计及风电成本的电力系统短期经济调度建模.pdf

《计及风电成本的电力系统短期经济调度建模.pdf》由会员分享，可在线阅读，更多相关《计及风电成本的电力系统短期经济调度建模.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第3 8 卷第1 4 期电力系统保护与控制V 0 1 3 8N o 1 4垫!Q 至!旦!竖2 1 1 1 墨z!望竺!旦!坐虫!呈四竺旦旦!翌!旦!：!鱼：!Q!Q计及风电成本的电力系统短期经济调度建模任博强1，彭鸣鸿1，蒋传文1，栾士岩1，林海涛1，李磊2，赵岩2(1 上海交通大学电气工程系，上海2 0 0 2 4 0；2 上海市电力公司电力交易中心，上海2 0 0 1 2 2)摘要：与传统发电方式相比，风力发电具有无煤耗和无污染的优势，但风速的间歇性和不确定性使得大容量风电并网后会给电力系统的安全性和稳定性造成了影响。将风速的不确定性量化为风电成本纳入到短期调度模型中，同时考虑到风电的不

2、足和盈余对于调度策略的影响及风能无污染的优势，在模型中还分别加入了备用罚函数，风电盈余罚函数和污染评估罚函数，从而建立了计及风电成本的电力系统短期调度模型。在优化方法方面，依据混沌理论，将免疫算法和粒子群算法相结合，建立了基于人工免疫系统的混沌粒子群算法(I C P S 0)，通过混沌初始化和浓度的控制，克服了粒子群易陷入局部最优解的劣势，并在仿真中证明了其有效性关键词：风速：风电成本；电力系统；短期调度；人工免疫；粒子群法S h o r t t e r me c o n o m i cd i s p a t c ho fp o w e rs y s t e mm o d e l i n ge

3、 o n s i d e r i n gt h ec o s to fw i n dp o w e rR E NB o-q i a n g I，P E N GM i n g h o n g l，J I A N GC h u a n-w e n l，L U A NS h i y a h l，L I NH a i-t a 0 1，L IL e i 2，Z H A OY a h 2(1 D e p a r t m e n to f E l e c t r i cP o w e rE n g i n e e r i n g，S h a n g h a iJ i a oT o n gU n i v e

4、r s i t y，S h a n g h a i2 0 0 2 4 0，C h i n a：2 E l e c t r i cP o w e rT r a n s a c t i o nC e n t e r，S h a n g h a iM u n i c i p a lE l e c t r i cP o w e rC o m p a n y，S h a n g h a i2 0 0 1 2 2，C h i n a)A b s t r a c t：C o m p a r e dw i t ht h et r a d i t i o n a lp o w e rg e n e r a t

5、i o n，w i n dp o w e rh a st h ea d v a n t a g e so fn oc o a lc o n s u m p t i o na n df r e ep o l l u t i o n H o w e v e r，b e c a u s eo fi n t e r m i t t e n ta n du n c e r t a i n t i e so fw i n ds p e e d，鲥dw i l le x i s tp o t e n t i a ls e c u r i t ya n ds t a b i l i t yw h e nl a

6、 r g e-c a p a c i t yw i n dp o w e ri n t e g r a t i n gi t T h i sp a p e rq u a n t i f i e st h eu n c e r t a i n t yo f w i n ds p e e df o rt h ec o s to fw i n dp o w e ri n t oas h o r t-t e r ms c h e d u l i n gm o d e l A tt h es a m et i m e，c o n s i d e r i n gt h ei m p a c to fi n

7、 s u f f i c i e n c ya n ds u r p l u so f t h ew i n dp o w e rt os c h e d u l i n gs t r a t e g ya n di t sa d v a n t a g e so fn o n p o l l u t i n g，t h er e s e r v e-p e n a l t yf u n c t i o n，s u r p l u s-p e n a l t yf u n c t i o na n dp o l l u t i o na s s e s s m e n to fp e n a

8、l t yf u n c t i o na r e j o i n e di nt h es h o r t t e r ms c h e d u l i n go f p o w e rs y s t e mm o d e l T oo v e r c o m et h ei n f e r i o rl o c a lo p t i m a ls o l u t i o no f t h ep a r t i c l es w a r m，t h i sp a p e rc o m b i n e st h ec h a o st h e o r y，m a n u a li m m u

