潮流分析和鸟群优化在风水协同运行中的应用

doi:10.12096/j.2096-4528.pgt.2018.027

发电技术 ›› 2018, Vol. 39 ›› Issue (2): 171-176.DOI: 10.12096/j.2096-4528.pgt.2018.027

潮流分析和鸟群优化在风水协同运行中的应用

王玺(),杨秀媛(),范新桥,祁鲲

北京信息科技大学, 北京市海淀区 100192

收稿日期:2018-02-15 出版日期:2018-04-30 发布日期:2018-07-27
作者简介:王玺(1993),男,硕士研究生,研究方向为新能源并网及自动化控制方面, wx54362078@163.com|杨秀媛(1962),女,硕士,副教授,主要从事含新能源的电力系统分析与规划方面的研究, yangxy0912@163.com
基金资助:
国家自然科学基金项目(51377011)

Applications of Power Flow Analysis and Bird Swarm Optimal Algorithm on the Coordinated Hydro and Wind Power Generation

Xi WANG(),Xiuyuan YANG(),Xinqiao FAN,Kun QI

Beijing Information Science & Technology University, Haidian District, Beijing 100192, China

Received:2018-02-15 Published:2018-04-30 Online:2018-07-27
Supported by:
National Natural Science Foundation of China(51377011)

摘要/Abstract

摘要：

风力发电的随机性导致弃风。考虑在实际发电约束以及电网络约束条件下，运用水电的调峰调频特性，最大化平抑风电出力的波动性，使风电出力与水电出力之和按照计划输出，将风电处理成可供电力系统实施调度计划的稳定发电节点。为了提高风水协同发电总输出功率平稳性，提出了基于鸟群算法的风水协同运行控制方法。在控制系统寻优前进行系统潮流计算，在保证系统潮流安全条件下，有效地控制水轮机组出力，快速追踪期望输出功率。算例验证了上述方法的有效性，并且分析了高弃风惩罚和高功率波动惩罚对风电水电协同运行的影响。

关键词: 风水协同发电, 鸟群算法, 调度, 潮流计算

Abstract:

The randomness of wind power is the reason of wind power abandonment. Considering the grid flow constraints and load frequency regulation ability of hydroelectric power generator, to smooth wind power output, the output of wind power and hydro power could be controlled according to the plan; therefore, the wind farm could be considered as dispatchable node. In order to improve the stability of the total output power of coordinated hydro and wind power generation, a new method based on bird swarm algorithm was proposed. Through the example analysis, before the control system was optimized, the system flow calculation was carried out to ensure the power flow security. It can effectively control the output power of the hydraulic generator on time, and quickly track the desired output power. The influence of high wind abandonment punishment and high power fluctuation punishment on the coordinated operation of wind power and hydropower.

Key words: coordinated hydro and wind power generation, bird swarm algorithm, scheduling, power flow calculation

王玺,杨秀媛,范新桥,祁鲲. 潮流分析和鸟群优化在风水协同运行中的应用[J]. 发电技术, 2018, 39(2): 171-176.

Xi WANG,Xiuyuan YANG,Xinqiao FAN,Kun QI. Applications of Power Flow Analysis and Bird Swarm Optimal Algorithm on the Coordinated Hydro and Wind Power Generation[J]. Power Generation Technology, 2018, 39(2): 171-176.

