導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 電力安全論文>>正文

基于降低風(fēng)電機(jī)組葉片損傷的風(fēng)電機(jī)組組合優(yōu)化

文檔作者：張晉華林媛媛劉永前田德林志彥汪寧渤文檔來(lái)源： 1．新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 2．華北水利水電學(xué)院電力學(xué)院3．河南省永城市供電有限責(zé)任公司 4．甘肅省電力公司風(fēng)電技術(shù)中心		點(diǎn) 擊數(shù)：	更新時(shí)間： 2021年01月01日
下載地址：點(diǎn)擊這里	文件大小： 442.92 KB 共7頁(yè)	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共7頁(yè)]

本文件共7頁(yè)，如需編輯使用，請(qǐng)下載。

注：預(yù)覽效果可能會(huì)出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問(wèn)題，下載是正常的。

	文件大?。?42.92 KB 共7頁(yè) 文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會(huì)員免費(fèi)）

下一篇：風(fēng)電工程項(xiàng)目進(jìn)度管理探討

上一篇：風(fēng)電上網(wǎng)電價(jià)機(jī)制研究

文本預(yù)覽

僅提取頁(yè)面文字內(nèi)容，供快速閱讀使用。

第4l卷第20期
2013年10月l6日
電力系統(tǒng)保護(hù)與控制
Power System Protection and Control
Vl01．4 1 N0．20
0ct．16．20】3
基于降低風(fēng)電機(jī)組葉片損傷的風(fēng)電機(jī)組組合優(yōu)化
張晉華 ，林媛媛3 7劉永前 ，田德 ，林志彥 ，汪寧渤
(1．新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué))，北京102206；2．華北水利水電學(xué)院電力學(xué)院，河南鄭州450011
3．河南省永城市供電有限責(zé)任公司，河南永城476600；4．甘肅省電力公司風(fēng)電技術(shù)中心，甘肅蘭州7 3005 0)
摘要：對(duì)于大型風(fēng)電場(chǎng)，研究機(jī)組組合優(yōu)化，可以提高風(fēng)電場(chǎng)運(yùn)行水平，提高風(fēng)電場(chǎng)經(jīng)濟(jì)效益。葉片是風(fēng)電機(jī)組的關(guān)鍵部件
之一， 占風(fēng)機(jī)總成本的20％，是影響風(fēng)電機(jī)組使用壽命的重要因素之一。通過(guò)對(duì)葉根在不同風(fēng)況下四種不同載荷X-況的受力
分析，量化了不同運(yùn)行_Y-況下葉片損傷量，確定了葉片損傷量與葉片壽命的關(guān)系，建立了風(fēng)電場(chǎng)各機(jī)組總?cè)~片損傷量的數(shù)學(xué)
模型；應(yīng)用改進(jìn)二進(jìn)制粒子群(BPS0)優(yōu)化算法，結(jié)合風(fēng)電場(chǎng)預(yù)測(cè)功率數(shù)據(jù)和負(fù)荷調(diào)度要求，以葉片損傷量最小為優(yōu)化目標(biāo)，
建立風(fēng)電場(chǎng)內(nèi)機(jī)組組合優(yōu)化調(diào)度模型。將所提出模型應(yīng)用于某49．5 風(fēng)電場(chǎng)，對(duì)33臺(tái)機(jī)組進(jìn)行組合優(yōu)化，算例結(jié)果表明
在滿足負(fù)荷的要求下，可減少啟停機(jī)次數(shù)，延長(zhǎng)機(jī)組壽命，驗(yàn)證了該算法的可行性和有效性。
關(guān)鍵詞：機(jī)組組合優(yōu)化；風(fēng)電場(chǎng)；葉片損傷量；二進(jìn)制粒子群優(yōu)化算法
W ind turbine unit eommitment optimization based on the reduced blade damage
ZHANG Jin—hua ’2 L1N Yuan—yuan
， LIU Yong—qian ，TIAN De ，LIN Zhi-yan ，WANG Ning—bo
(1．State Key Laboratory ofAlternate Electrical Power System with Renewable Energy Sources(Noah China Electric Power
University)，Beijing 102206，China；2．School ofPower,North China University ofWater Resources and Electric Power,Zhengzhou
450011，China；3．YongchengPower SupplyCo．，Ltd，Yongcheng476600，China；4．WindPowerTechnologyCenter，GansuElectric
Power Corporation，Lanzhou 730050，China)
Abstract：For large wind farms，the unit combinatorial optimization research can improve the level of wind farm operation and
increase the economic eficiency of wind farms．The blades are one of the key components of wind turbines，which not only account