9、n i t yt h e o r ya n dp a r t i c l es w a r mo p t i m i z a t i o nt oc r e a t ea l le f f e c t i v em e t h o d-i m m u n ec h a o t i cp a r t i c a ls w a r n lo p t i m i z a t i o n(I C P S O)T h es i m u l a t i o no fs y s t e mv e r i f i e st h ef e a s i b i l i t yo f m o d e l sa n

10、da l g o r i t h m s T h i sw o r ki ss u p p o r t e db yC h i n e s eN a t i o n a lP r o g r a m sf o rH i 曲T e c h n o l o g yR e s e a r c ha n dD e v e l o p m e n t(8 6 3)f N o 2 0 0 7 A A 0 5 2 4 5 8)K e yw o r d s：w i n ds p e e d；c o s to fw i n d：p o w e rs y s t e ms h o r t-t e r me c o

11、 n o m i cd i s p a t c h：m a n u a li m m u n i t y；p a r t i c l es w a r n lo p t i m i z a t i o na l g o r i t h m中图分类号：T M 7 3文献标识码：A文章编号：1 6 7 4 3 4 1 5(2 0 1 0)1 4-0 0 6 7-0 60 引言经济调度(E c o n o m i cD i s p a t c h，E D)问题考虑的目标主要是寻求在满足负衙需求的情况下使得成本最小的合理发电方式，即一种可以从可用发电机中找到最优分配的方法。在广泛使用替代能源之前，E

12、D 问题只包括传统的火电机组，这些机组需要消基金项目：国家8 6 3 高技术基金项目(2 0 0 7 A A O S Z 4 5 8)耗大量的不可再生能源并排放C 0 2，S 0 2 和N O。等污染气体。在当前金融危机和环境日益恶化的形势下，显然急需寻找能够替代传统能源的新能源形式，而风能就是这种新能源的代表之一。但不幸的是从风电场输入的风能很难预测，使得风电机的输出电能并不能按照人们所预期的那样进行调度分配，并且风能的问歇性和随机性也会在大容量风电并网后给整个电网带来安伞稳定性威胁，所以有必要研究一种含风电场的合理的经济调度节能方案。万方数据6 8 电力系统保护与控期E D 问题主要包括长

13、期经济调度和短期经济调度问题，本文主要研究含风电场的电力系统短期经济调度问题，即以一天2 4 小时为周期，计算含风电机组的最佳机组组合安排。对于含风电场的短期调度模型，国内外研究员也做了相关的研究。B o u f f a r d和G a l i a n a 利用期望社会成本1 1 1 的概率函数将风电的不确定性量化为数学函数纳入到调度模型中进行优化；文献 2 3】考虑到风能是清洁能源，在调度模型中增加了环境污染指标函数，建立了多目标调度模型进行优化。本文为了反映风速不确定性对电网产生的威胁，将以风速预测结果为依据来计算风电综合成本，同时考虑到风电量的不足与盈余对经济调度的影响，在E D 模型中

14、添加了备用罚函数和盈余罚函数，建立了多随机变量的经济调度模型。与传统发电方式相比，风力发电几乎不排放任何污染性气体，所以模型中还添加了污染气体评估模型。经济调度优化算法主要包括拉格朗日法【4】、直接搜索法【5】等传统算法和模拟退火法【6】、遗传算法【7】、粒子群法【8-9】等智能算法，本文采用了基于人工免疫系统的混沌粒子群算法(I m m u n eC h a o t i cP a r t i c l eS w a r mO p t i m i z a t i o n，I C P S O)，通过对粒子群浓度的控制使得其寻优速度和结果都得到了明显的改善。1含风电场的电力系统短期经济调度建模1 1