参考文献

1	Chen, Qiyu. Large-Scale Wind Generator Cascaded Tripping[C]//Proceedings of the 3 rd IEEE International Conference on Computer Science and Automation Engineering. Guangzhou: IEEE, 2013.
2	王学成, 杨雨. 基于发电效益最大化的水光互补方案优化设计[J]. 发电与空调, 2015, 36 (06): 27- 30, 56.
3	Chen Q Y, Littler T, Wang H. Tripping control for transient stability in coordinated hydro and wind generation[C]//Renewable Power Generation Conference. IET, 2014: 1-4.
4	范永威, 施松阳. 风-水电联合系统功率优化输出的研究[J]. 浙江电力, 2007, 26 (6): 1- 4.
5	Chen Q, Littler T, Wang H. Application of PMUs to coordinate hydroelectric and wind power plant operation[C]//International Conference on Sustainable Power Generation and Supply. IET, 2013: 1-6.
6	陈麒宇, 张芳, 章锐. 风水协同运行控制信息的传输[J]. 发电技术, 2018, 39 (1): 53- 57.
7	Matevosyan J , S?der L . Short-term hydropower planning coordinated with wind power in areas with congestion problems[J]. Wind Energy, 2007, 10 (3): 195- 208.
8	Chen Q Y, Littler T, Wang H. Tripping control for transient stability in coordinated hydro and wind generation[C]//Renewable Power Generation Conference. IET, 2014: 1-4.
9	李星, 杨秀媛, 王丽婕. 弃风条件下考虑机群电价差异的风电场控制策略[J]. 发电技术, 2018, 39 (1): 43- 46.
10	Schlueter R A , Park G L , Reddoch T W , et al. A modified unit commitment and generation control for utilities with large wind generation penetrations[J]. IEEE Transactions on Power Apparatus & Systems, 1985, 85 (7): 1630- 1636.
11	Matevosyan J, Soder L. Optimal Daily Planning for Hydro Power System Coordinated with Wind Power in Areas with Limited Export Capability[C]//International Conference on Probabilistic Methods Applied To Power Systems. IEEE, 2007: 1-8.
12	王开艳, 罗先觉, 吴玲, 等. 清洁能源优先的风-水-火电力系统联合优化调度[J]. 中国电机工程学报, 2013, 33 (13): 27- 35.
13	刘晓光, 吕渤林. 弃风条件下考虑机群电价差异的风电场控制策略[J]. 发电技术, 2018.
14	李杏, 孙春顺, 陈浩, 等. 基于随机规划的水风电联合优化运行研究[J]. 电气技术, 2013, (4): 16.
15	杨秀媛, 陈瑶, 陈麒宇, 等. 导前微分控制在风电水电协同运行中的应用[J]. 中国电机工程学报, 2015, 35 (18): 4591- 4597.
16	杨秀媛, 陈麒宇, 王蒙, 等. 考虑网络约束的风电水电协同果蝇优化控制[J]. 中国电机工程学报, 2017, 37 (18): 5286- 5293.
17	袁铁江, 晁勤, 吐尔逊, 等. 大规模风电并网电力系统动态清洁经济优化调度的建模[J]. 中国电机工程学报, 2010, 30 (31): 7- 13.
18	陈道君, 龚庆武, 张茂林, 等. 考虑能源环境效益的含风电场多目标优化调度[J]. 中国电机工程学报, 2011, 31 (13): 10- 17.
19	兰维, 张中泉, 雷阳, 等. 风电机组出力性能分析方法研究[J]. 发电与空调, 2017, 38 (3): 26- 29, 46.
20	李杏, 孙春顺, 陈浩, 等. 基于随机规划的水风电联合优化运行研究[J]. 电气技术, 2013, (4): 016.
21	王辉.在互补约束条件下的水电、火电、风电联合调度研究[D].天津:河北工业大学, 2012.
22	刘阳林, 叶小广, 杨超, 等. 一种风力发电机组功率曲线的验证方法[J]. 发电与空调, 2017, 38 (1): 59- 62.
23	兰维, 张中泉, 雷阳, 等. 风电机组出力性能分析方法研究[J]. 发电与空调, 2017, 38 (3): 26- 29, 46.
24	陈麒宇, Littler, 王海风, 等. 风电水电协同运行计划的优化[J]. 中国电机工程学报, 2014, 34 (34): 6074- 6082.
25	曾嶒, 彭春华, 王奎, 等. 基于鸟群算法的微电网多目标运行优化[J]. 电力系统保护与控制, 2016, 44 (13): 117- 122.
26	崔东文, 金波. 鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J]. 人民珠江, 2016, 37 (11): 26- 30.
27	曹雪竹.基于鸟群算法的交通信号控制[D].北京:中国科学院大学, 2014.
28	刘晓龙, 宁芊, 赵成萍, 等. 基于莱维飞行的鸟群优化算法[J]. 计算机测量与控制, 2016, 24 (12): 194- 197.
29	曾嶒.微电网多目标优化调度模型及算法研究[D].南昌:华东交通大学, 2016.
30	王伯林. 水轮发电机组的模型参考自适应控制[J]. 自动化学报, 1987, 13 (6): 408- 415.
31	王伯林. 水轮发电机组转速自适应控制[J]. 水力发电学报, 1989, (4): 41- 48.
32	刘保松, 刘晓光. 风电机组功率曲线的优化研究[J]. 发电与空调, 2015, 36 (5): 36- 40.

