基于FAHP的電網(wǎng)投資建設(shè)項(xiàng)目經(jīng)濟(jì)性后評(píng)價(jià)

1、.考慮風(fēng)電季節(jié)特性的中長(zhǎng)期機(jī)組檢修計(jì)劃研究徐超,繆苗電網(wǎng)智能化調(diào)度與控制教育部重點(diǎn)實(shí)驗(yàn)室（山東大學(xué)）Email:635656292；.摘 要：大規(guī)模風(fēng)電并網(wǎng)給電力系統(tǒng)的調(diào)峰帶來新的挑戰(zhàn),由于風(fēng)電消納能力不夠,出現(xiàn)了低谷時(shí)段大量棄風(fēng)的現(xiàn)象。風(fēng)電具有明顯的季節(jié)特性，在發(fā)電機(jī)組檢修決策時(shí)考慮風(fēng)電出力季節(jié)特性能夠顯著減少棄風(fēng)。本文利用主成分分析法和分層聚類技術(shù)提取風(fēng)電各季節(jié)出力典型模式，采用均攤法建立相應(yīng)的通用生產(chǎn)函數(shù)。建立了考慮大規(guī)模接入下風(fēng)電出力季節(jié)特性的發(fā)電機(jī)組檢修計(jì)劃優(yōu)化決策模型,以各時(shí)段棄風(fēng)電量最少和檢修成本最小為優(yōu)化目標(biāo)。采用粒子群算法對(duì)建立的模型進(jìn)行求解，通過算例驗(yàn)證了該模型

2、與方法的可行性與有效性，顯著提高了風(fēng)電消納能力。關(guān)鍵詞：風(fēng)電季節(jié)特性，機(jī)組檢修計(jì)劃，通用生產(chǎn)函數(shù)，粒子群算法Generation maintenance scheduling research considering the Seasonal characteristics of wind powerXu Chao, Miao MiaoKey Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education (Shandong University)Email: 635656292qq.co

3、mAbstract: Grid-connection of large-scale wind power system brings new challenge to peak regulation of power grid. Because of namely insufficient peak load regulating capability for wind power digestion, the wind curtailment problem became very serious. The wind power have very obvious Seasonal char

4、acteristics, considering these characteristics when we built generator maintenance scheduling model can improve the wind curtailment problem. Firstly, a method combining principal component analysis (PCA) with hierarchical cluster analysis is adopted to obtain typical time-sequential samples of wind

5、 power output; then a UGF model for wind power output is established by apportionment in average. Taking minimum wind curtailment and minimum maintenance cost in all maintenance time intervals as objective function, a generation unit maintenance scheduling model for power system containing the Seaso

6、nal characteristics of wind power is built. The proposed model is solved by Particle swarm optimization algorithm. The availability of the proposed model is verified by results of calculation example.Keywords: the Seasonal characteristics of wind power, unit maintenance scheduling , universal genera

7、ting function ,particle swarm optimization algorithm1 引言風(fēng)能是清潔無污染的綠色可再生能源。在國(guó)內(nèi)煤炭、石油等礦物資源日漸枯竭之際,風(fēng)力發(fā)電逐漸成為一種重要發(fā)電方式。當(dāng)風(fēng)電場(chǎng)在電力系統(tǒng)中達(dá)到一定的比例時(shí)，風(fēng)電場(chǎng)出力的波動(dòng)性和季節(jié)性在某種意義上相當(dāng)于增大了系統(tǒng)等效負(fù)荷的不確定性，從而給常規(guī)機(jī)組的運(yùn)行和機(jī)組檢修帶來較大影響。在中國(guó)部分地區(qū)，系統(tǒng)調(diào)峰能力不足，再加上風(fēng)電固有的隨機(jī)性和波動(dòng)性，如果中長(zhǎng)期檢修計(jì)劃中不考慮風(fēng)電出力，將導(dǎo)致負(fù)荷低谷而風(fēng)電大發(fā)的時(shí)刻迫使量棄風(fēng)，影響系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和風(fēng)電的可持續(xù)發(fā)展1-3。中長(zhǎng)期的發(fā)電機(jī)組檢修計(jì)劃將影響短期