f0r 20％ of total wind turbine cost．but also have much influence on the wind turbine life．This paper makes a stress analysis of blades
root at four different load conditions，quantifies damage of the blades，determines its relationship with blade life，and establishes a
mathematic model of total blade damage value of each wind turbine unit．Moreover,based on the theory of improved binary particle
swarm optimization(BPSO)algorithm，a unit commitment optimization model is proposed．For this model，the minimum of blade
damage is taken as optimization objective，and wind power prediction results and load dispatch demand of electrical system are fully
considered．A 49．5 MW wind farm is taken as an example and combinatorial optimization of 33 units is made．Case study shows that
while meeting the load requirements，it can reduce the number of start—stop times an d extend the unit life，verifying the feasibility and
reliability ofthe proposed optimal dispatching mode1．
This work is supported by National High Technology Research and Development of China (863 Program ) (No．
2011AA05A104)．
Key wordst unit commitment optimization；wind farm；blade damage value；binary particle swarm optimization(BPSO)
中圖分類(lèi)號(hào)： TM614 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)： 1674．3415(2013)20．0080．07
0 引言
風(fēng)電作為一種波動(dòng)性能源，輸出功率具有波動(dòng)
性[¨。目前隨著風(fēng)電場(chǎng)規(guī)模逐漸增大，運(yùn)行時(shí)間逐
漸增加，“窩電”現(xiàn)象愈加普遍，給風(fēng)電場(chǎng)的運(yùn)行維
基金項(xiàng)目： 國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)資助項(xiàng)目
(2 01 1AA05A1 04)
護(hù)帶來(lái)新的挑戰(zhàn)。進(jìn)一步提高的控制水平有利于電
力調(diào)度對(duì)其他電源開(kāi)機(jī)方式的合理安排，可以大幅
度提高電網(wǎng)接納風(fēng)電的能力。同時(shí)若對(duì)風(fēng)電場(chǎng)內(nèi)實(shí)
施優(yōu)化調(diào)度，可以減少風(fēng)電機(jī)組啟停、切換等對(duì)機(jī)
組壽命的不利影響，進(jìn)而減少電力系統(tǒng)的運(yùn)行成本。
因此展開(kāi)對(duì)風(fēng)電場(chǎng)機(jī)組組合優(yōu)化的研究，對(duì)整個(gè)電
力系統(tǒng)運(yùn)行都具有指導(dǎo)意義。
為了應(yīng)對(duì)這些挑戰(zhàn)，國(guó)內(nèi)外學(xué)者對(duì)風(fēng)電場(chǎng)的優(yōu)
張晉華，等 基于降低風(fēng)電機(jī)組葉片損傷的風(fēng)電機(jī)組組合優(yōu)化 ．81．
化調(diào)度和機(jī)組組合優(yōu)化問(wèn)題提出了一些解決方案。文
獻(xiàn)[2】在風(fēng)速預(yù)測(cè)的基礎(chǔ)上，應(yīng)用隨機(jī)規(guī)劃理論建立了
考慮機(jī)組組合的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模
型。文獻(xiàn)[3]根據(jù)風(fēng)電場(chǎng)下一功率控制周期的各機(jī)組
預(yù)測(cè)功率及機(jī)組自身運(yùn)行狀況，給出了一種基于機(jī)組
運(yùn)行狀態(tài)分類(lèi)的風(fēng)電場(chǎng)有功功率控制策略。文獻(xiàn)[4]
根據(jù)風(fēng)電功率預(yù)測(cè)數(shù)據(jù)，對(duì)小型風(fēng)電場(chǎng)中機(jī)組調(diào)度和
有功功率、無(wú)功功率分配問(wèn)題提出了解決方案。文獻(xiàn)
[5]將風(fēng)電場(chǎng)的功率控制系統(tǒng)作為虛擬市場(chǎng)(V'Lrtual