[1]	张叶青, 陈文彬, 徐律军, 江兴稳. 面向多虚拟电厂的分层分区多层互补动态聚合调控策略[J]. 发电技术, 2024, 45(1): 162-169.
[2]	许星原, 陈皓勇, 黄宇翔, 吴晓彬, 王宇绅, 廉俊豪, 张健彬. 虚拟电厂市场化交易中的挑战、策略与关键技术[J]. 发电技术, 2023, 44(6): 745-757.
[3]	赵振宇, 李炘薪. 基于阶梯碳交易的碳捕集电厂-电转气虚拟电厂低碳经济调度[J]. 发电技术, 2023, 44(6): 769-780.
[4]	彭道刚, 税纪钧, 王丹豪, 赵慧荣. “双碳”背景下虚拟电厂研究综述[J]. 发电技术, 2023, 44(5): 602-615.
[5]	张宁, 朱昊, 杨凌霄, 胡存刚. 考虑可再生能源消纳的多能互补虚拟电厂优化调度策略[J]. 发电技术, 2023, 44(5): 625-633.
[6]	杨锡勇, 张仰飞, 林纲, 张玉卓, 安允展, 杨昊天. 考虑需求响应的源-荷-储多时间尺度协同优化调度策略[J]. 发电技术, 2023, 44(2): 253-260.
[7]	迟福建, 孙阔, 张章, 张媛, 吴倩. 网格化规划系统中电气计算核心算法的实现[J]. 发电技术, 2022, 43(6): 860-868.
[8]	雷旭, 马鹏飞, 宋智帅, 李卫东. 计及风电预测误差的柔性负荷日内调度模型[J]. 发电技术, 2022, 43(3): 485-491.
[9]	陆彬, 高山, 李德胜. 基于发电机运行实际的电力系统日前动态无功优化研究[J]. 发电技术, 2021, 42(1): 122-130.
[10]	马锐, 李相俊, 李文启, 高冬学, 张景超, 宋宁希. 可再生能源供电区域电网中储能系统协同调度策略[J]. 发电技术, 2021, 42(1): 31-39.
[11]	董文博,顾秀芳,陈艳宁. 风电并网价值分析[J]. 发电技术, 2020, 41(3): 320-327.
[12]	蒋猛,黄宇,廖伟涵,张简炼,张又文,郭创新. 基于改进NSGA-Ⅱ算法的电-气-热综合能源系统多目标优化[J]. 发电技术, 2020, 41(2): 131-136.
[13]	李卫东,贺鸿鹏. 考虑风电消纳的源-荷协同优化调度策略[J]. 发电技术, 2020, 41(2): 126-130.
[14]	施云辉,郭创新,丁筱. 基于仿射可调鲁棒优化的园区综合能源系统经济调度[J]. 发电技术, 2020, 41(2): 118-125.
[15]	施云辉,郭创新. 考虑运行风险的含储能综合能源系统优化调度[J]. 发电技术, 2020, 41(1): 56-63.

潮流分析和鸟群优化在风水协同运行中的应用

Applications of Power Flow Analysis and Bird Swarm Optimal Algorithm on the Coordinated Hydro and Wind Power Generation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价