初步配置系统容量优化方法

2023-06-23 理论教育版权反馈

【摘要】：利用年负荷曲线,初步配置风力发电机、光伏阵列和抽水蓄能机组的容量。图4-3系统负荷只考虑风力发电的容量配置在流程图中,注意步长ΔPwin的选取,若选择过大,不能找到最优的容量值,且可能陷入死循环；若选择过小,程序运行时间长。图4-4系统负荷只考虑光伏发电的容量配置第三步:根据系统的年负荷曲线,建立风光互补的优化模型,利用粒子群优化算法,对风力发电机和光伏阵列的容量进行优化。

利用年负荷曲线,初步配置风力发电机、光伏阵列和抽水蓄能机组的容量。

(1)系统典型年负荷曲线。

图4-2所示为典型的年负荷月平均用电量曲线。

pagenumber_ebook=86,pagenumber_book=81

图4-2　典型年平均月负荷曲线

月平均用电量为Eli(i=1,2,…,12),则年负荷用电总量为: pagenumber_ebook=86,pagenumber_book=81

(2)根据系统的年负荷曲线,初步优化风机发电机和光伏阵列的容量。

1)优化变量。

优化变量为:风力发电机的容量Pwin,光伏阵列的容量Ppv。

2)优化目标函数。

风力发电和光伏发电的初次投资:

3)优化约束条件。

负荷失电率允许值LPSPreq。

4)优化步骤:

第一步:

根据年负荷月平均用电量曲线,先不考虑光伏发电,只利用风力发电供给负荷,配置风力发电机的容量。①计算负荷的平均功率②将平均功率Pl作为风力发电机的额定功率Pwinr,即Pwinr=Pl；③利用当年的风能资源,根据风力发电的数学模型,求出风力发电机的年发电量为Ewin；④若Ewin＞Ely,则减小Pwinr的值(设步长为ΔPwin),重复③,重新得到风力发电机的一个额定功率Pwinr和年发电量Ewin；若Ewin≤Ely,计算负荷失电率LPSPw=；⑤若LPSPw＞LPSPreq,则增大Pwinr的值(设步长为ΔPwin),重复③,重新得到风力发电机的一个额定功率Pwinr和年发电量Ewin,转入④；若LPSPw≤LPSPreq,结束。

将最后得到的功率Pwin作为满足系统负荷用电的风力发电机的容量,即风光互补中风力发电机的最大容量,记为Pwin,max。流程图如图4-3所示。

pagenumber_ebook=87,pagenumber_book=82

图4-3　系统负荷只考虑风力发电的容量配置

在流程图中,注意步长ΔPwin的选取,若选择过大,不能找到最优的容量值,且可能陷入死循环；若选择过小,程序运行时间长。

第二步:

根据年负荷月平均用电量曲线,先不考虑风力发电,只利用光伏发电供给负荷,配置光伏阵列的容量。①计算负荷的平均功率；②将平均功率Pl作为光伏阵列的功率Ppvr,即Ppvr=Pl；③利用当年的太阳能辐射量,根据光伏发电的数学模型,求出光伏阵列的年发电量为Epv；④若Epv＞Ely,则减小Ppvr的值(设步长为ΔPpv),重复③,重新得到光伏阵列的一个功率Ppvr和年发电量Epv；若Epv≤Ely,计算负荷失电率LPSPpv=⑤若LPSPpv＞LPSPreq,则增大Ppvr的值(设步长为ΔPpv),重复③,重新得到光伏阵列的一个功率Ppvr和年发电量Epv,转入④。

若LPSPw≤LPSPreq,结束。

将最后得到的功率Ppvr作为满足系统负荷用电的光伏阵列的容量,即风光互补中光伏阵列的最大容量,记为Ppv,max。

流程图如图4-4所示。在流程图中,注意步长ΔPpv的选取,若选择过大,不能找到最优的容量值,且可能陷入死循环；若选择过小,程序运行时间长。

pagenumber_ebook=88,pagenumber_book=83

图4-4　系统负荷只考虑光伏发电的容量配置

第三步:

根据系统的年负荷曲线,建立风光互补的优化模型,利用粒子群优化算法,对风力发电机和光伏阵列的容量进行优化。①优化目标:min(CEwp)；②约束条件:ΔE≤ΔEreq；③粒子:风力发电机的容量Pwin,光伏阵列的容量Ppv；④粒子的位置:Pwin∈(0,Pwin,max),Ppv∈(0,Ppv,max)；⑤粒子的速度:风力发电机容量步长ΔPwin,光伏阵列容量步长ΔPpv。