风力并网对电力系统的影响_开题报告

（一）国内研究现状

中国风电行业经过了七八年的高速成长，创造了两个“世界第一”。在前5年保持了百分之百的增长速度后，2015年中国新增风电装机容量达33GW,创下历史新高,其中新疆为增长最快的地区,2015年新增容量为8.4GW,占总新增装机容量的26%。而内蒙古和宁夏各自均新增4GW,各占总新增装机容量的12%。截至2015年,累计装机容量达到129GW，实现了风电装机规模的世界第一。然而，还有一个“世界第一”却让人有些尴尬，那就是我国弃风限电达到世界第一的规模。风电和电网规划建设不同步、系统调峰不足、并网技术不成熟、就地消纳能力不足等因素叠加，使得风电的并网瓶颈和市场消纳问题凸显。然而，从深层次上看，表面上表现为风电与火电之间的矛盾，更是由于电力管理体制和政策机制上还没做出调整造成的。电价机制过于刚性，缺乏市场激励机制的设计，导致“风电优先上网”落实成效不佳。所以风电并网的道路还任重而道远。

•••••

（二）国外研究现状

欧洲和美国在风电市场中占统治地位，其中德国是目前风电装机最大的国家，装机容量超过2000万千瓦；美国和西班牙也都超过了1000万千瓦；印度是除美国和欧洲之外新装机容量最大的国家，装机总容量也超过600万千瓦。国外风力电机组已具备模式化组装基础。随着风电机组单机容量的不断增大，国外的风电场正逐渐从陆上向海上发展，海上风速较高、风电机组距离海岸较远，视觉干扰很小、允许机组制造更为大型化，从而可以增加单位面积的总装机量、机组噪音排放的控制问题也不那样突出。目前，英国、丹麦、荷兰、德国等欧洲国家已建成若干海上风电场，并且提出了海上风电场规划的战略目标。同时国外为风电的市场需求提供了较完善的法律保障，所以风电的发展速度一直处于一个高位。

（三）机组优化调度的研究现状

电力系统机组优化调度是一种非线性混合规划问题，具有高维、非凸、不可微的特点。近年来，随着对这类问题研究的不断深入探索，涌现出一些能够有效解决问题的优秀算法，主要包括传统优化算法与人工智能优化算法。

（1）传统优化算法

本文以优先顺序法、拉格朗日松弛为例，介绍求解非线性混合规划问题的传统算法。

优先顺序法(PL)是一种很早就已经开始被广泛使用的算法，目前为止被普遍应用在生产实践当中，在机组调度发展过程中具有不可忽视的地位。优先顺序法的原理可以描述为，首先规定一种排序指标，对各台机组按优先顺序进行排序，得到优先顺序表，其次根据每个时段负荷需求指令的变化，按照优先顺序表启动或者停运机组。普遍使用平均满负荷成本(AFLC)作为排序指标，但是使用这个指标的不足是，当电力系统处在低负荷运行的情况下，不能高效利用大容量机组。学者们对优先顺序法做了许多研究。文献提出将机组容量利用率用投入利用因子(CUF)表示，创新性地将CUF和AFLC相结合，作为一种排序指标，实验结果与传统的优先顺序法相比，取得了不错的优化效果。文献引入了启发式策略，基于优先顺序法得到的优化解，扩展此优化解生成可选方案，得到机组组合集合，最后从中搜索最优解。文献基于传统优先顺序法，提出效用系数(UUR)这一概念，将此作为排序指标，提高了算法的优化效率。优先顺序法具有原理相对简单、运算快速高效的优点，对于小型机组的机组组合问题，是一种非常有效的方法。

拉格朗日松弛法(LR)是一种适合于求解复杂整数组合问题的方法，在目标函数里加入惩罚函数形式的约束条件，并将目标函数分解为每台机组的子问题，通过在计算过程中更新拉格朗日乘子搜寻最优解。LR法求解机组调度问题不存在维数问题，加快了优化速度，但是由于引入了对偶间隙，造成了找不到最优解可能性。文献先利用PL法求得每台机组的启停状态，再用次梯度法更新拉格朗日乘子，最后将所得到的对偶问题的解表示成可行解。文优化拉格朗日乘子，在保证算法的收敛性的前提下，求解对偶问题。文献基于传统的LR法，基于启发式搜索，引入自适应更新策略，优化拉格朗日乘子，计算结果证明所提出算法的高效性和优越性。

（2）智能优化算法

随着研究者们在人工智能方面的不断创新，与仿真技术的持续发展，各种各样智能优化算法涌现而出，在社会发展的各个领域得到广泛应用。因此，智能优化算法也越来越多地被应用到电力系统机组优化调度中，取得了不错的成效。