8、上網(wǎng)機(jī)組組成，進(jìn)而影響系統(tǒng)短期機(jī)組組合的決策和調(diào)峰，對(duì)風(fēng)電大規(guī)模消納意義重大4。對(duì)此,國(guó)內(nèi)外學(xué)者已經(jīng)開展了大量的研究工作。已有的關(guān)于考慮風(fēng)電進(jìn)行檢修計(jì)劃決策的研究較少主要是利用歷史數(shù)據(jù)擬合風(fēng)電出力概率曲線將風(fēng)電納入檢修計(jì)劃。文獻(xiàn)5-6分別用威布爾(Weibull)和beta概率分布函數(shù)對(duì)風(fēng)電出力進(jìn)行擬合，基于此進(jìn)行含風(fēng)電中長(zhǎng)期機(jī)組檢修計(jì)劃制定。一定程度上優(yōu)化了風(fēng)電棄風(fēng)電量，但是對(duì)于風(fēng)電出力的擬合擬合精度較差，不能很好地體現(xiàn)風(fēng)電的季節(jié)出力特性?；谝陨戏治?本文充分考慮風(fēng)電的季節(jié)特性，采用主成分分析法和分層聚類法提取了各季節(jié)風(fēng)電出力典型模式，建立了各季節(jié)風(fēng)電出力通用生產(chǎn)函數(shù)（UGF）模型，以此模

9、擬風(fēng)電出力?？紤]風(fēng)電出力季節(jié)特性進(jìn)行中長(zhǎng)期機(jī)組檢修計(jì)劃決策，在安全約束條件下，以棄風(fēng)電量最少和檢修成本最低為優(yōu)化目標(biāo)。通過算例說明以該模型對(duì)機(jī)組檢修計(jì)劃進(jìn)行優(yōu)化可以有效降低系統(tǒng)棄風(fēng)電量，提高風(fēng)電利用率。2 風(fēng)電的季節(jié)特性風(fēng)電出力季節(jié)特性可以由一年內(nèi)各個(gè)月平均風(fēng)電出力描述。風(fēng)電各月平均出力與當(dāng)?shù)氐臍夂?、地形和海陸分布等密切相關(guān)。我國(guó)受季風(fēng)氣候影響,風(fēng)電場(chǎng)出力在一年的不同季節(jié)、不同月份變化幅度較大,出力特性存在很大差別，具有明顯的季節(jié)性。我國(guó)大多數(shù)內(nèi)陸地區(qū)，冬春季風(fēng)速較大,夏秋兩季較小7-8。本文根據(jù)長(zhǎng)期觀測(cè)的歷史數(shù)據(jù),首先采用主成分分析法(principal component analysis

10、, PCA)對(duì)風(fēng)電出力數(shù)據(jù)進(jìn)行特征提取，根據(jù)主成分的重要性，去掉較弱的成分。然后采用分層聚類法對(duì)特征提取后的風(fēng)功率數(shù)據(jù)進(jìn)行聚類，獲得典型風(fēng)電出力模式。最后根據(jù)提取的典型風(fēng)電出力模式釆用均攤法建立各季節(jié)風(fēng)電出力的UGF模型9。設(shè)風(fēng)電場(chǎng)k在模式m時(shí)段t有n個(gè)狀態(tài)，則描述風(fēng)電場(chǎng)s在模式m時(shí)段t的出力及其概率的 UGF 如下：（1）式中，和分別為風(fēng)電場(chǎng)s在模式m時(shí)段t狀態(tài)n1下的取值和概率;n為風(fēng)電場(chǎng)k的狀態(tài)個(gè)數(shù)。利用上述UGF函數(shù)進(jìn)行含風(fēng)電場(chǎng)的隨機(jī)生產(chǎn)模擬得到各季節(jié)相應(yīng)的棄風(fēng)電量10。3 中長(zhǎng)期機(jī)組檢修計(jì)劃模型3.1 目標(biāo)函數(shù)考慮風(fēng)電出力季節(jié)特性的中長(zhǎng)期檢修計(jì)劃模型目標(biāo)有兩個(gè)分別是檢修成本最小和棄風(fēng)

