《風力發電併網的小時間尺度隨機最佳化方法研究》是依託華南理工大學，由李夢詩擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：風力發電併網的小時間尺度隨機最佳化方法研究
- 項目類別：青年科學基金項目
- 項目負責人：李夢詩
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
為了降低風速的隨機特性對經濟調度和無功最佳化過程中對運行成本、補償裝置配置、電壓穩定性的擾動影響，提高風電滲透率，本申請提出了一種基於擬蒙特卡洛法和雙粒子算法相結合的具有抗擾性的隨機最佳化算法。研究將首先設計一種小時間尺度上的風電場隨機模型，從而利用歷史風速統計數據，描述時間尺度上與調度周期相一致的風電場有功出力機率。根據該模型，隨機潮流分析過程創新性地通過擬蒙特卡羅方法生成一組低差異風電場出力樣本，並依次進行潮流計算，獲得每個樣本下系統的燃料損耗、電壓穩定性及風電滲透率等指標的機率。在最佳化過程中，經濟調度和無功最佳化使用了傳統牛頓法搜尋與自啟發式算法相結合的雙粒子算法，能夠保證最佳化的速度和收斂性。同時，目標函式除了包含各項指標的均值，還將引入指標的方差，以抵禦風電的隨機特性對最佳化結果的擾動，因此結果的置信度高。
結題摘要
為了降低風速的隨機特性對經濟調度和無功最佳化過程中對運行成本、補償裝置配置、電壓穩定性的擾動影響，提高風電滲透率，本研究提出了一種基於擬蒙特卡洛法和雙粒子算法相結合的具有抗擾性的隨機最佳化算法。研究首先設計一種小時間尺度上的風電場隨機模型，從而利用歷史風速統計數據，描述時間尺度上與調度周期相一致的風電場有功出力機率。根據該模型，隨機潮流分析過程創新性地通過擬蒙特卡羅方法生成一組低差異風電場出力樣本，並依次進行潮流計算，獲得每個樣本下系統的燃料損耗、電壓穩定性及風電滲透率等指標的機率。在最佳化過程中，經濟調度和無功最佳化使用了傳統牛頓法搜尋與自啟發式算法相結合的雙粒子算法，能夠保證最佳化的速度和收斂性。同時，目標函式除了包含各項指標的均值，還引入了指標的方差，以抵禦風電的隨機特性對最佳化結果的擾動，因此結果的置信度高。本研究的創新之處在於將首次建立小時間尺度上的風電場隨機特性模型，創新性的提出了將擬蒙特卡洛算法套用於電力系統的隨機最佳化問題，結合傳統梯度法和啟發式算法的優點，設計更加符合電力系統最佳化問題的算法。當前本項目中已經培養博士生2名，發表科研論文7篇，其中包括期刊文章3篇（SCI1，EI2）及國際會議論文4篇，專利3篇。此外，仍有2篇期刊文章正在審稿中。
