The invention discloses a multi-objective optimization method considering uncertain cost of fan output, belonging to the technical field of power system automation. By optimizing the parameters of the neural network prediction model, combining the historical data of wind farm power generation and load demand and meteorological information, the present invention intends to obtain the pre-day output information of wind farm. At the same time, in view of the uncertain cost problem caused by the fluctuation of large-scale intermittent wind power output, the concept of uncertain cost is introduced to establish a stable and controllable operation of distribution network. Prerequisite multi-objective optimization model determines the uncertain interval and uncertain cost of the fan's previous output according to the prediction results, transforms it into a deterministic model by robust method, solves the deterministic model by weighted minimum modulus ideal point method based on PSO algorithm, determines the final robust optimization scheme according to the risk assessment level, and achieves the economic operation of wind farm system. At the same time, it can meet the demand of load and safe power of distribution network.
【技术实现步骤摘要】
考虑风机出力不确定成本的多目标优化方法
本专利技术公开了考虑风机出力不确定成本的多目标优化方法,属于电力系统自动化的
技术介绍
由于自然能源日益短缺,大规模新型清洁能源风电的快速发展使得配电网得到充分补充,但其间歇性、随机性和反调峰特性的发电特点给电网发电计划和调度方案的制定带来困难。在实际应用中建立风电场系统,通过预测技术预测日前具体出力值,未考虑风机出力不确定成本追求成本最小化的优化方案具有不合理性;要求满足风电并网后电力系统安全稳定、风电场运行成本和不确定成本最低、风机启停次数最少等多目标多约束问题,利用传统加权系数法的单目标优化方法只能得到片面的方案,无法给决策调度人员提供足够的决策支持。
技术实现思路
本专利技术的专利技术目的是针对上述
技术介绍
的不足,提供了考虑风机出力不确定成本的多目标优化方法,建立考虑了风机出力不确定成本的多目标优化模型,通过柔性调节风机出力不确定成本实现了多目标优化模型的鲁棒优化,再基于PSO算法的带权极小模理想点法实现了多目标优化,解决了现有风机出力优化方案不合理且具有片面性的技术问题。本专利技术为实现上述专利技术目的采用如下技术方案:考虑风机出力不确定成本的多目标优化方法,采用RBF神经网络预测出风机日前出力情况后建立风机出力不确定区间及风机运行不确定成本,建立以风机运行成本最小、风机运行不确定成本最小、风电并网安全功率最大、风机启停次数最少为目标的优化模型,利用鲁棒优化理论并结合对风机运行不确定成本的柔性调节将优化模型转化为多目标确定性模型,求解所述多目标确定性模型以确定风机出力优化方案。作为考虑风机出力不确定成 ...
【技术保护点】
1.考虑风机出力不确定成本的多目标优化方法,其特征在于,采用RBF神经网络预测出风机日前出力情况后建立风机出力不确定区间及风机运行不确定成本,建立以风机运行成本最小、风机运行不确定成本最小、风电并网安全功率最大、风机启停次数最少为目标的优化模型,利用鲁棒优化理论并结合对风机运行不确定成本的柔性调节将优化模型转化为多目标确定性模型,求解所述多目标确定性模型以确定风机出力优化方案。
【技术特征摘要】
1.考虑风机出力不确定成本的多目标优化方法,其特征在于,采用RBF神经网络预测出风机日前出力情况后建立风机出力不确定区间及风机运行不确定成本,建立以风机运行成本最小、风机运行不确定成本最小、风电并网安全功率最大、风机启停次数最少为目标的优化模型,利用鲁棒优化理论并结合对风机运行不确定成本的柔性调节将优化模型转化为多目标确定性模型,求解所述多目标确定性模型以确定风机出力优化方案。2.根据权利要求1所述考虑风机出力不确定成本的多目标优化方法,其特征在于,所述风机出力不确定区间及风机运行不确定成本为:其中,为RBF神经网络预测的第j个风机在t时刻出力波动值的上下限,为第j个风机在t时刻的不确定性区间系数,Δt为在t时刻风机运行的不确定代价,Δt∈(0,NW],NW为风机总数。3.根据权利要求1或2所述考虑风机出力不确定成本的多目标优化方法,其特征在于,所述风机运行成本包含风机运行成本以及相邻时刻风机启停状态变化带来的运行成本。4.根据权利要求3所述考虑风机出力不确定成本的多目标优化方法,其特征在于,风机运行成本最小的表达式为:其中,Fcost为风机运行成本,T为调度周期长度,分别为第j个风机在t-1时刻,t时刻的启停状态变量,αj、δj分别为第j个风机开启、关闭的成本参数,βj为第j个风机运行的成本参数,为第j个风机在t时刻的出力。5.根据权利要4所述考虑风机出力不确定成本的多目标优化方法,其特征在于,风机运行不确定成本最小的表达式为:风电并网安全功率最大的表达式为:风机启停次数最少的表达式为:其中,Funcer为风机运行的不确定成本,μj为第j个风机不确定性的惩罚系数,为第j个风机在t+1时刻的启停状态变量,为第j个风机在t+1时刻的出力,Esafe为电网调度风电的电量,...
【专利技术属性】
技术研发人员:张慧峰,张阳,岳东,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。