15、 常规发电机模型由于风能不需要消耗化石燃料，所以在电力系统经济调度建模中只考虑常规火电机组所消耗的能源成本。同时由于风电的间歇性和随机性使得机组启停调度策略发生了改变，所以将常规机组的启停成本加入到经济调度目标函数中，目标函数如下：r，矗。-y Z v,C t)r,e,。(f)+(1 一q(，一1)s 丁C：(f)(1)式中：为火电机组总数；r 表示研究周期的小时数，在短期调度中一般以2 4 小时为一个周期；u，为机组f 在f 时刻的状态，U(t 1=1 表示运行状态，U(t)=0 表示停运状态；只，(r)为f 时刻第f 台发电机组的输出功率；S T C,f f)为火电机组的启停成本；F【】为

16、机组f 的煤耗成本，在不考虑机组的涟漪效应的情况下，采用二次函数来表示，其计算公式如下：班圪，(f)=口f 磁，(t)+b i P c 小)+q(2)式中：q，岛，q 分别为成本函数的系数。1 2 风力发电机模型虽然风力发电不计煤耗，但风电场的建设费用及其维护成本仍然使得风电的上网电价高于常规机组，严重阻碍了风电的发展。考虑到风速的不确定性，参照文献 1 0】，本文将风速预测结果加入到了风电运行成本函数中，其数学模型如下：矗删=c W 蛾硎(3)其中：C W 表示风电场的总装机容量；F w o。吼为风电的发电成本电价，其值由发电厂商决定；g 为风电的利用系数，即容量系数，其值是平均输出功率与额

17、定功率之比【1 1J，其公式如(4)所示：g2 石W,a V C t l 堰g(4)其中：民r 越i n g 是风电机的额定输出功率；氏州醒。是一天中每个小时的风电平均功率输出功率，是由风电机输出特性和风速概率密度乘积的积分决定的，参照G r o w i a n 风力涡轮型风力发电机输出特性，其公式如(5)所示。尸w，。哗=I”】，(V)r w(v)d v(5)其中：y(1，)是为风电机输出特性，鉴于风速的线性模型更接近于实际情况，所以本文建立了含风速的隶属函数作为风机的输出特性方程，如式(6)。r(v)=01，v o嚣雄v i v v,岛，咖咋 V o(1 6)l(酽()一矿)(u(f)一U

18、 i(t-1)-O式中：F(f)和F 仃(t)分别表示常规机组f 在f时段已经连续运行和停运的时间：Z”和正孵分别表示常规机组f 的最小运行和停运时间。(4)常规机组爬坡速率约束j P G,i 尼。小。1)Z(1 9)Z=广1 专=5=、1 2 一妒一一4 缈l缈=q+c 2(2 0)其中：啵嗽代表最大惯性权重，一般为0 9；q n i n 代万方数据7 0 电力系统保护与控羽表最小惯性权重，一般为0 4 1f，Z 垤，厶i 1 1 分别代表当前适应度值，平均适应度值和最小适应度值：C l，C 2 为加速常数。免疫算法能够使得系统中亲和力大而浓度小的抗体得到促进，亲和力小而浓度大的个体受到抑制

19、，也就是说通过浓度的控制来保证个体的多样性，其选择策略如下：讹卜爰臻端，i=l，2，J=1，2，其中：X i 和f(鼍)分别代表第f 个粒子位置及其适应度值；P(x，)是每个粒子的被选概率；，代表每一代的粒子数，代表每一代额外随机产生的粒子数，通过计算这，+个粒子的被选概率并进行排序来筛选出进入下一代的，个粒子，形成新的种群。将免疫算法与粒子群算法相结合可以降低传统粒子群算法陷入局部最优解的概率。3 混沌初始化随机初始化虽然能保证初始粒子群均匀分布，但不能确保初始解的质量，所以在这里引进了混沌系统来提高求解的效率。具体过程如下：(1)随机产生一个r 维且每个分量在O 一1 之间的向量U l=(

20、I,i 1,2，。)。(2)根据公式z，f+l，=,u u“(1-u f j)，得到“l，材2，“。(3)将U；的各个分量映射到目标函数的取值范围：为=圪i m，+(，一圪i n,j)心，其中只i r I，k，分别代表第J 台发电机的最小和最大出力。4基于I C P S O 的电力系统短期经济调度仿真流程本文将目标函数值作为粒子的适应度值，粒子群位置X i 编码方式如F 所示：毛2只l l，只2，l 弓 1“1只1 1 2，P：。：，弓，：只。：只弓，。，：只妒，只2，7-，乞，7 只，rP i j,t 表示f 时段f 代第台火电机组出力，粒子的初始速度可按类似方法编码。仿真程序图如图1 所示