Market)來(lái)運(yùn)行，利用疲勞指數(shù)(fatigue index)參數(shù)
來(lái)確定的機(jī)組作為買(mǎi)方或者賣(mài)方，可以在兼顧了各臺(tái)
機(jī)組的狀態(tài)的同時(shí)實(shí)現(xiàn)風(fēng)電場(chǎng)出力調(diào)度。
上述文獻(xiàn)都涉及到對(duì)機(jī)組組合優(yōu)化問(wèn)題作了分
析研究。機(jī)組組合優(yōu)化是一個(gè)高維、離散、非線性
規(guī)劃問(wèn)題。在近幾十年的研究中，涌現(xiàn)了多種算法，
如動(dòng)態(tài)規(guī)劃法、拉格朗日松弛法和混合整數(shù)規(guī)劃法，
其求解精度比較高，但對(duì)大規(guī)模問(wèn)題容易造成“維
數(shù)災(zāi)”【6 J。因此在近年來(lái)，人工智能算法廣泛應(yīng)用
于機(jī)組組合問(wèn)題，如遺傳算法，對(duì)目標(biāo)函數(shù)沒(méi)有特
殊要求，可以考慮多個(gè)約束，方法比較靈活、可得接
近全局最優(yōu)解的次最優(yōu)解，但是遺傳算法效率低，而
且計(jì)算量大。由KennedV和Eberhart于1997年在粒
子群優(yōu)化算法(Particle Swarm Optimization，PSO)的基
礎(chǔ)上提出的二進(jìn)制粒子群優(yōu)化算法(Binary Particle
Swarm Optimization，BPSO)是解決二進(jìn)制或離散變
量的優(yōu)化算法。該算法使用簡(jiǎn)單，具有并行搜索、記
憶能力和收斂速度快等特點(diǎn)，廣泛用于機(jī)組組合優(yōu)化
問(wèn)題，但是也存在容易陷入局部最優(yōu)和收斂速度較慢
的缺點(diǎn)。改進(jìn)二進(jìn)制粒子群算法的粒子具有新的概率
映射變換和位置更新公式，使其具有更強(qiáng)的搜索、記
憶能力和更快的收斂速度 J。
文中利用GH Bladed軟件，通過(guò)對(duì)葉根在不同
風(fēng)況下四種載荷工況的受力分析，利用不同工況下
葉根擺振彎矩載荷及其循環(huán)次數(shù)和葉片根部的疲勞
載荷譜將相對(duì)損耗指標(biāo) J量化為損傷量；以風(fēng)電場(chǎng)
機(jī)組運(yùn)行中各機(jī)組葉片損傷量的和最小為目標(biāo)；根
據(jù)電力系統(tǒng)調(diào)度命令和風(fēng)電功率的預(yù)測(cè)數(shù)據(jù)，提出
了基于改進(jìn)二進(jìn)制粒子群算法對(duì)單一風(fēng)電場(chǎng)機(jī)組組
合的優(yōu)化研究，經(jīng)過(guò)優(yōu)化迭代計(jì)算，最后得到滿足
負(fù)荷調(diào)度要求、機(jī)組出力限制等約束條件，葉片損
傷量最小的機(jī)組組合。
1 基于葉片損傷指標(biāo)的風(fēng)電場(chǎng)機(jī)組組合優(yōu)
化數(shù)學(xué)模型
1．1目標(biāo)函數(shù)
在風(fēng)力發(fā)電機(jī)組的各組成部件中，葉片是將風(fēng)
能轉(zhuǎn)換成機(jī)械能的重要部件，是風(fēng)電機(jī)組獲得較高
風(fēng)能利用系數(shù)和較好經(jīng)濟(jì)效益的基礎(chǔ)。因此葉片是
風(fēng)電機(jī)組的重要部件之一。在機(jī)組各部件中，葉片
一般占到風(fēng)電機(jī)組總成本的20％左右；另一方面葉
片也是受力最為復(fù)雜的部件，在風(fēng)電機(jī)組的使用期
間，風(fēng)輪所受載荷幾乎全部來(lái)自于葉片承受的風(fēng)載。
因此風(fēng)輪機(jī)葉片的壽命將影響整個(gè)風(fēng)電機(jī)組的使用
壽命。
假定風(fēng)電機(jī)組設(shè)計(jì)壽命為20年，利用不同工
況下葉根擺振彎矩載荷及其循環(huán)次數(shù)和風(fēng)力發(fā)電機(jī)
組葉根處的擺振力矩載荷譜[10-121確定不同工況下機(jī)
組葉片損傷值。以1 500 kW風(fēng)力發(fā)電機(jī)組為研究對(duì)
象，得到不同工況下風(fēng)電機(jī)組葉片損傷值，如表1。
00表示停機(jī)狀態(tài)；01表示風(fēng)電機(jī)組出力范圍為0～
1 400 kW；10表示風(fēng)電機(jī)組出力范圍為1 400~1 500
kW；1 1表示風(fēng)電機(jī)組在滿負(fù)荷風(fēng)速至切出風(fēng)速范
圍內(nèi)運(yùn)行。
表1不同工況下風(fēng)電機(jī)組葉片損傷值
Table 1 Damage value of wind turbine blades under diferent
conditions
x ：
12／(1．3
+
e+08
．
),O<1>1 500
f12／(1．3e+o8)，01 500
． 82一 電力系統(tǒng)保護(hù)與控制
數(shù)據(jù)和電網(wǎng)的調(diào)度指令，以機(jī)組葉片根部機(jī)械損傷
量最小為優(yōu)化目標(biāo)，尋找既能減小冗余運(yùn)行又可避
免頻繁啟停的機(jī)組組合方案，優(yōu)化目標(biāo)函數(shù)如式(2)
所示。
T N T N
rrfinF=ZZ(4．／·f)+ZZy,．／(1-．／ )+
日 (2)
r Ⅳ ＼一
ZZz1．／一 (1-u／)
j=li=1
式中：F表示總的損傷量； 表示時(shí)間周期數(shù)；Ⅳ
表示機(jī)組臺(tái)數(shù)；X 表示機(jī)組i在，時(shí)段正常運(yùn)行時(shí)
的機(jī)械損傷；Y 表示機(jī)組i在，時(shí)段啟動(dòng)時(shí)的機(jī)械