11、電量最少。1）系統(tǒng)檢修成本最低：（2）式中:為機(jī)組在時(shí)段t狀態(tài),檢修時(shí)為1,否則為0;為時(shí)段t對(duì)應(yīng)的檢修成本。N為發(fā)電機(jī)組數(shù);T為總時(shí)段數(shù).2）棄風(fēng)電量最少：（3）為時(shí)段t的棄風(fēng)電量。每個(gè)時(shí)段的棄風(fēng)電量根據(jù)前文的風(fēng)電出力UGF函數(shù)進(jìn)行隨機(jī)生產(chǎn)模擬得到。如上所述優(yōu)化目標(biāo)有兩個(gè)，本文采用加權(quán)求和將其轉(zhuǎn)化為單目標(biāo)優(yōu)化問題：（4）w和w分別為2個(gè)優(yōu)化目標(biāo)的權(quán)重，關(guān)于棄風(fēng)價(jià)值尚未有定論，w和w可由根據(jù)實(shí)際需要確定。 3.2 約束條件求解式（4）目標(biāo)函數(shù)時(shí)需考慮如下約束：i）檢修時(shí)間約束機(jī)組檢修必須在一個(gè)給定的連續(xù)時(shí)段內(nèi)完成，即：（5）式中：為第臺(tái)機(jī)組可以開始檢修的最早時(shí)間段；為第臺(tái)機(jī)組可以開始檢修的最遲

12、時(shí)間段；為第臺(tái)機(jī)組的檢修持續(xù)時(shí)段；為第臺(tái)機(jī)組的檢修開始時(shí)段。ii）檢修能力約束在某一時(shí)間段不允許多臺(tái)機(jī)組同時(shí)檢修，即：（6）式中為電廠在第 t時(shí)段可同時(shí)檢修的發(fā)電機(jī)組最多臺(tái)數(shù)。iii）機(jī)組檢修間隔、檢修次數(shù)約束機(jī)組2次檢修之間有最小間隔時(shí)段約束，機(jī)組有一年檢修次數(shù)約束，即：（7）式中：為機(jī)組在2次檢修之間的最小時(shí)間間隔；和分別為第臺(tái)機(jī)組第次和第次檢修的起始時(shí)段；。k為機(jī)組的檢修事件集合。iv）系統(tǒng)運(yùn)行約束包括系統(tǒng)功率平衡約束，電網(wǎng)正負(fù)備用約束和機(jī)組出力上下限約束。篇幅所限，不再展開。4 求解算法所建數(shù)學(xué)模型屬于多約束條件的非線性優(yōu)化問題，數(shù)值求解有很大的難度。粒子群算法具有廣泛的適應(yīng)性和良好的

13、魯棒性搜索機(jī)制簡(jiǎn)單，程序容易實(shí)現(xiàn)，收斂速度快等優(yōu)點(diǎn)。本文采用離散粒子群算法(DPSO)求解。5以各機(jī)組開始檢修時(shí)間列向量為粒子，采用基于連續(xù)空間的離散粒子群算法（DPSO）求解。在第j次迭代時(shí)粒子更新的公式如下。（8）式中：為取整函數(shù)；xi為第個(gè)粒子；vi為第個(gè)粒子的速度；pi為第個(gè)粒子的歷史最優(yōu)解；pg為全局最優(yōu)解；為慣性系數(shù)最大值和最小值；c1，c2為學(xué)習(xí)因子；r1，r2為(0,1)間的隨機(jī)數(shù)。以機(jī)組開始檢修時(shí)間為粒子值，故在已知機(jī)組檢修時(shí)長(zhǎng)的情況下，可以確定機(jī)組的檢修區(qū)間為,，確保滿足檢修連續(xù)性約束。對(duì)于檢修開始時(shí)間約束,可采用罰值法。將機(jī)組出力上下限約束、系統(tǒng)平衡約束和系統(tǒng)最小備用容量

