关键词:
核搜索优化算法
经济排放调度
差分进化
新能源发电
Prophet模型
摘要:
在当前可持续发展和低碳环境的社会背景下,节能减排技术受到各行业的关注。电力行业作为化石能源消耗的主要行业,是降低碳排放的重点目标,引进新能源的发电形式,也可以有效降低发电成本,对电力系统的发展有着重要意义。经济排放调度问题,是在满足各项约束条件的前提下,讨论电力系统发电成本和污染排放的关系的课题,该课题的研究为新能源并网发电和降低碳排放有效性提供了有力的参考依据。
经济排放调度问题是典型的优化问题,其中发电成本与污染排放两个目标具有天然的矛盾性,如何给出合理的机组调度方案,实现成本和污染的协调化是该问题研究的重点。传统的优化问题求解方法在复杂的电力机组和约束限制的情况下发挥的作用十分有限,往往需要消耗大量的计算时间,所得结果与最佳调度方案也存在较大差距。智能优化算法作为元启发式方法,可以有效降低实际问题的限制,使用随机值不断逼近最佳适应度的可行解,快速得到满足条件的结果,为经济排放调度问题提供了有效的解决方法。
因此,本文提出了一种基于差分进化的核搜索优化算法(UKSO),并将其用于解决含有新能源发电的经济排放调度问题。首先,本文通过分析核搜索优化算法的特点,结合差分进化算法的交叉、变异和选择机制,对核搜索过程进行针对性改进,以平衡该算法的全局搜索和局部发掘,获得更高效的优化能力。经过CEC2017基准函数集的验证,UKSO在统计分析、迭代曲线图、箱型图等不同维度上均取得了比其他算法更好的结果。其次,本文讨论了新能源发电的优势与难点,详细分析了风力发电和光伏发电的原理,并使用基于贝叶斯线性回归的Prophet模型对风、光发电的功率进行预测。实验结果显示,与经典的SARIMA方法与LSTM模型相比,Prophet模型的预测效果更贴近于实际新能源的发电情况。最后,本文提出了一种含有风、光、火发电和储能系统的两时段能源调度模型(TTED),以日前和实时两个阶段的动态调度实现电力系统整体的稳定发电,并使用UKSO对日前调度方案进行优化,以求在充分利用新能源的发电形式下,降低发电成本,并实现最低污染排放。通过8机组、14机组和58机组的案例分析,UKSO与相关算法相比,在发电成本和碳排放量上都得到了更有竞争力的结果,24小时内的综合发电成本可以降低3.4%以上,碳排放量降低4.5%以上。同时UKSO给出的方案中新能源发电的占比最高,均达到90%以上的利用率,进一步证明了UKSO在解决经济排放调度问题中的有效性,为实现电力系统的低碳发展提供了有效参考。