損傷；z 表示機(jī)組i在，時(shí)段停機(jī)時(shí)的機(jī)械損傷；
表示機(jī)組i在，時(shí)段的啟停狀態(tài)，0代表停機(jī)，1代
表運(yùn)行；t表示風(fēng)機(jī)運(yùn)行的時(shí)間。目標(biāo)函數(shù)中機(jī)組
啟動(dòng)狀態(tài)與運(yùn)行時(shí)間t的乘積，表示發(fā)電運(yùn)行狀態(tài)，
其造成的機(jī)械損失量為x／u ·f，x的大小取決于風(fēng)
機(jī)運(yùn)行于01或者l0狀態(tài)， 即與風(fēng)機(jī)發(fā)電功率大小
有關(guān)。
1．2約束條件
風(fēng)電場(chǎng)機(jī)組組合的約束條件
1)機(jī)組出力上下限約束
i red-c1 (3)
式中： redi。 為第i臺(tái)機(jī)組的功率預(yù)測(cè)值；
P
Ⅲ／i ， 二n 為第i臺(tái)機(jī)組的最小和最大出力。
2)負(fù)荷調(diào)度約束
Ⅳ
Σ( ·“ )一 。。 ： a (4)
式中， ，ad為第u，時(shí)間段風(fēng)電場(chǎng)規(guī)劃的負(fù)荷出力，
滿足電網(wǎng)中調(diào)度負(fù)荷指令。
3)最大功率變化率約束
風(fēng)電場(chǎng)應(yīng)限制輸出功率的變化率，最大功率變
化率包括10 min功率變化率和1 min功率變化率。
在風(fēng)電場(chǎng)并網(wǎng)、機(jī)組正常停機(jī)以及風(fēng)速增長(zhǎng)過(guò)程中，
風(fēng)電場(chǎng)功率變化率應(yīng)滿足以下要求【1引，見(jiàn)表2。
本文中所討論風(fēng)電場(chǎng)裝機(jī)容量為49．5 MW，其
10 min功率變化率為33 Mw 和1 min功率變化率
為9．9 MW。
表2風(fēng)電場(chǎng)功率變化率
Table 2 Power change rate ofwind farm
4)旋轉(zhuǎn)備用約束
按系統(tǒng)總負(fù)荷的7％考慮旋轉(zhuǎn)備用容量，
Ⅳ
Σ pJ 一e- j，~= d+ ，則有
i=1
Jv
Σ( )≥1．07P1L (5)
i=1
式中， 為系統(tǒng)旋轉(zhuǎn)備用容量。
2 改進(jìn)二進(jìn)制粒子群優(yōu)化算法
2．1基本粒子群優(yōu)化算法
1995年Kennedy和Eberhart在研究鳥(niǎo)類(lèi)和魚(yú)類(lèi)
的群體行為表現(xiàn)出“群體智能”的基礎(chǔ)上提出了粒子
群優(yōu)化算法。PSO求解問(wèn)題時(shí)，初始將隨機(jī)賦予一組
解，即每個(gè)粒子的位置，并賦予每個(gè)粒子的隨機(jī)速度，
選擇適應(yīng)度函數(shù)，通過(guò)迭代在解空間中搜索最優(yōu)值。
在每一次迭代中，粒子本身所找到的最優(yōu)解為“個(gè)體
最優(yōu)值”，整個(gè)種群目前找到的最優(yōu)解為“全局最優(yōu)
值”。各個(gè)粒子根據(jù)“個(gè)體最優(yōu)值”和“全局最優(yōu)值”
來(lái)更新自己的速度和位置。用D維向量表示粒子i，
粒子的位置為Xi=(Xil，Xi2，?， ) ， 速度為
v =(Vi ，v『2，?，v T。則它的個(gè)體最優(yōu)值為
P ：(Pi ，P ?，P ) ， 種群的全局最優(yōu)值為
P =(Pgl, ，?，Pga) ，定義速度和位置更新方程為
=w +C1F1(p 一 )+c： (p 一 k)
W=Wm 一(Wm 一Wmi )x(k／K)
= +
(6．a(chǎn))
(6-b)
式中：W為慣性權(quán)重因子；c 和c2為學(xué)習(xí)因子或加
速常數(shù)； 1， ：為分布于(0，1)的隨機(jī)數(shù)；喝和x 分
別為粒子i在第k次迭代中第攤的速度和位置；p
為粒子i在第 的個(gè)體最優(yōu)值的位置； k 為在第d
維的全局最優(yōu)值的位置。
2．2二進(jìn)制粒子群優(yōu)化算法
BPSO算法基本思想仍與PSO算法相同，但是
從概率角度定義其粒子運(yùn)動(dòng)的位置和速度。在迭代
中每個(gè)粒子的每一次 的取值為0或1， k為x
取1的概率。BPSO的速度更新公式(6．a(chǎn))不變，而
位置更新公式(6．b)~lJ變?yōu)?
=
式中： 是區(qū)間[0，1]上的隨機(jī)數(shù)；S(vb)是sigmoid
函數(shù)， (v )=1／(1+exp(一v ))。
張晉華，等 基于降低風(fēng)電機(jī)組葉片損傷的風(fēng)電機(jī)組組合優(yōu)化 ．83．
2．3改進(jìn)二進(jìn)制粒子群算法
PSO算法思想是粒子在飛行中，粒子逐漸靠近
最優(yōu)粒子，其速度慢慢收斂于0。BPSO算法中粒子
速度逐漸靠近0時(shí)，其位置的變異概率逐漸變大。
但是BPSO算法的變異概率越大，種群多樣性越高，
全局探測(cè)能力越強(qiáng)，但缺乏局部探測(cè)。所以在利用
BPSO 算法求解離散的組合優(yōu)化問(wèn)題時(shí)，需要混合
一些局部搜索算法，因此提出了一種搜索能力強(qiáng)、
能夠快速收斂至全局最優(yōu)值的改進(jìn)二進(jìn)制粒子群優(yōu)
化算法。
分析BPSO的速度更新公式可知：當(dāng)速度 略為
0，說(shuō)明粒子當(dāng)前位置與最優(yōu)粒子或歷史最優(yōu)位置可
能相等，位置不變； 當(dāng)速度為正值，最優(yōu)粒子和歷
史最優(yōu)位置最大可能是為1，粒子位置為0的概率
大，位置更新為1； 當(dāng)速度為負(fù)值，最優(yōu)粒子和歷
史最優(yōu)位置最大可能為0，粒子位置為1的概率大，
