[发明专利]一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法

摘要

本发明涉及一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法。风电出力的随机性和不稳定性对系统稳定带来巨大压力，针对由于风电出力的随机性可能导致系统在不合理机组检修计划下出现备用不足的情况，应用了基于风电概率分布的机组检修计划最小失负荷期望模型。通过考虑发电机组随机停运下可能产生的失负荷容量期望值对机组检修计划进行合理优化，减小甚至消除产生失负荷的可能性，保障系统安全稳定运行。针对算例，提出新型高效0-1问题粒子群算法，在IEEE RTS-96系统中的验证结果表明该模型与新型粒子群算法可行有效。

主权项

一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法，其步骤包括：1)设定粒子个数N_p、最大迭代次数M，惯性系数最大值w_max和最小值w_min，学习因子c₁，c₂，并随机初始化各个粒子的值和速度；其中，粒子分为常规机组部分和风电机组部分：常规机组部分为各机组开始检修时间列向量；风电机组部分为T阶列向量，T为安排检修总时段数，若该风电场在时段t有检修任务，则该T阶列向量的第t个元素为1，否则为0；粒子速度也分为常规机组部分和风电机组部分，按照上述规则随机设定初始值；2)根据各粒子的初始值，通过cplex求解各机组出力，即求解特定机组检修计划下的最优出力分配子问题，在特定机组检修计划下，所示失负荷期望为常数，该问题为线性规划问题；3)根据$\begin{array}{c}\min \underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[a_i{p}_{\mathrm{it}}(1-x_{\mathrm{it}})+C_{\mathrm{it}}{x}_{\mathrm{it}}]\\ +f_{\mathrm{OC}}*T_h*\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_n}{\mathrm{\Σ}}}(F_i*E_{\mathrm{it}})\end{array}$计算各粒子适应值，将适应值最小的粒子设定为初始全局最优解p_g，当前各粒子值设为各粒子的初始历史最优解p_i；4)更新粒子值和速度，其中粒子的常规机组部分按$\begin{array}{c}{v}_i=\mathrm{int}\left\{\right[w_{\max }-(w_{\max }-w_{\min })\frac{j}{M}]v_i\\ +c_1{r}_1(p_i-x_i)+c_2{r}_2(p_g-x_i)\}\end{array},$x_i＝x_i+v_i更新，风电机组部分按$\begin{array}{c}{v}_i=[w_{\min }+(w_{\max }-w_{\min })\frac{j}{M}]\\ *r*(p_g-x_i)\end{array},$x_i＝x_i+v_i更新，为防止算法过早收敛，当更新过后新产生的粒子一旦与p_g相同，该粒子随机跳变为满足约束的任意值；5)通过cplex计算各粒子所代表检修计划下各机组出力，并计算各粒子适应值；6)更新全局最优解p_g，各粒子历史最优解p_i；7)判断是否达到最大迭代次数，如果没有达到，返回步骤4)，如果达到，结束程序并输出全局最优解p_g。