21、。_。_。-。-(输入原始数据)、-一，l 编码并进行混沌韧ll 始化J“1 一个粒子I设簧迭代次数c=-I 根据风速预测曲线汁算风机 I 力计算各粒f 适应度傻计算局部最优解和全硒最优解铲土!按J!l 粒子群法公式更新粒子群ll 随机产生，个粒子1=二工二二。I 计算，“个粒子的浓度IJ 铱犬小广生，个新粒f二蓄唇而雨1 磊磊弧Lf r e d、的粒子输出广一1-_-。-。_。_。_ _ _。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _。_，图1 程序流程图F i g 1F l o wc h a r to f t h ep r o g

22、 r a m5 算例仿真本仿真系统由一个风电场和十台常规机组组成，风电场中包含相同类型的风电机3 5 0 台，每台风电机容量为lM W，风速预测曲线如图2 所示，其中两条曲线分别代表独立两天的风速预测结果。其中常规发电机参数和负荷预测数据分别见文献 1 2 1 3】。图22 4 小时风透预测曲线F i g 2W i n ds p e e df o r e c a s tc u r v ei n2 4 一h o u r其中模型参数如下：风电场总装机容量为3 5 0M W：风电成本参数凡c o s t 为2 0$M W h：切入风速v、额定风速V 和切出风速V o 分别为5m s、2 0m s、3

23、 5m s；调整系数x 为1 0 8 6：备用成本系数c r 为1 1 2$M W；污染物系数为1 0 0S t o n；风电万方数据任博强，等计及风电成本的电力系统短期经济调度建模7 1-盈余的罚因子e 为8 0 M W；积和咏i。分别为0 9 和0 4；加速常数c l 和C 2 分别为1 5 和2 3；种群规模为2 0 0；迭代最大次数为l0 0 0。本文分别对两条风电曲线进行了仿真计算，仿真结果见表l 所示。表1 两条风电曲线的仿真结果1T a b 1S i m u l a t i o nr e s u l to f t w ow i n dp o w e rc u r v e s1从表

24、1 中可以看出风速曲线l 比风速曲线2 的方筹要小，即前者的稳定性要好，其仿真的最优成本也要小。虽然风机的平均输出功率并不总是随着风速稳定性的改善而增加，但若风速稳定性的下降可能会造成备用成本或风电盈余成本的增加。例如在风速曲线2 的6 点位置，由于风速突然降到的4 5m s 使得风机输出为零，加之常规机组受剑爬坡约束的限制而满足不了系统有功平衡约束，这样就需要增加备用来平衡系统负荷需求。同时本文针对含风电场(风电曲线1)和不含风电场的短期经济调度分别进行了仿真分析，计算结果如表2 所示。表3 对应风电曲线2 最优解机组出力情况。表2 仿真结果2T a b 2S i m u l a t i o

25、 nr e s u l t2表32 4 小时发电机组出力情况T a b 3C o n v e n t i o n a lg e n e r a t o ro u t p u ti n2 4 一h o u r常规电机组出力M w常规I 乜机组出力M W时段G lG 2 G 3G 4G 5G 6 G 7G 8(为G 1 0风场出力M w时段G 1G 2G 3(3 4G 5 G 6 G 7 G 8 G 9G l O风场H 5 力M Wl1 7006 7 5 01 7 01 8 0 4 0 4 4 4 3 5 0 91 6 01 3OOO008 41 2 72 0 4 2 7 3 2 8 22 3 0

26、2005 08 l9 71 9 3 1 7 5 3 6 l4 1 0 4 4 31 7 01 402 0005 07 61 2 l1 5 2 2 6 l2 5 02 l O303 55 9 8 01 0 015 81 6 43 6 0 3 8 0 4 1 41 9 01 50002 85 l7 71 2 5 1 5 92 5 5 2 6 72 0 041 33 7 5 7 6 7 8 61 9 5 1 5 6 3 7 33 7 4 4 0 21 4 01 60O0O5 01 0 2 1 2 02 0 8 2 7 0 3 4 01 7 051 26 0 8 09 102 0 81 1 64 2

