论文部分内容阅读
本文以清洁能源的开发利用和传统化石能源污染排放为背景，对风功率预测问题和绿色发电调度问题进行研究。风功率预测问题是利用测风塔和天气预报等数据，预测风电场在未来时段的输出功率;绿色发电调度问题是决策调度周期内机组的启停状态和发电量，最大化考虑排放惩罚的发电利润。精确地预测风功率和合理地制定发电调度方案，能够提高风能利用率，减少化石能源的污染排放，对于电力行业实现绿色可持续发展具有重要的理论价值和实际意义。
本文针对风功率预测精度低导致风电难以大规模并网的问题进行研究。对于超短期和短期风功率预测，设计批策略用于降低预测复杂度并利用最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)方法进行预测;对于受累积误差影响的短期风功率预测，在聚合批策略的基础上，提出了LSSVM与基于实际数据的场景树混合的方法进行预测。此外，为满足实际风场需要，开发了风功率预测系统。针对考虑排放惩罚和随机电价的绿色发电调度问题，建立混合整数非线性规划数学模型，并设计了拉格朗日松弛算法进行求解。主要研究内容如下:
1)针对单机预测耗时长、求解难度大等难题，设计了聚合批策略，将风场内的机组划分批，并考虑批内风机的运行参数、环境因素和地理位置等影响因素，选出批样机，利用LSSVM进行批样机的风功率预测，以提高问题的求解效率。实验结果验证了批聚合策略和LSSVM的有效性。
2)针对短期风功率预测中存在的误差累积问题，在利用聚合批策略进行风功率预测的基础上，提出了LSSVM与场景树相结合的方法。利用风场实际运行数据进行数值实验，实验结果验证了所提方法的有效性。
3)嵌入以上模型和方法，开发了风功率预测系统。系统实现了人机界面的友好交互，为风电检修、调度部门以及风力发电并入电网提供数据参考。
4)针对电力行业的高排放性和电价的随机性的特点，提出考虑排放惩罚和随机电价的发电调度问题。利用鲁棒优化方法刻画随机电价，建立了max-min类型的混合整数非线性规划模型。根据模型特点，设计了拉格朗日松弛算法对问题进行求解。基于随机算例的数值实验结果验证了模型和算法的有效性。
本文针对风功率预测精度低导致风电难以大规模并网的问题进行研究。对于超短期和短期风功率预测，设计批策略用于降低预测复杂度并利用最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)方法进行预测;对于受累积误差影响的短期风功率预测，在聚合批策略的基础上，提出了LSSVM与基于实际数据的场景树混合的方法进行预测。此外，为满足实际风场需要，开发了风功率预测系统。针对考虑排放惩罚和随机电价的绿色发电调度问题，建立混合整数非线性规划数学模型，并设计了拉格朗日松弛算法进行求解。主要研究内容如下:
1)针对单机预测耗时长、求解难度大等难题，设计了聚合批策略，将风场内的机组划分批，并考虑批内风机的运行参数、环境因素和地理位置等影响因素，选出批样机，利用LSSVM进行批样机的风功率预测，以提高问题的求解效率。实验结果验证了批聚合策略和LSSVM的有效性。
2)针对短期风功率预测中存在的误差累积问题，在利用聚合批策略进行风功率预测的基础上，提出了LSSVM与场景树相结合的方法。利用风场实际运行数据进行数值实验，实验结果验证了所提方法的有效性。
3)嵌入以上模型和方法，开发了风功率预测系统。系统实现了人机界面的友好交互，为风电检修、调度部门以及风力发电并入电网提供数据参考。
4)针对电力行业的高排放性和电价的随机性的特点，提出考虑排放惩罚和随机电价的发电调度问题。利用鲁棒优化方法刻画随机电价，建立了max-min类型的混合整数非线性规划模型。根据模型特点，设计了拉格朗日松弛算法对问题进行求解。基于随机算例的数值实验结果验证了模型和算法的有效性。