位置更新為0。這種算法思想有利于粒子逐漸趨向
最優(yōu)粒子，算法最終收斂于全局最優(yōu)粒子。因此對(duì)
位置更新公式(7)修改為
<0’ k=
：～ ， (8)
k
=
式中： 是區(qū)間[0，1]上的隨機(jī)數(shù)； (v )是修改后
的概率映射函數(shù)。
『1—2／I1+exp(一V k))， 0
l 2／《1+exp(一v品))一1， k>0
與BPSO算法相比，改進(jìn)BPSO算法使粒子群
更易接近全局最優(yōu)粒子，當(dāng)速度為0時(shí)，粒子的位
置改變率靠近0的概率增大。這種思想更加符合粒
子群算法的本質(zhì)【J引。
3 改進(jìn)二進(jìn)制粒子群算法在風(fēng)電場(chǎng)機(jī)組組
合問(wèn)題中的應(yīng)用
3．1粒子的編碼
0或1表示各機(jī)組的啟停狀態(tài)，即某臺(tái)機(jī)組所
有時(shí)段的狀態(tài)由一組0或1組成的字符串表示。對(duì)
于一個(gè)求解 個(gè)調(diào)度時(shí)段內(nèi)Ⅳ 臺(tái)機(jī)組的機(jī)組優(yōu)化組
合問(wèn)題，整個(gè)粒子的狀態(tài)空間為NxT[ ，表達(dá)如下
式。
U =
zf
U 21
：
●
U Ⅳ1
·
．
：
●
·
Ⅳ
T
式中： 表示種群中的粒子； 表示第Ⅳ 臺(tái)機(jī)組
在第 個(gè)時(shí)段的運(yùn)行狀態(tài)。
3．2算法流程
改進(jìn)二進(jìn)制粒子群算法應(yīng)用于風(fēng)電場(chǎng)機(jī)組組合
的求解步驟 。。如下：
1)設(shè)置粒子群規(guī)模 并在解空間范圍內(nèi)隨
機(jī)初始化 個(gè)粒子，設(shè)置最大飛行速度Vrnax，最大
迭代次數(shù) ，學(xué)習(xí)因子C1、C2，慣性權(quán)重Wmax、 i ，
根據(jù)迭代次數(shù)計(jì)算每次迭代的權(quán)重；輸入每臺(tái)風(fēng)電
機(jī)組的預(yù)測(cè)功率、機(jī)組特性參數(shù)以及初始啟停狀態(tài)。
2)對(duì)每個(gè)粒子進(jìn)行功率平衡和負(fù)荷調(diào)度約束，
使其形成滿足機(jī)組組合約束的可行解；設(shè)定當(dāng)前的
迭代次數(shù)為k。
3)算法中各粒子的位置xi表示各機(jī)組的啟停狀
態(tài)。速度 表示粒子X(jué)i取狀態(tài)1(啟機(jī)運(yùn)行)的概
率。根據(jù)式(1)和式(2)計(jì)算各粒子的當(dāng)前位置的總機(jī)
械損傷量即粒子的當(dāng)前解，將其與自身的歷史最優(yōu)
解作比較取最優(yōu)者為粒子自身的局部最優(yōu)解
— — P ，取所有粒子的局部最優(yōu)解中的最小值對(duì)應(yīng)
解作為全局最優(yōu)解—— P 。
4)根據(jù)式(5)計(jì)算下一代粒子的速度，根據(jù)式(8)
更新粒子的位置。
5)判斷當(dāng)前迭代次數(shù)是否滿足最大值 ，若不
滿足，則k=k+1，返回第2)步；反之，結(jié)束計(jì)算，
輸出全局最優(yōu)解。
優(yōu)化算法流程圖如圖1所示。
改進(jìn)二進(jìn)制粒子群
r 參數(shù)初始化
J 根據(jù)約束條件判斷粒子群是
] 否滿足條件
j
求得滿足條件的機(jī)組組合
』
訓(xùn)算每個(gè)粒子的損傷量，獲得局部
最優(yōu)解和全局的最優(yōu)解
』
更新每個(gè)粒子的速度和位置
／ ／ ＼
宙 ／ 判斷是否達(dá)到＼
＼ 最大迭代次數(shù) ／
＼ ／
是
’
輸出最優(yōu)解
圖1改進(jìn)二進(jìn)制粒子群優(yōu)化算法流程圖
Fig．1 Flow chart ofthe improved BPSO algorithm
．． 84．． 電力系統(tǒng)保護(hù)與控制
4 算例研究
4．1仿真條件和參數(shù)設(shè)置
仿真是在CPU 為Core(TM)i5 2,5 GHz的
Dell—PC，Matlab7．8環(huán)境下進(jìn)行。風(fēng)電場(chǎng)共包括33
臺(tái)機(jī)組，根據(jù)文獻(xiàn)[171，粒子群規(guī)模一般為20～40，
本文確定粒子群規(guī)模為40，迭代300次；慣性權(quán)重
W是迭代次數(shù)的函數(shù)，沿直線從0．4線形遞增到0．9，
因此設(shè)定慣性權(quán)重為wm膩=0．9，Wmi =0．4；加速
因子表示粒子全局和個(gè)體認(rèn)知的影響程度，通常設(shè)
為相同值已給兩者同樣的權(quán)重，因此設(shè)定加速因子
為C1=c2=2．05。
4．2算例結(jié)果和分析
用改進(jìn)BPSO算法對(duì)某風(fēng)電場(chǎng)在2011年03月
31日，33臺(tái)1 500 kW變速恒頻雙饋風(fēng)力發(fā)電機(jī)組
的組合問(wèn)題進(jìn)行優(yōu)化計(jì)算。已知未來(lái)四個(gè)時(shí)段電網(wǎng)
側(cè)負(fù)荷調(diào)度指令，分別為18 000 kW、16 500 kW、
16 500 kW、20 500 kW；各機(jī)組未來(lái)四個(gè)時(shí)段風(fēng)功
率預(yù)測(cè)[18-19]值如表3所示。首先根據(jù)風(fēng)功率預(yù)測(cè)值
和式(1)可預(yù)測(cè)每臺(tái)機(jī)組的啟動(dòng)時(shí)和運(yùn)行中葉片機(jī)
械損傷量，然后利用改進(jìn)BPSO算法，根據(jù)隨機(jī)初
始化機(jī)組的運(yùn)行狀態(tài)，計(jì)算總的葉片機(jī)械損傷量。