20世纪70年代，研究者提出了一种后来被大规模运用到实践中的随机搜索算法，称为遗传算法(GA)。首先确定初始种群，效仿生物遗传过程中的选择、交叉、变异，进化，其过程依照优胜劣汰的原则，逐代进化后收敛到近似最优解。GA作为种群智能优化算法，最为广泛研究和使用。文献对GA算法进行改进，为避免算法陷入“早熟”，变换性质函数，在求解过程中引入特殊算子，实验结果证明了改进方法显著提高了原算法的优化效果。文献引入多窗口变异方法，结合GA算法的优点与矩阵实数编码法，将原优化问题转变成单层优化问题，对优化问题的约束条件针对个体进行有效调整，提高了计算效率与算法的全局搜索能力。

模拟退火算法(SA)作为一种基于启发策略式的随机搜索算法，优化问题相似于热力学固体物质退火过程，在理论上能够得到比较精确的全局最优解。算法基于Metropolis准则，最关键的优点是能够越过局部最优解，得到全局最优解，但是参数的确定较为繁琐。

受蚁群成群寻找食物的行为启发而产生了一种新型智能算法，称为蚁群算法(ACA)。此算法进行分布式计算，为与其他智能算法相结合求解优化问题提供便利条件。文献为避免算法得到局部最优解，在ACA中引入随机扰动，经过算例仿真，表明了改进方法提高了ACA的收敛性。文献为减少奴群的盲目寻优，引入候选路径与有效修复的概念，提出基于自适应规则的ACA，提高蚁群算法的计算效率。

粒子群算法(PSO)作为一种进化算法，相仿于遗传算法，首先由一组随机解展开计算，逐代变换求得优化解，以适应度表示目标函数值，相比于遗传算法，仅经过跟随当前求得的最佳适应度来完成寻优过程，PSO计算更加简便。PSO算法具有编程简单、求解精确、计算速度快等优点，同时在实践中得到了良好的应用，取得了不错的效果，在当前的研究领域中受到了越来越多的重视。文献运用离散的粒子群算法，在机组优化调度问题求解过程中，各台机组的运行状态用0-1变量表示。文献不再使用0-1变量代表机组运行状态，用区间内的实数代替，将离散变量转变为连续变量，釆用粒子群算法求解优化问题。文献在粒子群算法中引入闭环控制与反馈机制，避免了早熟现象，降低了问题的维数，保证了粒子的多样性，提高了优化效率。

二、^范文提纲

1.绪论

1.1 选题背景及意义

1.2 研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

2.风电机组相关概述

2.1 风机的结构和模型

2.1.1 风速模型

2.1.2 风机的稳态潮流模型

2.2 含风电机组的潮流计算流程

2.3 算例分析

3.风电并网后的小干扰稳定研究

3.1 小干扰稳定分析的主要内容

3.2 含有异步风电机组的小干扰稳定分析模型

4.风电接入对系统暂态稳定性的影响

4.1 双馈风机模型

4.2 电力系统暂态分析方法

4.3 实际算例分析

4.3.1 N-1预想事故集与监视设置

4.3.2 山东电网N-1发电厂切除

4.3 特高压线路N一1短路故障分析

5.结论

参考文献

致谢

三、参考文献

[1]张乐丰,王增平. 风电并网对电力系统的影响[J]. 江苏电机工程,2011,02:81-84.

[2]刘桂龙,蔡静静,王维庆. 风机并网与解裂对电力系统的影响及应对策略[J]. 中国电力,2011,04:7-10.

[3]胡兴军. 风力发电并网对电网系统的影响分析[J]. 电气制造,2011,11:72-75.

[4]赵跃. 浅析风电场并网对电力系统的影响[J]. 河南科技,2014,01:50.

[5]张小坡,谷永春,安鹏. 风电并网对电力系统的影响及其抑制措施[J]. 电气时代,2014,01:70-72+75.

[6]和萍,文福拴,薛禹胜,Ledwich Gerard. 风力发电对电力系统小干扰稳定性影响述评[J]. 电力系统及其自动化学报,2014,01:1-7+38.

[7]李建军. 风力发电并网对电力系统安全的影响及应对措施[J]. 河北企业,2014,08:62-63.

[8]潘华君,许晓峰. 风电并网对电力系统稳定性影响的研究综述[J]. 沈阳工程学院学报(自然科学版),2013,01:54-57.

[9]白晓红. 浅谈风电场并网对电力系统的影响[J]. 电子世界,2013,05:70-71.

[10]田云飞,张立涛,徐昊亮. 大规模风电并网对电力系统的影响及应对措施[J]. 电气自动化,2013,03:54-56.

[11]李海波. 浅析我国风电场并网对电力系统的影响[J]. 东方企业文化,2012,10:231.

[12]谭金河,吴娇,弭勇,任峰. 基于分布式风力发电并网对电力系统影响的分析[J]. 产业与科技论坛,2012,19:83-84.

[13]谷玉宝,宋墩文,李月乔,杨学涛. 风电并网对电力系统小干扰稳定性的影响综述[J]. 智能电网,2016,02:157-165.

[14]梁尚荣. 刍议风电并网对电力系统的影响[J]. 价值工程,2015,30:139-140.