发展提出了新要求。需要电力系统在各个环节和各个不同的层次，具有相应的信息与控制系统，以此能够确保整个生产过程的高质高效。与此同时，社会广泛群体加强对电力资源的使用，严格要求其能够与国家所倡导的可持续发展理念相呼应，在此背景下，含风电力系统应运而生。

关键词：运行可靠性；风电；电力系统；优化调度

引言：在经济飞速发展的今天，我国的能源资源消耗约随之浮动，并且通过互联网大数据平台，对于环境污染分布状况进行大致的统计，我们不难发现，如果不采取正确的措施，严格遏制生态环境破坏这一问题，会为后续的经济建设带来不可逆转的阻力。因此如何预防此类问题的蔓延，是现代科技工作人员有待思考的重要性问题。

1、含风电力系统优化调整运行可靠性概述

面对当今能源资源的使用状况，越来越多的国家加入了研究风能资源，开发新兴资源的行列之内。风能作为现代一种清洁且无公害的可再生能源，利用风力发电不仅非常环保，且风能资源蕴含的能量巨大，已经能够逐步适应于不同国家的需求，并得到了世界各国的重视。但是以统筹全局的发展眼光对风电资源展开全面的概述，其所具有的不稳定性和随机性不容小觑。通过数据调查对现如今各个不同国家的含风电电力系统优化策略进行大致分析，主要是将其分为静态优化调度和动态优化调度两种不同的类型。静态优化调度作为一种进程调度方式，需要在整个工作开始实施前期，将调度顺序进行提前设计。而动态优化调度是指根据当前的调度环境和具体的任务，一旦存在不可预测扰动情况，可以随时调整方案并进行调度，与静态调度相比，动态优化调度能够针对生产现场的实际状况因情况而定，更加具有操作性。

2、风电场模式体系

等效多状态机组模型与复合修整器模型是现如今风电场功率两种最为普遍的输出模型。等效多状态机组模型顾名思义是能够具备各种不同的状态的机组，面对不同的状态，能够因时而变。正因如此，可以做到最大程度地将风阻波动性能得以有效的展现。但是是模型并没有将整个系统的时间与顺序进行有效地融合，如果不加以正确的研究，会为后续的系统优化调度产生阻碍。而复合修整器模型主要是将整个风电功率当作负值，将等效多状态机组模型所不具备的时序性得以充分杂糅，但是其也具备一定的缺点，没有考虑负荷的波动性，是有待解决的重要问题。因此想要更进一步的确保我国含风电电力系统得以全面的优化，必须要结合两个模型的优点。

图1-1风电场工程图例

3、风电电力系统的优化调度模型

3.1风电并网对电力系统优化调度的影响

现如今大多数的大型风力发电机都是通过直接并入电网运行的。并网型的风力发电通常是规模较大的风力发电厂，在一定程度上其可以得到大电网的补偿和支撑，以此更加充分的开发和利用的风力资源。毫不夸张地讲，大力推广并运用风力并网型的风力发电是现如今国内外风力发电的主要发展方向，在日益开放的电力市场环境之下，风力发电的成本呈现出逐步降低的发展趋势。与传统的机组相比较，在减轻投入成本的基础之上，能够确保整个电网调度运行的综合效益得到大幅度的提高。与此同时，整个电力系统的运行所呈现出的收益极有可能会因为风电的替代效应的产生相应的影响，导致风力系统出现的非稳定性、非平衡性、非可靠性。在无形中使整个机组的运行风险得到了前所未有的提升。

3.2运行可行性

通过对不同的调度模型加以分析，我们可以总结出大多数模型的建立特点，必须在工作开始的前期对于风电资源的分布状况进行探析与研究。由于大多数模型建立时，未能对风电的不稳定性这一问题加以检查，导致模型缺乏运行可行性。即使后续建设阶段，寻求更多的方案进行解决，仍然于事无补。许多专家会针对模型的运行状态，融入风电的时序性和波动性加以思考，但是通过实例调查，将两者再次融合的成功案例少之又少。

3.3风电电力优化新策略

在探讨新兴发展方案的重要过程，必须要以创造性转化和创新性发展的新型思维，对于各个不同的影响因素进行严格排查。首先可以运用加大投运风险的方式，对于可预见的风险因素加以控制，但是根据投用的状态和结果，要再度加强对其约束与分析。并且此方案所呈现出的弊端也不容忽视，一味地进行约束会导致整个风电能源不能够得到正常的运行，面对此类问题的出现，要对风电并网系统内部不同环节的运行状态加以研究。

4、基于运行可靠性的含风电电力系统的优化调度方法

4.1蚁群算法

蚁群算法主要是通过现代的数学公式寻找优化路径的概率型算法。其具有分布计算、信息正反馈、启发式搜索的根本性特征。从本质上对其进行分析，可将其作为启发式的全局优化算法。以循环渐进的方式，通过分析相应的计算机制，能够实现信息的传递，加强对蚁群算法的深入了解，能够解决含风电力系统的优化调度问题。运用个体的方式可以通过释放信息元素，改变周边的环境，并且保证整体都能够感受到系统周围环境的实时变化状态。并且在搜索阶段，采用分布式计算方式，令各个不同的个体同时进行运算，能够大幅度的提高整个系统的计算质量和运行效率。与传统的算法进行比较，蚁群算法所具有的信息分布式性、动态性、随机性，能够最大程度地满足电力系统的优化要求。

4.2差分进化算法

差分进化算法作为基于群体的启发式搜索算法，保证整个系统内部的各个个体都对应相应的解向量。逐一地对其核心特点加以研究，在一定程度上，差分进化算法能够最及时、最有效、最针对的解决复杂问题。以现代的智能理论为主要的发展基础，通过群体内个体之间的相互合作与竞争，产生群体智能指导。与此同时，其结构简单、容易实现、收敛快速等相应的核心特征，能够广泛的运用到电力系统的优化调度之上，采用专业的核心知识，对系统内部所存在的复杂问题进行有效求解。以层层递进的方式将各个问题进行科学性的分析与逐步地优化。保留系统内部先进的个体，淘汰劣质个体，引导整个电力系统向最优解逼近。

5、结束语

以提高运行可靠率为主要的研究重点，从各个不同的角度，对含风电电力系统的优化调度进行综合性的研究与细致性的分析。要求在后续工作落实的重要阶段，仍然需要对此类问题引起高度的重视，切切实实地以提高风力系统的整体质量为着手点，适当的选用现代的先进技术或核心算法。寻求最优方案解决有待商讨的重要问题，为我国绿色发展增添贡献。

参考文献：

[1]陈艳梅.考虑运行可靠性的含风电电力系统优化调度[J].大科技,2017

[2]杜宇,才庆久,周繁,冯秋语,张少权.运行可靠性的含风电电力系统优化调度研究[J].《名城绘》,2018:591-591.

[3]徐日新.基于运行可靠性的含风电电力系统优化调度研究[J].通讯世界,2016:153.