對(duì)上述模型5O次得到的機(jī)組葉片機(jī)械損傷值
結(jié)果分布如圖2所示L2?，最差解1．56e一04相對(duì)于最
好解1．39e一04的偏差為11．34％，且偏差在l0％以下
的次數(shù)達(dá)到92％， 由50次平均計(jì)算結(jié)果可以得到
改進(jìn)BPSO算法的收斂曲線如圖3所示。由此可見(jiàn)
改進(jìn)的BPSO算法具有較好的尋優(yōu)能力和收斂性。
利用文中的模型和算法，經(jīng)過(guò)300次迭代計(jì)算
得到了風(fēng)電場(chǎng)未來(lái)四個(gè)時(shí)段33臺(tái)機(jī)組組合的最優(yōu)
結(jié)果(表4)。表4中0表示機(jī)組停機(jī)，1表示機(jī)組
運(yùn)行； 由表4可知，未來(lái)四個(gè)時(shí)段風(fēng)電場(chǎng)輸送的功
率是20 060 kW，18 154 kW，18 167 kW，22 189 kW，
滿足電網(wǎng)調(diào)度要求；9、17、30號(hào)風(fēng)機(jī)在這四個(gè)時(shí)
段內(nèi)均處于停機(jī)狀態(tài)。根據(jù)超短期預(yù)測(cè)結(jié)果得到未
來(lái)四個(gè)時(shí)段的機(jī)組組合優(yōu)化結(jié)果，對(duì)于不同周期的
風(fēng)功率預(yù)測(cè)結(jié)果，該模型可以做出不同預(yù)測(cè)周期的
機(jī)組組合優(yōu)化。
該數(shù)學(xué)模型需要進(jìn)～ 步研究其他部件的機(jī)械
損傷量與工況、風(fēng)速的關(guān)系，綜合考慮運(yùn)行因素，
盡量減少啟停機(jī)次數(shù)和風(fēng)機(jī)的連續(xù)運(yùn)行時(shí)間。
圖2實(shí)驗(yàn)結(jié)果分布圖
Fig．2 Distributed chan of experiment results
圖3改進(jìn)二進(jìn)制粒子群優(yōu)化算法收斂性
Fig．3 Convergence ofthe improved BPSO algorithm
表3風(fēng)功率預(yù)測(cè)表
Table 3 Prediction of wind power unit
時(shí)間 1 2 3 4 時(shí)間 1 2 3 4
I 833．8 1 525．2 l 507 5 1 020．2 l8 1 065I 727．9 I 266．4 l 502．1
2 l 009．2 1 522．0 1 438．5 942 5 19 1 177．9 659．6 l 275．9 1 536．6
3 203 5 218．9 331．8 254 3 2O 1 106．4 517 1 1 l64．4 1 524．3
4 625．3 1 519．6 1 511．7 1 339．1 21 1 249．6 894．2 l 457 3 1 528．6
5 600 2 1 301．8 1 512-2 1 310．1 22 1 188．1 604 4 l 388．8 l 525．9
6 951_2 l 505 0 1 507．9 1 410．2 23 1 309．0 749．2 1 409．1 l 536．9
7 737 3 1 487．1 1 438．7 1 129．0 24 1 004．1 713．0 1 384．0 1 513．6
8 889．5 1 268．7 1 522．2 1 505．3 25 1 327．6 972．2 804．2 1 355．0
9 928．1 1 140．9 1 546 9 l 515．6 26 1 500．6 1 184．3 712．2 1 403．7
10 674．5 1 317．9 1 370．9 1 397 9 27 1 513．6 1 190．2 606．8 1 357 2
l1 850．0 954．7 1 379．2 1 502．6 28 1 353．0 891．1 653．7 1 250．2
12 920．3 1 426．3 1 527．9 1 445．7 29 1 318．4 883．4 483．9 955．2
13 731．7 1 299．4 1 501．5 1 458．4 30 1 500．8 l 311．0 689．4 1 225．2
14 1 003．9 1191 2 1 504．4 l 449．8 31 1 539．1 l 352．2 644．1 1 224．6
15 809．7 1 237．5 1 530．7 1 494．3 32 1 523．0 1 237．8 734．9 1 261．9
16 1 130．6 661．6 930．0 1 489．4 33 1 495．1 1 162．8 555．9 9301
17 1 l22．4 596．0 1 364．9 1 495．1
∞ 鋸 如檔
=吾 鱔冪
張晉華，等 基于降低風(fēng)電機(jī)組葉片損傷的風(fēng)電機(jī)組組合優(yōu)化 一85一
表4最優(yōu)解對(duì)應(yīng)的機(jī)組組合表
Table 4 The optimal unit commitment
時(shí)間 1 2 3 4 時(shí)間 1 2 3 4
1 0 1 0 0 18 0 O 1 O
2 1 1 1 1 19 0 l 1 1
3 1 1 1 0 2O 1 O O O
4 O 1 O 1 21 0 O 1 1
5 0 0 1 1 22 O l 0 1
6 O 1 1 1 23 1 l 1 1
7 1 1 O 1 24 1 0 0 O
8 1 0 O 0 25 O l 0 1
9 O 0 O O 26 1 O 1 1
10 0 1 1 1 27 O l 1 1
l1 0 l 0 1 28 1 0 O 1
12 1 O 1 l 29 0 1 1 1
13 1 l 1 0 30 O O 0 O
14 1 O 0 l 31 0 O 0 1