14、約束，處理為求解中的約束條件。算法具體實(shí)現(xiàn)步驟如下:步驟 1：設(shè)定粒子個(gè)數(shù)、最大迭代次數(shù) M，慣性系數(shù)最大值和最小值，學(xué)習(xí)因子 c1，c2，并隨機(jī)初始化各個(gè)粒子的值和速度。其中，常規(guī)機(jī)組部分粒子為各機(jī)組開始檢修時(shí)間列向量。步驟 2：根據(jù)各粒子的初始值，求解各機(jī)組出力，即求解特定機(jī)組檢修計(jì)劃下的最優(yōu)出力分配子問題。在特定機(jī)組檢修計(jì)劃下，目標(biāo)函數(shù)轉(zhuǎn)變?yōu)榫€性規(guī)劃問題。步驟 3：根據(jù)目標(biāo)函數(shù)式計(jì)算各粒子適應(yīng)值，將適應(yīng)值最小的粒子設(shè)定為初始全局最優(yōu)解，當(dāng)前各粒子值設(shè)為各粒子的初始?xì)v史最優(yōu)解。步驟 4：更新粒子值和速度。其中粒子的常規(guī)機(jī)組按式（8）更新。為防止算法過早收斂，當(dāng)更新過后新產(chǎn)生的粒子一旦與全局

15、最優(yōu)解相同，該粒子隨機(jī)跳變?yōu)闈M足約束的任意值。步驟 5：計(jì)算各粒子所代表檢修計(jì)劃下各機(jī)組出力，并計(jì)算各粒子適應(yīng)值。步驟 6：更新全局最優(yōu)解 ，各粒子歷史最優(yōu)解。步驟 7：判斷是否達(dá)到最大迭代次數(shù)，如果沒有達(dá)到，返回步驟4，如果達(dá)到，結(jié)束程序并輸出全局最優(yōu)解。5 算例分析本文采用IEEERTS測(cè)試系統(tǒng)，對(duì)14臺(tái)常規(guī)機(jī)組進(jìn)行一年的檢修安排,共52周。設(shè)定最大機(jī)組檢修時(shí)間7周,最小機(jī)組檢修時(shí)間為2周2,11。本文采用華北電網(wǎng)張北風(fēng)電基地2010-2013小時(shí)平均的歷史風(fēng)電出力數(shù)據(jù)，風(fēng)電接入容量為150MW。系統(tǒng)的旋轉(zhuǎn)備用需求取8%。風(fēng)電接入之后，保持系統(tǒng)的旋轉(zhuǎn)備用容量需求及其他機(jī)組裝機(jī)情況不變。全網(wǎng)

16、總裝機(jī)容量為1000 MW,其中風(fēng)電場(chǎng)裝機(jī)容量占15%。設(shè)粒子數(shù)為30，最大迭代次數(shù)200次，。首先對(duì)算例中風(fēng)電場(chǎng)出力的季節(jié)特性加以分析，利用前文所述方法提取風(fēng)電四個(gè)季節(jié)的典型出力模式，基于典型出力模式建立各時(shí)段UGF函數(shù)。在此列出各個(gè)季節(jié)出現(xiàn)概率較大的幾種典型出力模式的簇心，稱為主模式，不同季節(jié)主模式的簇心及其概率分別如表1和圖1-4所示。圖1. 春季風(fēng)電典型出力模式圖2. 夏季風(fēng)電典型出力模式圖3. 秋季風(fēng)電典型出力模式圖4. 冬季風(fēng)電典型出力模式表1. 各季節(jié)每種模式對(duì)應(yīng)的概率季節(jié)概率/%模式覆蓋率/%模式1模式2模式3模式4春28.479.1339.658.7285.97夏5021.2

