規(guī)?；疎V參與風(fēng)電-火電系統(tǒng)的動態(tài)經(jīng)濟(jì)調(diào)度研究.pdf

1、近年來隨著環(huán)境和能源問題的日益嚴(yán)峻，各國開始逐漸重視風(fēng)力發(fā)電和電動汽車等清潔產(chǎn)業(yè)的發(fā)展。但是，大規(guī)模風(fēng)力并網(wǎng)的帶給電網(wǎng)嚴(yán)重的波動性問題，同時，電動汽車大規(guī)模的普及對電力系統(tǒng)的影響得到了廣泛的關(guān)注。本文主要研究了規(guī)模電動汽車充電在含有風(fēng)力發(fā)電的電力系統(tǒng)中的動態(tài)經(jīng)濟(jì)調(diào)度問題，其主要工作有:
　　分析了對電動汽車充電負(fù)荷的特性及相關(guān)影響因素，根據(jù)電動汽車的日行駛里程和日行駛結(jié)束時間的統(tǒng)計規(guī)律，建立相應(yīng)的充電負(fù)荷的數(shù)學(xué)模型，并采用蒙特卡洛

2、模擬的方法計算電動汽車充電負(fù)荷益線;同時，在計及電動汽車充電負(fù)荷的影響下，得到在有序充電下的電動汽車負(fù)荷曲線變化規(guī)律。
　　采用歷史數(shù)據(jù)對風(fēng)速模型及其特性進(jìn)行了分析，得到各月的風(fēng)速模型;根據(jù)風(fēng)速的歷史數(shù)據(jù)，分別采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測方法對風(fēng)速進(jìn)行建模預(yù)測，最后采用綜合考慮誤差的組合預(yù)測方法，最大限度減小預(yù)測誤差;最后，通過確定風(fēng)速與風(fēng)電輸出功率的關(guān)系，擬合風(fēng)電場出力，得到風(fēng)電場輸出功率的預(yù)測結(jié)果。
　　

3、確定了以系統(tǒng)發(fā)電成本、排污成本和風(fēng)電成本為最小目標(biāo)的電力系統(tǒng)的動態(tài)經(jīng)濟(jì)調(diào)度模型，并以系統(tǒng)功率平衡、火電機(jī)組出力上下限、爬坡能力、備用能力和線路傳輸功率能力等作為約束條件，并用NSGA-Ⅱ和粒子群算法分別求解多目標(biāo)函數(shù)問題和單目標(biāo)函數(shù)問題，對電力系統(tǒng)經(jīng)濟(jì)調(diào)度的影響因素進(jìn)行了分析。結(jié)果表明，參與有序充電的電動汽車比例越大，有利于節(jié)省系統(tǒng)的發(fā)電成本和排污成本，同時也有利于消納風(fēng)電，提高系統(tǒng)的經(jīng)濟(jì)性;區(qū)域電動汽車的規(guī)模越大，系統(tǒng)火電機(jī)組的利用率