节能减排下含风电场多目标机组组合建模及优化.pdf

第３９卷第１７期２０１１年９月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏ１Ｖｌｏｌ－３９Ｎ０．１７Ｓｅｐｔ．１，２０１１节能减排下含风电场多目标机组组合建模及优化张晓花，赵晋泉，陈星莺（１．河海大学能源与电气学院，江苏南京２１００９８；２．常州Ｉ大学信息科学与工程学院，江苏常州２１３１６４）摘要：环境和资源矛盾日益突出，节能减排发电调度是一种必然。针对风电场出力的随机性与波动性，系统考虑向上向下旋转备用及风电加入后附加备用，建立了节能减排下含风电场的多目标机组组合模型。通过对多个目标进行无量纲化处理，提出了基于节能减排的含风电场机组组合的决策模型。该模型通过调节各目标之间的权重，能够平衡系统的能耗与污染气体的排放，并采用自适应的合作协同进化算法求解。算例表明该模型能有效利用风电，并兼顾节能与减排目标，最终实现含风电场机组组合的安全、经济与环保。关键词：节能减排；多目标；机组组合；旋转备用：自适应合作协同进化Ｍｕｌｔｉ－－ｏｂｊｅｃｔｉｖｅｕｎｉｔｃｏｍｍｉｔｍｅｎｔｍｏｄｅｌｉｎｇａｎｄｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｅｎｅｒｇｙ・－ｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍ—ＺＨＡＮＧＸｉａｏｈｕａ，ＺＨＡＯＪｉｎ．ｑｕａｎ，ＣＨＥＮＸｉｎｇ．ｙｉｎｇ（１．ＣｏｌｌｅｇｅｏｆＥｎｅｒｇｙ＆ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｚｈｏｕ２１３１６４，Ｃｈｉｎａ）——Ａｂｓｔｒａｃｔ：Ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｃｕｔｇｒｅｅｎｈｏｕｓｅｅｍｉｓｓｉｏｎａｎｄｄｅｖｅｌｏｐｅｎｅｒｇｙｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｉｎｇｇｅｎｅｒａｔｉｏｎｓｃｈｅｄｕｌｉｎｇ．Ｄｕｅｔｏｔｈｅｒａｎｄｏｍｎｅｓｓａｎｄｆｌｕｃｔｕａｔｉｏｎｏｆｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ，ｔｈｅｕｐ／ｄｏｗｎｓｐｉｎｎｉｎｇｒｅｓｅｒｖｅａｎｄａｄｄｉｔｉｏｎａｌｕｐ／ｄｏｗｎｒｅｓｅｒｖｅｈａｖｅｔｏｂｅｃｏｎｓｉｄｅｒｅｄｉｎｕｎｉｔｃｏｍｍｉｔｍｅｎｔ．Ａｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｕｎｉｔｃｏｍｍｉｔｍｅｎｔｍｏｄｅｌｆｏｒｅｎｅｒｇｙｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｎｔｈｅｄｅｃｉｓｉｏｎｍａｋｉｎｇｍｏｄｅｌｉｓｒｅａｃｈｅｄｖｉａｄｉｍｅｎｓｉｏｎｌｅｓｓｄｉｓｐｏｓａｌｔｏｍｕｌｔｉｐｌｅｏｂｊｅｃｔｉｖｅｓ．Ａ—ｂａｌａｎｃｅｐｏｉｎｔｏｆｃｏａｌｃｏｎｓｕｍｐｔｉｏｎａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｉｎｇｃａｎｂｅｆｏｕｎｄｂｙａｄｊｕｓｔｉｎｇｔｈｅｗｅｉｇｈｔｏｆｔｈｅｍ．Ａｎａｄａｐｔｉｖｅｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍｉｓｄｅｖｅｌｏｐｅｄｔｏｓｏｌｖｅｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ．Ｆｉｎａｌｌｙ，ａｎｅｘａｍｐｌｅｉｓｇｉｖｅｎｔｏｓｈｏｗｗｉｎｄｐｏｗｅｒｉｓｅｆｆｉｃｉｅｎｔｌｙｉｎｔｅｇｒａｔｅｄ，ａｎｄｔｈｅｅｎｅｒｇｙｓａｖｉｎｇ，ｅｍｉｓｓｉｏｎｏｆｓｕｌｆｕｒａｎｄｃａｒｂｏｎｄｉｏｘｉｄｅａｒｅｓｙｎｔｈｅｔｉｃａｌｌｙｃｏｎｓｉｄｅｒｅｄ．Ｉｔｉｓｅｎｖｉｒｏｎｍｅｎｔ－ｐｒｏｔｅｃｔｉｖｅ，ｅｃｏｎｏｍｉｃａｎｄｓｅｃｕｒｅｆｏｒｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．５０６０７００３）ａｎｄｔｈｅＳｐｅｃｉａｌＦｕｎｄｆｏｒＤｏｃｔｏｒａｌＳｃｉｅｎｃｅａｎｄＲｅｓｅａｒｃｈｂｙＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．２００６０２９４０１９、．Ｋｅｙｗｏｒｄｓ：ｅｎｅｒｇｙ。。ｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｉｎｇ；ｍｕｌｔｉ－－ｏｂｊｅｃｔｉｖｅ；ｕｎｉｔｃｏｍｍｉｔｍｅｎｔ；ｓｐｉｎｎｉｎｇｒｅｓｅｒｖｅ；ａｄａｐｔｉｖｅｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ中图分类：ＴＭ７３文献标识码：Ａ——文章编号：１６７４－３４１５（２０１１）１７００３３０７０引言现有火电为主的发电方式在消耗大量化石燃料的同时造成严重的环境污染，致使环境与资源的矛盾日益突出ＩｌＪ。由于风电巨大的环境和社会效益，越来越受到人们的欢迎和重视。但风电具有随机性和波动性，使电力系统的不确定性因素增多ｊ。含有风电的电力系统在发电调度中需考虑两种基金项目：国家自然科学基金资助项目（５０６０７００３）；高等学校博士学科点专项科研基金（２００６０２９４Ｏ１９）旋转备用ｊ。向上的旋转备用用来应对负荷的突然增加、风力机组发电量突然的下降或者火电机组的强迫停运。其与风电的输出密切相关，或成比例。向下的旋转备用是系统用来应对负荷突然减小和风力机组输出陡然的增加。若在系统调度中不考虑向下的旋转备用可能导致系统火电机组频繁启停。因此在含风电场的电力系统中协调向上和向下的旋转备用是必要的。风电接入对系统备用容量的影响是由于风电预测误差造成的。为了保证含风电场系统的安全性，电力系统保护与控制需要开启少量的发电机组来提供附加备用。系统旋转备用需求和系统风力发电密切相关，需同时考虑。这些复杂约束条件使得含风电场机组组合问题的求解异常困难。＋国内外许多学者对含风电场的优化调度问题进行了研究。文献【６］通过不平衡风险方程来量化风电加入的不确定性，旨在最小化机组组合中费用和风险。文献ｆ７】研究了风电和燃气轮机互补发电系统的机组组合问题，文献【８】提出一种含多种复合能源的分布式发电系统的机组组合模型，文献［９】建立了基于机会约束规划的含风电场电力系统经济调度的数学模型，并利用随机模拟的粒子群算法求解。文献［１０】提出计及安全约束的含风电场机组组合。目前的研究大多没有考虑风电加入系统所需考虑的附加备用及系统的环保减排目标。本文提出节能减排下含风电场多目标机组组合模型，通过对多个目标无量纲化处理及节能、减排目标的权重求和，最终建立了基于节能减排的含风电场机组组合的决策模型。并采用白适应合作协同进化算法（ＡｄａｐｔｉｖｅＣｏｏｐｅｒａｔｉｖｅＣｏｅｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍ，ＡＣＣＡ）来求解。该模型通过能耗权重、ＳＯ２和ＣＯ２排放权重之间动态调整，达到节能与减排之间的平衡。１风速与风电场输出功率预测风速是随机变量，从统计学的角度看，采用威布尔（Ｗ＿ｅｉｂｕｌ１）分布来描述风速能取得较好的精度。因此本文假设风速服从Ｗｅｉｂｕ１１分布。对应的概率密度函数［１】＿２］式中：１，代表风速；ｋ代表风速频谱特性，为无量纲参数；ｃ为尺度参数，具有速度量纲，其值反映平均风速的大小。