17、419.3790.61秋35.0831.1417.6783.89冬28.741.8322.3892.91可以看出，不同模式的時(shí)序波動(dòng)情況不同，出現(xiàn)的概率也不同，亦即不同季節(jié)風(fēng)電出力特性不同，說明本文提出的方法能較好地提取風(fēng)電出力季節(jié)模式。本文在不同時(shí)段按照均攤法得到風(fēng)電出力的狀態(tài)模型。從而得到不同時(shí)段的UGF函數(shù)，用以進(jìn)行考慮風(fēng)電季節(jié)特性的隨機(jī)生產(chǎn)模擬確定各季節(jié)棄風(fēng)電量。為直觀說明考慮風(fēng)電季節(jié)特性進(jìn)行檢修計(jì)劃對(duì)棄風(fēng)電量和檢修成本的影響，設(shè)置如下4種方案：）方案1：考慮檢修基本約束和發(fā)電可靠性約束，不考慮風(fēng)電，只對(duì)檢修成本目標(biāo)進(jìn)行優(yōu)化（即w20）。2）方案2：考慮檢修基本約束、發(fā)電可靠性約束和風(fēng)

18、電的分布，對(duì)檢修成本目標(biāo)和棄風(fēng)量目標(biāo)進(jìn)行優(yōu)化（w11，w210）。）方案3：考慮檢修基本約束、發(fā)電可靠性約束和風(fēng)電的季節(jié)特性，對(duì)檢修成本目標(biāo)和棄風(fēng)量目標(biāo)進(jìn)行優(yōu)化（w11，w210）。）方案4：考慮檢修基本約束、發(fā)電可靠性約束和風(fēng)電的季節(jié)特性，對(duì)檢修成本目標(biāo)和棄風(fēng)量目標(biāo)進(jìn)行優(yōu)化（w11，w20.1）。針對(duì)四個(gè)方案，分別采用粒子群算法安排機(jī)組檢修，得到每種方案檢修費(fèi)用和棄風(fēng)電量。圖5給出了4種方案下的各時(shí)段棄風(fēng)量。圖5. 不同方案下各時(shí)段棄風(fēng)電量由圖5可以看出，不同方案不同季節(jié)系統(tǒng)的棄風(fēng)電量差別很大，考慮風(fēng)電季節(jié)特性安排檢修計(jì)劃顯著減少了系統(tǒng)的棄風(fēng)電量。表2給出了上述4個(gè)方案的檢修費(fèi)用和棄風(fēng)電量。

19、表2. 不同方案下檢修成本和棄風(fēng)電量比較方案檢修費(fèi)用/元棄風(fēng)電量（MWh）1217521620700221882671730032185656168004217782619350總的來看，在檢修決策中考慮風(fēng)電的出力,相比于不考慮風(fēng)電的情況,能夠減少棄風(fēng)量，但檢修成本略有增加。考慮風(fēng)電的季節(jié)特性比單純的利用概率擬合風(fēng)電出力更能有效的優(yōu)化檢修費(fèi)用減少棄風(fēng)電量。棄風(fēng)電量?jī)?yōu)化目標(biāo)權(quán)重系數(shù)越大即越重視風(fēng)電的消納，棄風(fēng)電量越小，檢修成本增加越多。考慮風(fēng)電的季節(jié)特性能更科學(xué)的進(jìn)行檢修決策，可以有效降低棄風(fēng)電量。6 結(jié)論本文建立了考慮風(fēng)電出力季節(jié)特性的的機(jī)組檢修計(jì)劃模型，以檢修費(fèi)用最小和棄風(fēng)電量最小為目標(biāo)函數(shù)。由算例結(jié)果可以得出結(jié)論：在檢修計(jì)劃決策過程中考慮風(fēng)電季節(jié)特性，能夠有效降低負(fù)荷棄風(fēng)電量,降低風(fēng)電場(chǎng)出力波動(dòng)對(duì)機(jī)組檢修計(jì)劃帶來的影響，保證可再生能源充分利用。本文通過粒子群方法,求解多目標(biāo)非線性優(yōu)化模型,降低了模型的求解難度,提高了模型的求解效率,為考慮大規(guī)模風(fēng)電的檢修計(jì)劃優(yōu)化決策問題的應(yīng)用,提供了高效、實(shí)