基于FAHP地電網(wǎng)投資建設(shè)項(xiàng)目經(jīng)濟(jì)性后評價(jià)

1、考慮風(fēng)電季節(jié)特性的中長期機(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（XX大學(xué)）Email:635656292qq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)。采用粒子群算法對建立的模型進(jìn)行求解，通過算例驗(yàn)證了該模型與方法的可行性與

2、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GenerationmaintenanceschedulingresearchconsideringtheSeasonalcharacteristicsofwindpowerXuChao,MiaoMiaoKeyLaboratoryofPowerSystemIntelligentDispatchandControlofMinistryofEducation(ShandongUniversity)Email:635656292qqAbstract:Grid-connectionoflarge-scalewi

3、ndpowersystembringsnewchallengetopeakregulationofpowergrid.Becauseofnamelyinsufficientpeakloadregulatingcapabilityforwindpowerdigestion,thewindcurtailmentproblembecameveryserious.ThewindpowerhaveveryobviousSeasonalcharacteristics,consideringthesecharacteristicswhenwebuiltgeneratormaintenancescheduli

4、ngmodelcanimprovethewindcurtailmentproblem.Firstly,amethodcombiningprincipalcomponentanalysis(PCA)withhierarchicalclusteranalysisisadoptedtoobtaintypicaltime-sequentialsamplesofwindpoweroutput;thenaUGFmodelforwindpoweroutputisestablishedbyapportionmentinaverage.Takingminimumwindcurtailmentandminimum

5、maintenancecostinallmaintenancetimeintervalsasobjectivefunction,agenerationunitmaintenanceschedulingmodelforpowersystemcontainingtheSeasonalcharacteristicsofwindpowerisbuilt.TheproposedmodelissolvedbyParticleswarmoptimizationalgorithm.Theavailabilityoftheproposedmodelisverifiedbyresultsofcalculation

6、example.Keywords:theSeasonalcharacteristicsofwindpower,unitmaintenancescheduling,universalgeneratingfunction,particleswarmoptimizationalgorithm引言風(fēng)能是清潔無污染的綠色可再生能源。在國內(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)電場在電力系統(tǒng)中達(dá)到一定的比例時(shí)，風(fēng)電場出力的波動(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。在中國部分地區(qū)，系統(tǒng)調(diào)峰能力不足，再加上風(fēng)電固

7、有的隨機(jī)性和波動(dòng)性，如果中長期檢修計(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。中長期的發(fā)電機(jī)組檢修計(jì)劃將影響短期上網(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，對風(fēng)電大規(guī)模消納意義重大4。對此,國內(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)對風(fēng)電出力進(jìn)行擬合，基于此進(jìn)行含風(fēng)電中長期機(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，但是對于風(fēng)電出力的擬合擬合精度較差，不能很好地

8、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，以此模擬風(fēng)電出力?？紤]風(fēng)電出力季節(jié)特性進(jìn)行中長期機(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。風(fēng)電的季節(jié)特性(DPSO)求解。5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)。我國受季風(fēng)氣候影響,風(fēng)電場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

9、存在很大差別，具有明顯的季節(jié)性。我國大多數(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)長期觀測的歷史數(shù)據(jù),首先采用主成分分析法(principalcomponentanalysis,PCA)對風(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k在模式m時(shí)段t有n個(gè)狀態(tài)，則描述風(fēng)電場s在模式m時(shí)段t的出力及其概率的UGF如下：ukw,m(z,t)npnw,m(t)zwpn1,m(t)（1）n111wwpn,m(t)s在模

10、式m式中，pn1,m(t)和z1分別為風(fēng)電場時(shí)段t狀態(tài)n1下的取值和概率;n為風(fēng)電場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。中長期機(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)電量最少。1）系統(tǒng)檢修成本最低：NTminci,tXi,t（2）i1t1式中:Xi,t為機(jī)組i在時(shí)段t狀態(tài),檢修時(shí)為1,否則為0;ci,t為時(shí)段t對應(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：TminEt（3）t1Et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

11、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：NTTminw1ci,tXi,tw2Et（4）i1t1t1w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：Xi,t1,sitsidiXi,t0,tsi或tsidi（5）eisili式中：ei為第i臺(tái)機(jī)組可以開始檢修的最早時(shí)間段；li為第i臺(tái)機(jī)組可以開始檢修的最遲時(shí)間段；di為第i臺(tái)機(jī)組的檢修持續(xù)時(shí)段；si為第i臺(tái)機(jī)組的檢修開始時(shí)段。）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

12、修，即：Xi,tNkti1N（6）i式中Nkt為電廠Nk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)。）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：si,k1(si,kdi,k)BiNN（7）Xi,tkdi,k,i1Ni1式中：Bi為機(jī)組i在2次檢修之間的最小時(shí)間間隔；si,k和分別si,k1為第i臺(tái)機(jī)組第k次和第k1次檢修的起始時(shí)段；。k為機(jī)組i的檢修事件集合。）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。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

13、和良好的魯棒性搜索機(jī)制簡單，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。viintwmax(wmaxwmin)jviMc1r1(pixi)c2r2(pgxi)xixivi（8）式中：int為取整函數(shù)；xi為第i個(gè)粒子；vi為第i個(gè)粒子的速度；pi為第i個(gè)粒子的歷史最優(yōu)解；pg為全局最優(yōu)解；wmax,wmin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si為粒子值，故在已知機(jī)組檢修時(shí)長di的情況下，可以確定機(jī)組的檢

14、修區(qū)間為si,k,si,k1，確保滿足檢修連續(xù)性約束。對于檢修開始時(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)最小備用容量約束，處理為matlab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)Np、最大迭代次數(shù)M，慣性系數(shù)最大值wmax和最小值wmin，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

15、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。算例分析本文采用IEEERTS測試系統(tǒng)，對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)X北風(fēng)電基地2010-2013

16、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)總裝機(jī)容量為1000MW,其中風(fēng)電場裝機(jī)容量占15%。設(shè)粒子數(shù)為30，最大迭代次數(shù)200次，wmax0.9，wmin0.4，c1c22。首先對算例中風(fēng)電場出力的季節(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

17、型出力模式圖4.冬季風(fēng)電典型出力模式表1.各季節(jié)每種模式對應(yīng)的概率表2.不同方案下檢修成本和棄風(fēng)電量比較季節(jié)概率/%模式覆蓋率/%方案檢修費(fèi)用/元棄風(fēng)電量（MW?h）模式1模式2模式3模式41217521620700春28.479.1339.658.7285.97夏5021.2419.3790.612218826717300秋35.0831.1417.6783.893218565616800冬28.741.8322.3892.914217782619350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

18、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)電的weibull分布，對檢修成本目標(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

19、的季節(jié)特性，對檢修成本目標(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?？偟膩砜?，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?？紤]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)電量優(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?？紤]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。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)電場出力波動(dòng)對機(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