风力机组发电功率与风速间的关系为¨］ｆｐｄｖ一３ｉ，３一）ｉ＜ＶｒＰ＝｛０ｖ＜ｖｃｊ或ｖｖｃ。（２【ＰｖｒＶ＜ｖｃ。式中：Ｐ为风力机组的输出功率；１，为风机轮毂高度处风速；为切入风速；。为切出风速；Ｖｒ为额定风速；为其额定输出功率。整个风电场的输出功率为其全部风力机组输出功率的总和，如果需要详细考虑前排风机对后排风机输出功率的影响，则可以采用尾流模型计算。２数学描述２．１数学模型节能减排下含风电场机组组合问题的主要目标是在满足系统约束和机组自身运行约束下决定何时开启和关闭火电机组来达到最小化运行耗量，并最大限度减排ｇＯ２、ＣＯ：气体。系统需考虑附加约束在安全与节能减排间平衡。由于风力机组基本不消耗燃料，不排放污染物，本文考虑的是火电机组的能耗与污染气体的排放，具体公式为Ⅳｒ．∑∑“ｍｉｎＦ＝［（ｐｔＪｔ＋（１一ｔ＝ｌｉ＝１（３）∑∑ｍｉｎＥ。：【（，＋ｐ＋）（４）ｔ＝ｌｉ＝１Ⅳ∑∑“ｍｉｎＥ＝【（，＋ｐ（ｐ））（５）ｔ＝ｌｆ＝１式中：为火电机组总能耗，ｔ；Ｕ为机组ｆ在ｆ时刻的状态，机组运行为１，停机为０；（ｐ）为机组ｉ在ｆ时刻的燃料消耗，Ｐ为机组ｉ在ｔ时刻的实际出力；Ｓｔ为机组的启动耗能；Ｔ为总时间段数，为火电机组数０为系统ＳＯ２总排放量，ｔ；，屈，蚝为机组ｉ的Ｓ０２排放系数，为ｃＯ２排放量，ｔ；ｆ，，为机组ｆ的Ｃ０２排放函数系数文中（ｐ；）用二次函数表示为ｃ（ｐ；）＝ａ＋＋ｃ，（）。（６）式中，ａ、ｂｉ、ｃ为机组ｉ的发电耗量系数。２．２约束条件（１）系统有功功率平衡约束Ⅳ∑ｐｆｔｔ＋ｐ＝ｆ＝１２－．，（７）ｉ＝１ＮＷ∑式中：ｐｔ为ｒ时段风电场的输出功率，ｐ＇ｗ＝ｐ；ｗ，甚ｌＮＷ为风力机组数；ｐｔ为第个风力机组在ｆ时段的输出功率；ｐ为ｔ时段系统总负荷。（２）系统向上向下旋转备用约束ＮＴ≥：ｕｓ；ｕ；Ｒ＋ＡＳＲＩ（ｐｔ￣）（８）』－＿ｆ＝ｌ＼／ｌ，，—ｅｌ卜●＼、、＼—ＶＣ●／，一ｃＩＪ、Ｉ，，ＩＩ＼张晓花，等节能减排下含风电场多目标机组组合建模及优化一３５．∑≥）ＡＳＲ２（ｐｔｗ）（９）ｉ＝１式中：ｕｓ；、Ｄｔ为火电机组ｆ在ｔ时段所提供的向上、向下旋转备用，ｕｓ；＝ｍｉｎ（ＵＳｉ，Ｐ一），—Ｄｓ；＝ｍｉｎ（ＤＳｉｍａｘＰＰｉ）。ｕｓ，、ＤＳｉ为机组ｉ所能提供的向上和向下旋转备用的最大值，ＵＳｉ＝ｄ％ｐ，ＤＳｉ＝ｄ％ｐｆ，％为机组最大容量比例，一、Ｐ『ｍｊ为机组ｉ的最大、最小出力；（ｐ＇ｗ）、ＡＳＲ２（ｐｔ）为ｆ时段风电ｐｔ加入系统所需的附加向上、向下备用，ＡＳＲ（ｐｔ）＝ｐ，ｗ，ＡＳＲ２（ｐ＇ｗ）＝ｙ％ｐ＇ｗ，为风电加入所需的附加备用的一次函数系数Ｉ５Ｊ；假设风力机组不提供备用，系统所需备用均由火电机组提供。为ｔ时段系统不含风电时向上旋转备用总容量。（３）风电场输出功率约束≤０ｐ，ｗｐｔ（１０）式中，ｐｔ为风电场在ｔ时段可用的输出功率最大值。（４）火电机组出力上下限约束≤ＰｆｉＰＰｆ（１１）（５）火电机组爬坡约束Ｐ一ｐＵＲｉｐｔ一一ＰＤＲ（１２）（１３）式中，和ＤＲｉ分别为机组ｉ有功功率上升量和下降量的限值。（６）机组最小启停时间约束｛；００…≥ｌ（一）Ｔ＜式中：为机组ｉ到ｔ时段连续运行（为正值）或连续停机（为负值）的时段数；、分别为机组ｉ最小运行时问与最小停机时间。３多目标机组组合模型转化节能减排下含风电场的多目标机组组合既要保证系统最大限度降低能耗，又要减少ＳＯ２、ＣＯ２的排放。其求解方法之一为权重法【Ｊ。。，即首先对每个目标赋予一个权重，再累加作为新目标，然后在与原问题相同的约束下求解。各目标之间的权重分配反映了系统对不同目标的侧重程度。不断改变各目标对应的权重大小，可以得到不同的满意解。权重法求解的前提是构成新目标函数的所有目标必须具有相同的量纲，若量纲不同，必须统一量纲或无量纲化处理。文中三个目标量纲相同，但数量级不同，为不影响目标函数的求解效果，将这三个目标的函数值标准化，转化为无量纲的量。