27、7 3 4 0 3 4 61 6 01 7l O2 00009 71 3 52 8 1 3 l I3 3 61 9 06O8 0 5 0 5 002 0 51 2 04 4 5 4 1 0 4 2 0O1 802 7O5 8O1 1 0 1 5 22 9 33 7 5 3 4 42 0 0708 0 3 0 9 05 01 2 82 3 0 3 2 0 5 1 2 2 5 01 3 01 91 12 56 65 35 01 2 l1 3 l3 0 53 7 62 5 l1 7 08O3 9 4 87 001 2 l1 5 73 2 24 0 2 3 8 01 6 02 004 l03 87 7

28、1 1 6 1 6 4 3 6 13 9 7 3 5 41 5 0903 0 3 94 009 51 4 13 1 93 2 7 3 8 91 3 02 ll l4 705 9 6 71 1 41 9 33 4 7 3 7 24 3 l1 6 01 01 003 l4 301 0 6 1 2 0 2 9 4 3 2 7 3 1 71 6 02 21 33 4 5 65 81 0 5 1 1 62 0 53 5 94 2 13 7 41 8 0l ll O2 0O3 2 3 0 7 71 2 0 2 3 7 2 6 7 2 9 62 3 02 303 7 6 2 5 01 0 7 1 1 8 1

29、 6 83 4 4 4 7 5 4 3 81 5 01 202 203 709 51 3 32 1 62 5 12 5 62 5 02 42 0 6 2 6 7 9 49 51 3 7 1 5 53 4 6 3 9 5 4 5 81 6 0虽然风速的随机性给系统带来了额外的风电成本，但由于风电属于清洁能源，使得含有风电场的电力系统短期调度策略中常规机组的输出及其污染成本都有所卜降。本文针对含风电场和不含风电场两种情况进行了仿真试验，结果如表2 所示，含风电场的经济调度策略成本比不含风电场的要小一些，其差值主要包括常规机组的煤耗和污染成本。但由于不同地区对待风力发电和污染评估指标的态度不同，使得

30、模型中惩罚系数也有所不同，最终的调度策略也会存在一定的差异性。为了体现I C P S O 计算效率和精度的优势，本文针对I C P S O 和传统P S O 进行了仿真对比，其风速曲线2 的仿真收敛曲线如图3 所示。从仿真曲线可以看出I C P S O 的收敛速度和最优解均要优于传统P S O，传统P S O 在2 4 0 代后陷入了局部最优解，而迭代次数图3I C P S O 和P S O 的收敛曲线比较F i g 3C o m p a r i s o no fc o n v e r g e n tc u r v e sb c t w e e Bl C P S 0a n dP S O万方数据

31、7 2 电力系统保护与控制I C P S O 已于3 4 8 代求得了最优解。6 结论本文基于风速的间歇性和随机性，将风电成本函数、备用罚函数和风电盈余罚函数分别加入到了电力系统短期经济调度模趔中，同时为了体现风能无污染的优势，在模型中还添加了环境评估模型来计算常规机组排污成本，并利用基于人工免疫系统的混沌粒子群算法进行了仿真计算。通过仿真结果可以看出：1)风速的波动性直接影响了风机的平均输出功率，造成总成本的增加；2)为了提高系统的可靠性，系统需要带有一定容量的备用来弥补风速不确定性给电力系统带来的威胁；3)将风能纳入到大系统中可以减少常规机组的污染成本，但由于不同国家对于风能和污染物排放所

32、采取的政策不同，所以风电成本参数和污染系数也会发生改变，对最终的机组调度策略也会产生一定的影响。参考文献 1 F r a n c o i sB o u f f a r d，G a l i a n aFD S t o c h a s t i cs e c u r i t yf o ro p e r a t i o n sp l a n n i n gw i t hs i g n i f i c a n tw i n dp o w e rg e n e r a t i o n J I E E ET r a mo nP o w e rS y s t e m s，2 0 0 8，2 3(2)I3 0