15 0 l 1 l 32 0 1 O O
16 0 O 1 O 33 1 1 O 1
17 0 O 0 O
5 結(jié)論
(1)結(jié)合風(fēng)電功率預(yù)測(cè)系統(tǒng)，利用不同工況下
葉根擺振彎矩載荷及其循環(huán)次數(shù)和葉片根部的疲勞
載荷譜將相對(duì)損耗指標(biāo)量化為損傷量，建立基于葉
片損傷指標(biāo)的風(fēng)電場(chǎng)機(jī)組組合優(yōu)化數(shù)學(xué)模型，利用
改進(jìn)BPSO算法求解風(fēng)電場(chǎng)機(jī)組組合問(wèn)題。
(2)相對(duì)于傳統(tǒng)的風(fēng)電場(chǎng)場(chǎng)級(jí)有功功率調(diào)度，
提出的方法在滿足電網(wǎng)負(fù)荷的要求下，降低了風(fēng)電
場(chǎng)機(jī)械損耗，有效實(shí)現(xiàn)了風(fēng)電場(chǎng)機(jī)組的組合優(yōu)化。
(3)文中優(yōu)化目標(biāo)考慮了風(fēng)電機(jī)組的葉片損
傷，還可以考慮風(fēng)電機(jī)組的其他部件，如輪轂、塔
架、齒輪箱、發(fā)電機(jī)等。對(duì)于其他部件可以參考葉
片的研究方法，建立各種工況與各部件機(jī)械損傷的
定量關(guān)系。所以這是以后需要繼續(xù)研究的方向，即
對(duì)風(fēng)電機(jī)組進(jìn)行多目標(biāo)的優(yōu)化運(yùn)行、維護(hù)管理。
參考文獻(xiàn)
[1] 肖創(chuàng)英．歐美風(fēng)電發(fā)展的經(jīng)驗(yàn)與啟示[M】．北京：中國(guó)
電力出版社，2010．
E23 孫元章，吳俊，李國(guó)杰，等．基于風(fēng)速預(yù)測(cè)和隨機(jī)規(guī)劃
的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]_中國(guó)電機(jī)工程
學(xué)報(bào)，2009，29(4)：41-47．
SUN Yuan—zhang，WU Jun，LI Guo-jie，et a1．Dynamic
economic dispatch considering wind power pene~ ion
based on wind speed forecasting and stochastic
programming[J]．Proceedings of the CSEE，2009，29(4)：
41．47．
[3]
[4]
[5]
[6]
[7]
鄒見(jiàn)效，李丹，鄭剛，等．基于機(jī)組狀態(tài)分類(lèi)的風(fēng)電場(chǎng)
有功功率控制策略【J]．電力系統(tǒng)自動(dòng)化，2011，35(24)：
28．32．
ZOU Jian -xiao，LI Dan，ZHENG Gang，et a1．An active
power control scheme for wind farms based on state
classification algorithm[J]．Automation of Electric Power
Systems，2011，35(24)：28-32．
Moyano C F．Lopes J A P．An optimization approach for
wind turbine commitment and dispatch in a wind park[J]．
Elec~ Power Syst Res，2009，79：71—79．
SU Yong-qing，ZHAO Rong-yong，CHEN Zhe ．Power
dispatch strategy for wind farm based on virtual
market[C]／／Power and Energy Engineering Conference，
2009：1．5．
艾欣，劉曉，孫翠英．含風(fēng)電場(chǎng)電力系統(tǒng)機(jī)組組合的
模糊機(jī)會(huì)約束決策模型[J]．電網(wǎng)技術(shù)，201 1，35(12)：
202．207．
AI Xin，LIU Xiao，SUN Cui-ying．A fuzzy chance
constrained decision model for unit commitment of
power grid containing large-scale wind farm[J]．Power
System Technology,201 1，35(12)：202-207．
張曉花，趙晉泉，陳星鶯．節(jié)能減排多目標(biāo)機(jī)組組合
問(wèn)題的模糊建模及優(yōu)化【J】．中國(guó)電機(jī)工程學(xué)報(bào)，2010，
30(22)：71-76．
ZHANG Xiao-hua，ZHAO Jin·quan，CHEN Xing—ying．
Multi-objective unit commitment fuzzy modeling and
optimization for energy-saving and emission reduction[J]．
． 86． 電力系統(tǒng)保護(hù)與控制
Proceedings ofthe CSEE，2010，30(22)：71—76．
[8] 王永強(qiáng)，周建中，覃暉，等．基于改進(jìn)二進(jìn)制粒子群與
動(dòng)態(tài)微增率逐次逼近法混合優(yōu)化算法的水電站機(jī)組組
合優(yōu)化[J]．電力系統(tǒng)保護(hù)與控制，2011，39(10)：64．68．
WANG Yong-qiang，ZHOU Jian-zhong，QIN Hui，et a1．