３．１节能目标的处理因为Ｆ一ｉ和ｉ具有相同量纲，因此—二＿不再具有量纲。新目标函数为ｉｎｒ，ｍｉｎ见＝ｆ）。（１５）Ｔｍｊ式中：Ｒ。为经过改进后节能目标；ｉ为能耗目标的理想值；Ｒ取得最小值时，能保证Ｆ无限接近ｅｉ。３．２ＳＯ２排放目标的处理将ＳＯ２排放目标进行无量纲化处理，选择ｉ为基量。新目标函数为ＦＦｒａｉｎ足＝（三）（１６）。Ｉｎｉｎ式中：为经过改进后８０２减排目标；ｉ为ＳＯ２排放目标的理想值；足取得最小值时，能保证Ｅ无限接近。３．３ＣＯ排放目标的处理同样将ＣＯ２排放目标进行无量纲化处理，选择为基量。新目标函数为ｍｉｎ足＝（三盟）（１．７）ｉ式中：为经过改进后ＣＯ２减排目标；为Ｃ０２排放目标的理想值；取得最小值时，能保证巨无限接近巨。将上述三个目标进行加权求和，得到转化后节能减排下含风电场多目标机组组合决策模型：““ｍｉｎＭ（，，ｐ）＝Ｒｅ（ｐ；，ｔ，ｐ＇ｗ）＋（，ｔ，）＋“（，；，ｐ）＋＋ｃｏ３＝１（１８）（１９）约束条件为式（７）～（１４）；式中，为转化后节能减排下机组组合的决策（整体）目标。为总耗量权重，体现了节能在节能减排整体目标中的重要程度；为ＳＯ２排放权重，体现了减排ＳＯ２在节能减排整体目标中的重要程度；ｏ）３为ＣＯ２排放权重，体现了温室气体减排在节能减排整体目标中的重要程度。．１３６．电力系统保护与控制４节能减排下含风电场多目标机组组合的求解协同进化｝】６】具有博弈论的动态特点，通过构造两个或多个种群，建立它们之间的竞争或合作关系，多个种群通过相互合作来提高各自性能，适应复杂系统的动态演化环境，以达到种群优化的目的。其利用少数起演化导向作用的个体，减少不必要的计算量，使收敛速度加快。而进化算法只采用个体自身适应度的演化模式，没有考虑其进化的环境和个体之间的联系对个体进化的影响，易出现未成熟收敛且收敛速度较慢等缺陷［１７Ｊ。本文的ＡＣＣＡ基于协同进化算法ｌ１引，采用分解．协调思想，用拉格朗日松弛法（ＬＲ）将复杂的机组组合问题分解为一系列相互作用的子系统优化问题，每个子系统优化问题对应于生态系统的一个物种。采用自适应交叉、变异算子的遗传算法求解各个子系统优化问题，遗传算法求解过程相互独立，即子系统中的个体只与其所属子系统中的个体进行自适应的交叉、变异，而各子系统问共同的协调变量是拉格朗日乘子，自适应的调整拉格朗日乘子达到子系统的最佳组合。各子系统闯既相互合作又相对独立，是一个协同进化的过程，从而形成机组组合整体的进化。采用ＡＣＣＡ求解节能减排下决策目标，遗传算法求解各个子系统，通过自适应调整遗传算子达到各子系统的优化，通过自适应的调整拉格朗日乘子Ｉ１９】来整体协调各子系统。引入一组拉格朗目乘子，，来松弛式（７）～（９），构成拉格朗日增广函数：““Ｌ（Ｐ，，，，／２，＇／ａ）＝Ｍ（Ｐ，，ｐ）＋∑∑［（ｐ一一）＋ｔ＝１ｆ＝１ＮＴ（Ｒ＋Ａ１（ｐ）一：甜）＋ＮＴｆ＝１（２（ｐ０）～ｕ［ＤＳ）］ｆ＝１（２０）运用对偶定理分解式（２０），得到原对偶两层优化问题，下层火电机组ｉ的子问题：三ｍｉｎ，ｉ＝二【Ｍｆ一五∥一一２ｔ上／ｏｉｔ（２１）式中，为单个火电机组ｉ对应的目标，相应约束条件为式（１１）～（１４）。下层风电场子问题：ｒａ，∑ｉｎＬ＝（一ｐ＋（ｐ：ｖ）＋（Ｐ：ｖ）】”，＝Ｉ（２２）式中，为风电子问题的目标，相应约束为式（１０）。上层问题为自适应的更新策略来优化拉格朗日乘子，即求解式（２０）。上述节能减排下含风电场多目标机组组合的实现流程如图１所示。图１节能减排下含风电场多目标机组组合的实现流程—Ｆｉｇ．１Ｔｈｅｆｌｏｗｃｈａｒｔｏｆｍｕｌｔｉｏｂｊｅｃｔｉｖｅｕｎｉｔｃｏｍｍｉｔｍｅｎｔｆｏｒ—ｅｎｅｒｇｙｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｐｏｗｅｒｓｙｓｔｅｍ５算例分析本文假设研究系统中含有１个风电场和１Ｏ台火电机组，火电机组采用文献［１９】中１Ｏ机２４时段的部分数据，在此基础上增加火电机组的爬坡速率要求和机组的排放系数和能耗数据，排放系数参照文献［２０３产生，如表１所示。