[论文解读] The Economic Dispatch for Integrated Wind Power Systems Using Particle Swarm Optimization

Mohamed Abuella, Constantine J. Hatziadoniu|arXiv (Cornell University)|Sep 5, 2015

Electric Power System Optimization参考文献 10被引用 7

一句话总结

本文提出了一种基于粒子群优化（PSO）的经济调度模型，用于整合风力和热力发电机组的电力系统，通过惩罚成本和备用成本来考虑风力发电的不确定性。该方法最小化总发电成本，包括风力发电成本、过估/低估惩罚成本以及备用成本，在一个6母线测试系统上表明，高备用成本会降低风力发电的利用率，而风速波动性和成本系数对调度结果有显著影响。

ABSTRACT

The economic dispatch of wind power units is quite different from that in conventional thermal units, since the adopted model should take into consideration the intermittency nature of wind speed as well. Therefore, this paper uses a model that takes into account the aforementioned consideration in addition to whether the utility owns wind turbines or not. The economic dispatch is solved by using one of the modern optimization algorithms: the particle swarm optimization algorithm. A 6-bus system is used and it includes wind-powered generators besides to thermal generators. The thorough analysis of the results is also provided.

研究动机与目标

• 为解决间歇性风力发电电力系统中的经济调度挑战，该挑战与仅含热力机组的传统系统存在根本性差异。
• 开发一种考虑风力发电不确定性的成本模型，包括低估的惩罚成本和高估的备用成本。
• 应用粒子群优化（PSO）算法求解含风力发电集成的经济调度问题。
• 分析风速波动性（通过威布尔分布建模）和成本系数对最优调度决策的影响。
• 评估调度结果对备用成本和惩罚成本系数的敏感性，并评估PSO在此情境下的性能。

提出的方法

• 将经济调度问题表述为非线性优化问题，目标是最小化总发电成本，包括热力机组的二次成本和风力发电的线性成本。
• 通过风速的威布尔概率分布对风力发电不确定性进行建模，并为过调度和欠调度配置相应的惩罚成本和备用成本。
• 惩罚成本 $ C_p $ 计算为当调度量低于实际可用风力时，过剩风力的期望成本；备用成本 $ C_r $ 计算为当调度量高于实际可用风力时，风力短缺的期望成本。
• 采用PSO算法求解约束优化问题，粒子位置代表发电机出力，速度根据个体最优和全局最优解进行更新。
• 约束条件包括发电机有功功率限制、输电线路损耗以及总发电量与系统负荷之间的功率平衡。
• 模型区分了系统运营商拥有风力涡轮机（无直接成本）和不拥有风力涡轮机（需承担维护或支付回收费用）两种情形。

实验结果

研究问题

• RQ1 风力发电不确定性（通过低估和高估表现）如何影响经济调度成本和调度决策？
• RQ2 备用成本系数 $ k_r $ 的变化对风力发电调度和总系统成本有何影响？
• RQ3 风速尺度因子 $ c $ 的变化如何影响风力发电可用性及调度结果？
• RQ4 惩罚成本 $ k_p $ 和备用成本 $ k_r $ 如何共同影响风力和热力发电机组的最优调度？
• RQ5 PSO算法在含风力发电集成的系统中是否能有效求解经济调度问题？其对参数设置的敏感性如何？

主要发现

• 当备用成本系数 $ k_r $ 超过60时，风力发电不再被调度，因为经济惩罚过高，所有发电量转由热力机组承担。
• 当 $ k_r = 100 $ 时，即使风速波动性增加，风力发电调度量也几乎没有提升，表明对依赖风力发电存在强烈抑制。
• 当 $ k_r = 60 $ 时，系统完全避免调度风力发电，证实存在一个临界阈值，超过该阈值后风力发电在经济上不可行。
• 当 $ k_r = 0 $ 时，只要 $ k_p > 0 $，风力发电将被完全调度，无论风速尺度因子 $ c $ 如何，表明过估惩罚是实现风力完全利用的关键驱动力。
• 当尺度因子 $ c $ 从5 m/s增加到20 m/s时，风力发电输出显著提升，表明更高的平均风速可显著改善风力发电的可调度性。
• PSO算法能够成功收敛至最优调度解，但需仔细调节参数，且尚需进一步的理论分析以保证收敛性。