33、6 3 1 6 2 C A IJ i e-j i n，M AX i a o-q i a n，L IQ i o n g，e ta 1 Am u l t i-o b j e c t i v ec h a o t i cp a r t i c l es w a r mo p t i m i z a t i o nf o re n v i r o n m e n t a le c o n o m i cd i s p a t c h J E n e r g yC o n v e r s i o na n dM a n a g e m e n t，2 0 0 9，5 0：1 3 1 8-1 3 2 5

34、3 W A N GL i n g-f e n g，C h a n a nS i n g h R e s e r v e-c o n s t r a i n e dm u l t i a r e ae n v i r o n m e n t a l e c o n o m i cd i s p a t c hb a s e do np a r t i c l es w a r mo p t i m i z a t i o nw i t hl o c a ls e a r c h J E n g i n e e r i n gA p p l i c a t i o n so f A r t i f

35、 i c i a lI n t e l l i g e n c e，2 0 0 9，2 2 12 9 8-3 0 7 4 V l a d i m i r oM i r a n d a，P u nS i oH a n g E c o n o m i cd i s p a t c hm o d e lw i t hf u z z yw i n dc o n s t r a i n t sa n da t t i t u d e so fd i s p a t c h e r s J I E E ET r a n so nP o w e rS y s t e m s，2 0 0 5，2 0(4)：2

36、 1 4 3 2 1 4 5 5 C h e nC h u n-L u n g，L e eT s u n g-Y i n g，J a nR o n g M o w O p t i m a lw i n d-t h e r m a lc o o r d i n a t i o nd i s p a t c hi ni s o l a t e dp o w e rs y s t e m sw i t hl a r g ei n t e g r a t i o no fw i n dc a p a c i t y【J】E n e r g yC o n v e r s i o na n dM a n

37、a g e m e n t，2 0 0 6，4 7：3 4 5 6-3 4 7 2 6 C h e nCL S i m u l a t e da n n e a l i n g-b a s e do p t i m a lw i n d-t h e r m a lc o o r d i n a t i o ns c h e d u l i n g J T h eI n s t i t u t i o no f E n g i n e e r i n ga n dT e c h n o l o g y，2 0 0 7，1(3)：4 4 7 4 5 5 7 H o n gYY，L iCT S h

38、o r t-t e r mr e a l-p o w e rs c h e d u l i n gc o n s i d e r i n gf u z z yf a c t o r si na na u t o n o m o u ss y s t e mu s i n gg e n e t i ca l g o r i t h m s J T h eI n s t i t u t i o no fE n g i n e e r i n ga n dT e c h n o l o g y，2 0 0 6，l5 3(6)：6 8 4-9 2 8 陈海焱，陈金富，段献忠含风电场电力系统经济调度的模

39、糊建模及优化算法【J】电力系统自动化，2 0 0 6，3 0(2)：2 2 2 6 C H E NH a i-y a n，C H E NJ i n f u，D U A NX i a n-z h o n g F u z z ym o d e l i n ga n do p t i m i z a t i o na l g o r i t h mo nd y n a m i ce c o n o m i cd i s p a t c hi nw i n dp o w e ri n t e g r a t e ds y s t e m J A u t o m a t i o no f E l e c

40、 t r i cP o w e rS y s t e m s，2 0 0 6，3 0(2)：2 2 2 6 9 S i a h k a l iH，V a k i l i a nM E l e c t r i c i t yg e n e r a t i o ns c h e d u l i n gw i ml a r g e-s c a l ew i n df a r m su s i n g p a r t i c l es w a r mo p t i m i z a t i o n J E l e c t r i cP o w e rS y s t e m sR e s e a r c

41、h，2 0 0 9，7 9 18 2 6 _ 8 3 6 1 0 周双喜，王海超，陈寿孙风力发电运行价值分析【J】电网技术，2 0 0 6，3 0(1 4)：9 8 1 0 2 Z H O US h u a n g-x i，W A N GH a i c h a o，C H E NS h o u-S u n A n a l y s i so no p e r m i o nv a l u eo fw i n dp o w e rr e s o u r c e s J P o w e rS y s t e mT e c h n o l o g y，2 0 0 6，3 0(1 4)I9 8 1 0