不含风电时系统向上旋转备用取为各时段负荷的１０％。假设任何一台火电机组所能提供的最大向上、向下旋转备用不能超过其额定容量的２０％（％＝２０％１，取ｙ＝２０。风电场的数据参照文献【４］给出，含有并联运行的１２０台同型号异步风力机组，额定总有功２４０Ｍｗ，研究周期内风电场预测的各时段平均输出功率见图２。张晓花，等节能减排下含风电场多目标机组组合建模及优化一３７一ｔ／ｈ图２各时段风电场的平均输出功率Ｆｉｇ．２Ｈｏｕｒｌｙａｖｅｒａｇｅａｖａｉｌａｂｌｅｗｉｎｄｐｏｗｅｒ三个优化子目标分别为Ｆｍｉ＝７６５１．１６ｔ，ｉ＝７１．４５１ｔ，ｉ＝１３３．２４４ｔ。７４≮７３Ｏ０１Ｏ１０２０２０３Ｏ３Ｏ４０４０５０ｔＯＪ％５０ｍ３／％图３比较不同权重系统的各目标的变化情况Ｆｉｇ．３Ｔｈｅｒｅｓｕｌｔｓｏｆｔｈｒｅｅｏｂｊｅｃｔｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｗｅｉｇｈｔｓ＾￣．３８．电力系统保护与控制从图３可以看出，随着节能目标对应权重的减小，系统的一次能源消耗成本有所增加，且其增幅值在可接受的范围内；增加ＣＯｚ排放量所对应的权重，其排放量可得到大幅减少；同样增加ＳＯｚ排放量对应的权重，其排放量也得到减少，但减幅较小。同样ＣＯ２排放量所对应的权重从１逐步降低的过程中增加节能目标与ＳＯ２排放目标对应的权重，ＣＯ２排放量逐步增大，节能目标与ＳＯ２减排目标逐步减小。说明节能与减排目标要适度调节，相互协调，不可厚此薄彼。当权重在一Ｄ．４、翰一Ｏ．３和一Ｏ．３时符合节能目标稍重要于减排目标的实际情况，且节能目标、ＳＯ２与ＣＯ２排放目标均较理想，所以本文选取此情况下做具体分析。表２为各目标在＝０．４、＝０．３和＝０３时各情况下结果对比。１表示不含风电的情况；２表示含风电且不考虑附加备用情况；３表示含风电并考虑附加向上备用的情况；４表示含风电并考虑附加向上备用，并协调风电和火电机组出力的情况；５表示含风电并同时考虑附加的向上、向下备用的情况。计算中暂不考虑火电机组开机能耗。表３为Ｃａｓｅ３、４下低负荷时段风电缩减与否结果对比。表２各种情况下结果对比呈：兰２翌已呈盟２翌２坐！堡旦！堡兰旦垒！！垒垡！！呈！！呈！ｃａｓｅｌ２３４ＳＦ１００４１４７９６９８９０７９８０５１６７８９０４１２８０１２５３４Ｅｄｔ８１．６６５７３．１３１７３．１７２７２．８７８７３．１６５ＥＡ１６１９８７１４３４６７１４３２９６１４３５２７１４２６６５从表２可以看出Ｃａｓｅｌ不含风电系统的能耗和Ｓ０２，Ｃ０２排放均远远高于含风电情况下系统的能耗—和ＳＯ、ＣＯ：排放。在Ｃａｓｅ２５中考虑的约束越多，系统能耗越高，ＳＯ２排放越多，但ＣＯ２排放有所减少。这三个目标相互制约，想节能势必造成ＣＯ排放量增加；相反减少ＣＯ２排放必然会增加系统的能耗。机组１０能耗大、污染程度高，在含风电场节能减排调度下始终无法开机。表３风力发电缩减与否结果对比Ｔａｂ．３ＣｏｍｐａｒｉｓｏｎｏｆｒｅｓｕｌｔｓｃｏｎｓｉｄｅｒｉｎｇｔｈｅｗｉｎｄｇｅｎｅｒａｔｉｏｎｃｕｒｔａｉｌｍｅｎｔｏｒｎｏｔＣａｓｅ时段２３２４１２３４５ｔ～２。０９４：８：７：—从表３的结果看出，在低负荷时段（２３５）适当减少风电场的输出更有利于减小系统能耗。低负荷时段，风电场的输出功率很可能过剩，如果不缩减风电场的出力，不得不减小在线运行的基荷机组数量。但同时为了满足附加的向上备用约束，要让有些腰荷或峰荷机组发电，导致系统运行能耗增加。在这种情况下，适当减少风电场的出力更有利于系统的节能减排。