Hydroelectric unit commitment optimization based on
improved BPSO algorithm combined dynamic successive
approximation method[J]．Power System Protection
and Control，201 1，39(10)：64—68．
[9] 劉吉臻，劉玉，曾德良，等．單一風(fēng)電場(chǎng)的短期負(fù)荷調(diào)
度優(yōu)化策略【J]．中國(guó)科學(xué)，2012，42(4)：437-442．
LIU Ji-zhen，LIU Yu，ZENG De-liang，et a1．Optimal
short—term load dispatch strategy in wind farm[J]．
Scientia Sinica Techologica，2012，42(4)：437—442．
[10]宋聚眾，趙萍，劉平，等．水平軸風(fēng)力機(jī)載荷工況設(shè)計(jì)
方法研究[J]_東方電氣評(píng)論，2009，23(6)：60-63．
SONG Ju—zhong，ZHAO Ping，LIU Ping，et a1．Methods
analysis of load cases designing on horizontal axis wind
turbine[J]．Dongfang Electric Review, 2009，23(6)：
6O．63．
[11]宋聚眾．1．5 MW變速恒頻風(fēng)力發(fā)電機(jī)組氣動(dòng)與結(jié)構(gòu)設(shè)
計(jì)技術(shù)【D]．汕頭：汕頭大學(xué)，2007．
[12]王?。冚d荷工況下風(fēng)力發(fā)電機(jī)連接部件接觸強(qiáng)度分
析研究【D]．烏魯木齊：新疆大學(xué)，2010．
[13]國(guó)家電網(wǎng)公司．風(fēng)電調(diào)度運(yùn)行管理規(guī)范[s]．北京：國(guó)
家電網(wǎng)公司，2010．
[14]劉建華．粒子群算法的基本理論及其改進(jìn)研究[D】．長(zhǎng)
沙：中南大學(xué)，2009．
[15]陳海良，郭瑞鵬．基于改進(jìn)離散粒子群算法的電力系
統(tǒng)機(jī)組組合問(wèn)題[J]．電網(wǎng)技術(shù)，2011，35(12)：94．99．
CHEN Hai-liang，GUO Rui—peng．Unit commitment
based on improved discrete particle swarm
optimization[J]．Power System Technology,201 1，35(12)：
94．99
[16]常文平，于海，華大鵬．基于自適應(yīng)粒子群優(yōu)化算法
的機(jī)組組合[J]．電力系統(tǒng)保護(hù)與控制，2009，37(15)：
15．18．
CHANG Wen-ping，YU Hai，HUA Da—peng．A solution
to particle swalTn optimization algorithm with adaptive
inertia weight for unit commitment[J]．Power System
Protection and Control，2009，37(15)：15-18．
[17]田雨波．混合神經(jīng)網(wǎng)絡(luò)技術(shù)[M]．北京：科學(xué)出版社，
2009．
[18]LIU Yong-qian，SHI Jie，YANG Yong—ping，et a1．
Piecewise support vector machine model for short term
wind power prediction[J]．International Journal of Green
Energy,2009，6(5)：479-489．
[19]SHI Jie，LIU Y0ng-qian，YANG Y0ng—ping，et a1．
Short—term wind power prediction based on wavelet
transform —support vector machine an d statistic
characteristics analysis[C】／／20 1 1 IEEE Industrial&amp;amp;
Commercial Power Systems (I&amp;amp;CPS) Technical
Conference，Newport Beach，CA，USA，M ay 1-5，2011．
[2O]張炯，劉天琪，蘇鵬，等．基于遺傳粒子群混合算法的
機(jī)組組合優(yōu)化[J】．電力系統(tǒng)保護(hù)與控制，2009，37(9)：
25．29．
ZHANG Jiong，LIU Tian -qi，SU Peng，et a1．Unit
commitment optimization based on genetic algorithm and
particle swarlil optimization hybrid algorithm[J]．Power
System Protection and Control，2009，37(9)：25-29．
收稿日期：2013-01—11；
作者簡(jiǎn)介：
張晉華(1980-)，女，
為風(fēng)電場(chǎng)內(nèi)出力優(yōu)化運(yùn)行
林媛媛(1977一)，女，
網(wǎng)規(guī)劃設(shè)計(jì)工作。
修回日期：2013-03-1 7
博士研究生，副教授，研究方向
E—mail：zhangjh@ncwu．edu．cn
大學(xué)本科，工程師，主要從事電

網(wǎng)友評(píng)論 more

電力安全論文最新內(nèi)容

03-05