摘要：本文主要考虑到风功率预测误差、负荷预测误差随着预测调度时间缩短而降低的特性，又考虑到了减少弃风在风电大规模接入电网时的重要意义，建立了包含总发电成本最小和“弃风”电量期望最低为目标函数的多目标日前优化调度模型，采用了广泛应用于多目标优化调度问题求解的遗传算法进行求解。

由于本文所建立模型的两个优化目标总发电成本最小和“弃风”电量期望最低存在不可调和的冲突，无法同时达到最优，故引入了模糊理论，通过隶属度函数建立了最大满意度的优化模型，并采用遗传算法对此单目标模型求解。

风电并入电网具有很强的随机性，故本文采用电力不足率的概率机会约束替代旋转备用约束。失负荷概率和“弃风”电量期望计算中均考虑了风功率波动、负荷波动和常规机组强迫停运的不确定性因素。文章最后采用IEEE 118节点测试系统对所建立模型进行了算例仿真，分析结果表明，本文所建立模型可以确定同时考虑总发电成本和“弃风”电量期望时的优化调度最优解，为风电大规模并网优化调度研究提供了新的参考。

关键词：遗传算法，弃风电量期望，模糊化处理，电力不足率，最大满意度

目录

摘要

ABSTRACT

第一章 绪  论-1

1.1 选题的背景和研究意义-1

1.2 国内外研究概况-2

1.2.1 电力系统优化调度-2

1.2.2 风功率的随机性研究-3

1.2.3 优化调度求解算法研究现状-3

1.2.4 优化调度建模研究现状-5

1.3 本文主要研究工作-6

第二章 求解算法分析-7

2.1 遗传算法的分析-7

2.2 遗传算法的基本机理-7

2.2.1 编码与解码-7

2.2.2 适应度-8

2.2.3 遗传操作-8

2.3 遗传算法的基本流程-9

2.4 遗传算法的特点及优缺点-10

2.4.1 遗传算法的特点-10

2.4.2 遗传算法的优点-10

2.4.3 遗传算法的缺点-10

2.5 本章小结-11

第三章 多目标优化调度建模-12

3.1 多目标优化模型-12

3.1.1 目标函数-12

3.1.2 约束条件-13

3.2 风险指标及“弃风”计算-15

3.2.1 不确定性因素分析-15

3.2.2 电力不足概率计算-17

3.2.3 “弃风”电量期望计算-18

3.3 本章小结-19

第四章 模型求解-20

4.1 目标函数分析-20

4.2 目标函数的模糊化处理-21

4.2.1 模糊集合理论-21

4.2.2 模糊化处理-22

4.3 基于遗传算法的模型求解-23

4.4 本章小结-26

第五章 算例分析-27

5.1 算例介绍-27

5.2 目标函数计算-28

5.2.1 总发电成本-28

5.2.2 “弃风”电量期望-29

5.3 优化调度模型求解-30

5.4 优化结果分析-31

5.5 本章小结-33

第六章 结论与展望-34

6.1 结论-34

6.2 展望-34

参考文献-36

致  谢-40