这三个目标相互矛盾，且节能与减排目标的权重并不是一成不变的，根据实际需求及决策者对其重视程度，可以施以不同的权重，实现节能、ＳＯ２与ＣＯ排放目标之间的转化与协调，在此基础上适当有效地利用风电更有利于系统的节能减排。６结论由于风力发电的随机性和波动性，必须考虑附加约束来达到系统的安全和总运行能耗间的折中。风火发电系统虽需提供附加备用，但能缩减ＳＯ２、ＣＯ：的排放，尤其有利于大幅减少ＣＯ：的排放。ＡＣＣＡ可以有效地解决含风电场多目标机组组合问题，并提高系统运行的鲁棒能力。节能减排下含风电场多目标机组组合有利于系统优化电源结构，本文为缓解温室效益并达到发电系统的节能减排作了有益探索。参考文献［１］喻洁，季晓明，夏安邦．基于节能环保的水火电多目标调度策略［Ｊ】．电力系统保护与控制，２００９，３７（１）：２４．２７．——ＹｕＪｉｅ，ＪＩＸｉａｏｍｉｎｇ，ＸＩＡＡｎｂａｎｇ．Ｍｕｌｔｉ，ｏｂｊｅｃｔｉｖｅ—ｈｙｄｒｏｔｈｅｒｍａｌｄｉｓｐａｔｃｈｂａｓｅｄｏｎｅｎｅｒｇｙｃｏｎｓｅｒｖ￣ｉｏｎａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｐｒｏｔｅｃｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１）：２４．２７．［２］范玉宏，张维，韩文长，等．区域电网节能发电调度模式研究【Ｊ】．电力系统保护与控制，２００９，３７（１６）：１０７．１１１．ＦＡＮＹｕ－ｈｏｎｇ，ＺＨＡＮＧＷｅｉ，ＨＡＮＷｅｎ－ｃｈａｎｇ，ｅｔａ１．—Ｒｅｓｅａｒｃｈｏｎｅｎｅｒｇｙｓａｖｉｎｇｇｅｎｅｒａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇｍｏｄｅｌｉｎｒｅｇｉｏｎａｌｇｒｉｄ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１６）：１０７．１１１．［３］范玉宏，张维，韩文长，等．兼顾电力市场竟价的区域电网节能发电调度模型『Ｊ１．电力系统保护与控制，２００９，３７（１８）：８３．８８，９２．—ＦＡＮＹｕ－ｈｏｎｇ，ＺＨＡＮＧＷｅｉ，ＨＡＮＷｅｎｃｈａｎｇ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｅｎｅｒｇ—ｙｓａｖｉｎｇｇｅｎｅｒａｔｉｏｎｄｉｓｐａｔｃｈｉｎｇｍｏｄｅｌｉｎｒｅｇｉｏｎａｌｇｒｉｄｃｏｎｓｉｄｅｒｉｎｇｂｉｄｄｉｎｇｍｅｃｈａｎｉｓｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１８）：８３．８８，９２．［４］陈海焱，陈金富，段献忠．含风电场电力系统经济调度的模糊建模及优化算法［Ｊ］．电力系统自动化，张晓花，等节能减排下含风电场多目标机组组合建模及优化．３９．２００６，３０（２）：２２－２６．———ＣＨＥＮＨａｌｙａｎ，ＣＨＥＮＪｉｎｆｕ，ＤＵＡＮＸｉａｎｚｈｏｎｇ．Ｆｕｓｓｙｍｏｄｅｌｉｎｇａｎｄｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｏｎｄｙｎａｍｉｃｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００６，３０（２）：２２．２６．—［５］ＣｈｅｎＣＬ．Ｏｐｔｉｍａｌｗｉｎｄｔｈｅｒｍａｌｇｅｎｅｒａｔｉｎｇｕｎｉｔｃｏｍｍｉｔｍｅｎｔ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＥｎｅｒｇｙＣｏｎｖｅｒｓｉｏｎ，—２００８，２３（１）：２７３２８０．［６］ＶｅｎｋａｔｅｓｈＢ，ＹｕＰ，ＧｏｏｉＨＢ．ＦｕｚｚｙＭＩＬＰｕｎｉｔｃｏｍｍｉｔｍｅｎｔｉｎｃｏｒｐｏｒａｔｉｎｇｗｉｎｄｇｅｎｅｒａｔｏｒｓ［Ｊ］．