42、2 1 1 牟聿强，王秀丽，别朝红，等风电场风速随机性及容量系数分析【J】电力系统保护与控制，2 0 0 9，3 l(I)：6 5 7 0 M UY u-q i a n g，W A N GX i u l i，B I EZ h a o-h o n g，e ta 1 A n a l y s i so fw i n ds p e e dp r o b a b i l i t yd i s t r i b u t i o na n dw i n dt u r b i n eg e n e r a t o rc a p a c i t yf a c t o r J P o w e rS y s t e

43、mP r o t e c t i o na n dC o n t r o l，2 0 0 9，3 l(1)：6 5 7 0 1 2 L IF u-r o n g，B l e s sK u r i G e n e r a t i o ns c h e d u l i n gi nas y s t e mw i t hw i n dp o w e r C I E E E P E ST r a n s m i s s i o na n dD i s t r i b u t i o nC o n f e r e n c e&E x h i b i t i o n：A s i aa n dP a c i

44、 f i c D a l i a n(C h i n a)I2 0 0 5 1 3 C h e nCL S i m u l a t e da n n e a l i n g-b a s e do p t i m a lw i n d t h e r m a lc o o r d i n a t i o ns c h e d u l i n g T h eI n s t i t u t i o no fe n g i n e e r i n ga n dt e c h n o l o g y J A u t o m a t i o no fE l e c t r i cP o w e rS y

45、s t e m s，1 9 9 8，1 0(1)：3 9 5 2 收稿E t 期s2 0 0 9-0 8-3 1；修回E t 期l2 0 0 9-1 0-1 3作者简介：任博强(1 9 8 4-)，男，硕士研究生，主要研究方向为电力市场，风力发电调度及其风险调度；E m a i l：r e n b o q i a n 9 1 9 8 4 s j t u e d u c n蒋传文(1 9 6 7-)，男，教授，博士生导师，主要研究方向为电力市场、配电网自动化、电力系统优化运行、水调优化调度，风力发电等。E m a i l：j i a n g c w s j t u e d u c n万方数据计及

46、风电成本的电力系统短期经济调度建模计及风电成本的电力系统短期经济调度建模作者：任博强，彭鸣鸿，蒋传文，栾士岩，林海涛，李磊，赵岩，REN Bo-qiang，PENGMing-hong，JIANG Chuan-wen，LUAN Shi-yan，LIN Hai-tao，LI Lei，ZHAO Yan作者单位：任博强,彭鸣鸿,蒋传文,栾士岩,林海涛,REN Bo-qiang,PENG Ming-hong,JIANG Chuan-wen,LUAN Shi-yan,LIN Hai-tao(上海交通大学电气工程系,上海,200240)，李磊,赵岩,LILei,ZHAO Yan(上海市电力公司电力交易中心,

47、上海,200122)刊名：电力系统保护与控制英文刊名：POWER SYSTEM PROTECTION AND CONTROL年，卷(期)：2010，38(14)被引用次数：0次 参考文献(13条)参考文献(13条)1.Fran(c)ois Bouffard.Galiana F D Stochastic security for operations planning with significant windpower generation 2008(2)2.CAI Jie-jin.MA Xiao-qian.LI Qiong A multi-objective chaotic particle

48、 swarm optimization forenvironmental/economic dispatch 20093.WANG Ling-feng.Chanan Singh Reserve-constrained multiarea environmental/economic dispatch based onparticle swarm optimization with local search 20094.Vladimiro Miranda.Pun Sio Hang Economic dispatch model with fuzzy wind constraints and at

49、titudesof dispatchers 2005(4)5.Chen Chun-Lung.Lee Tsung-Ying.Jan Rong-Mow Optimal wind-thermal coordination dispatch in isolatedpower systems with large integration of wind capacity 20066.Chen C L Simulated annealing-based optimal wind-thermal coordination scheduling 2007(3)7.Hong Y Y.Li C T Short-t

50、erm real-power scheduling considering fuzzy factors in an autonomous systemusing genetic algorithms 2006(6)8.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 2006(2)9.Siahkali H.Vakilian M Electricity generation scheduling with large-scale wind farms usingparticleswarm optimization 200910.周双喜.王海超.陈寿孙 风力发电运行价值分析 2