ＩＥＥＥ—ＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２００８，２３（４）：１７３８１７４６．［７］包能胜，蔡佳炜，倪雄斗．风气互补发电系统内部机组组合问题研究［太阳能学报，２００９，３０（２）：２１７．２２１．——ＢＡＯＮｅｎｇｓｈｅｎｇ，ＣＡＩＪｉａ・ｗｅｉ，ＮＩＸｉｏｎｇｄｏｕ．Ｒｅｓｅａｒｃｈｏｎｉｎｎｅｒｕｎｉｔｃｏｍｍｉｔｍｅｎｔｏｆｈｙｂｒｉｄｐｏｗｅｒｓｙｓｔｅｍｃｏｍｂｉｎｉｎｇｗｉｎｄｆａｒｍｗｉｔｈｓｍａｌｌｇａｓｔｕｒｂｉｎｅｐｏｗｅｒｐｌａｎｔｓ［Ｊ】．ＡｃｔａＥｎｅｒｇｉａｅＳｏｌａｒｉｓＳｉｎｉｃａ，２００９，３０（２）：２ｌ７．２２１．［８］丁明，包敏，吴红斌，等．复合能源分布式发电系统的机组组合问题［Ｊ］．电力系统自动化，２００８，３２（６）：—４６５Ｏ．—ＤＩＮＧＭｉｎｇ，ＢＡＯＭｉｎ，ＷＵＨｏｎｇｂｉｎ，ｅｔａ１．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｐｒｏｂｌｅｍｉｎｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍｗｉｔｈｍｕｌｔｉｐｌｅｅｎｅｒｇｙｓｏｕｒｃｅ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃ—ＰｏｗｅｒＳｙｓｔｅｍｓ，２００８，３２（６）：４６５０．［９］江岳文，陈冲，温步瀛．基于随机模拟粒子群算法的含风电场电力系统经济调度【Ｊ］．电工电能新技术，—２００７，２６（３）：３７４１．—ＪＩＡＮＧＹｕｅ－ｗｅｎ，ＣＨＥＮＣｈｏｎｇ，ＷＥＮＢｕｙｉｎｇ．Ｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｔｏｃｈａｓｔｉｃｓｉｍｕｌａｔｉｏｎｉｎｗｉｎｄｐｏｗｅｒｉｎｔｅｇｒａｔｅｄｓｙｓｔｅｍ［Ｊ］．ＡｄｖａｎｃｅｄＴｅｃｈｎｏｌｏｇｙｏｆＥｌｅｃｔｒｉｃａｌ—ＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｎｅｒｇｙ，２００７，２６（３）：３７４１．—［１０］ＷａｎｇＪ，ＳｈａｈｉｄｅｈｐｏｕｒＭ，ＬｉＺ．Ｓｅｃｕｒｉｔｙｃｏｎｓｔｒａｉｎｅｄｕｎｉｔｃｏｍｍｉｔｍｅｎｔｗｉｔｈｖｏｌａｔｉｌｅｗｉｎｄｐｏｗｅｒｇｅｎｅｒａｔｉｏｎ［Ｊ】．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒＳｙｓｔｅｍｓ，２００８，２３（３）：１３１９一ｌ３２７．［１１］ＫａｎｔａｒＹＭ，ＵｓｔａＩ．Ａｎａｌｙｓｉｓｏｆｗｉｎｄｓｐｅｅｄｄｉｓｔｒｉｂｕｔｉｏｎｓ：ｗｉｎｄｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｄｅｒｉｖｅｄｆｒｏｍｍｉｎｉｍｕｍｃｒｏｓｓｅｎｔｒｏｐｙｐｒｉｎｃｉｐｌｅｓａｓｂｅｔｔｅｒａｌｔｅｒｎａｔｉｖｅｔｏｗｅｉｂｕｌｌｆｕｎｃｔｉｏｎ［Ｊ］．ＥｎｅｒｇｙＣｏｎｖｅｒｓｉｏｎａｎｄＭａｎａｇｅｍｅｎｔ，２００８，—４９（５）：９６２９７３．［１２］ＲｏｎｅｙＪＡ．Ｓｔａｔｉｓｔｉｃａｌｗｉｎｄａｎａｌｙｓｉｓｆｏｒｎｅａｒ－ｓｐａｃｅａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃａｎｄ—Ｓｏｌａｒ－ＴｅｒｒｅｓｔｒｉａｌＰｈｙｓｉｃｓ，２００７，６９（１３）：１４８５１５０１．１１３ＪＢｏｗｄｅｎＧＪ，ＢａｒｋｅｒＰＲ，ＳｈｅｓｔｏｐａｌＶＯ，ｅｔａ１．Ｗｅｉｂｕｌｌｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎａｎｄｗｉｎｄｐｏｗｅｒｓｔａｔｉｓｔｉｃｓ［Ｊ］．Ｗｉｎｄ—Ｅｎｇｉｎｅｅｒｉｎｇ，１９８３，７（２）：８５９８．［１４］唐焕文，秦学志．实用最优化方法］．大连：大连理工大学出版社，２００５．［１５］雷金勇，谢俊，甘德强．分布式发电供电系统能量优化及节能减排效益分析ｆＪ１．电力系统白动化，２００９，３３（２３）：２９．３６．—ＬＥＩＪｉｎｙｏｎｇ，Ｘ１ＥＪｕｎ，ＧＡＮＤｅ・ｑｉａｎｇ．Ｏｐｔｉｍｉｚａｔｉｏｎｏｆｄｉｓｔｒｉｂｕｔｅｄｅｎｅｒｇｙｓｙｓｔｅｍａｎｄｂｅｎｅｆｉｔａｎａｌｙｓｉｓｏｆｅｎｅｒｇｙｓａｖｉｎｇａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃ￣ｉｃ—ＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（２３）：２９３６．［１６］ＰｏｔｔｅｒＭＡ，ＤｅＪｏｎｇＫＡ．Ｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎ：ａｎａｒｃｈｉｔｅｃｔｕｒｅｆｕｒｅｖｏｌｖｉｎｇｃｏａｄａｐｔｅｄｓｕｂｃｏｍｐｏｎｅｎｔｓ［Ｊ］．ＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ，２０００，８（１）：１－２９．［１７］ＰｏｔｔｅｒＭＡ，ＤｅＪｏｎｇＫＡ．Ａｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎａｒｙａｐｐｒｏａｃｈｔｏｆｕｎｃｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ［Ｍ］．ＳｐｒｉｎｇｅｒＢｅｒｌｉｎ，１９９４：２４９．２５７．［１８］陈皓勇，王锡凡，别朝红，等．协同进化算法及其在电力系统中的应用前景ｌ川．电力系统自动化，２００３，２７（２３）：９４．１００．———ＣＨＥＮＨａｏｙｏｎｇ，ＷＡＮＧＸｉｆａｎ，ＢＩＥＺｈａｏｈｏｎｇ，ｅｔａ１．Ｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎａｐｐｒｏａｃｈｅｓａｎｄｔｈｅｉｒｐｏｔｅｎｔｉａｌａｐｐｌｉｃａｔｉｏｎｓｉｎｐｏｗｅｒｓｙｓｔｅｍｓ［Ｊ】．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃ—ＰｏｗｅｒＳｙｓｔｅｍｓ，２００３，２７（２３）：９４１００．［１９］ＯｎｇｓａｋｕＷ，ＰｅｔｃｈａｒａｋｓＮ．Ｕｎｉｔｃｏｍｍｉｔｍｅｎｔｂｙｅｎｈａｎｃｅｄａｄａｐｔｉｖｅｌａｇｒａｎｇｉａｎｒｅｌａｘａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＰｏｗｅｒ—Ｓｙｓｔｅｍｓ，２００４，１９（１）：６２０６２８．［２０］ＤｈｉｌｌｏｎＪＳ，ＰａｒｔｉＳＣ，ＫｏｔｈａｒｉＤＰＦｕｚｚｙｄｅｃｉｓｉｏｎ－－ｍａｋｉｎｇｉｎｓｔｏｃｈａｓｔｉｃｍｕｌｔｉｏｂｊｅｃｔｉｖｅｓｈｏｒｔ－・ｔｅｒｍｈｙｄｒｏｔｈｅｒｍａｌｓｃｈｅｄｕｌｉｎｇ［Ｊ］．１ＥＥＰｒｏｃｅｅｄｉｎｇｓ：ＧｅｎｅｒａｔｉｏｎＴｒａｎｓｍｉｓｓｉｏｎａｎｄＤｉｓｔｒｊｂｕｔｉｏｎ，２００２，】４９（２）：】９１．２００．收稿日期：２０１０－１０－２４；—修回Ｅｌ期：２０１Ｏ－１１２４作者简介：张晓花（１９８１一），女，博士生，讲师，主要从事电力系—统优化运行与控制研究；Ｅｍａｉｌ：ｚｈａｎｇ８１０３０１＠１６３．ｃｏｍ赵晋泉（１９７２一），男，教授，主要从事电力系统优化运行、静态稳定控制研究；陈星莺（１９６４一），女，教授，研究方向为电力系统经济运行分析与控制、电力市场与电力经济、可再生能源发电系统的运行分析与控制。