基于PSO的含风光电源机组组合优化及其应用
摘要
机组组合(UnitCommitment,UC)问题是电力系统运行调度中十分重要的问题，它
是在满足各种约束件的情况下确定每个机组的启停状态以及它们的输出功率大小，从而
确保将发电成本最小化，以获得一种最为经济的运行状态。从数学的角度上来说，机组组
合问题就是一种求解极小值的问题。然而，由于机组组合问题含有多维数组，而且是离散
的、非线性的机组组合优化问题，因此，找寻一种能求得该问题的较优解成为主要的研究
方向。传统机组组合问题都是以火电机组发电为背景，而火电机组发电存在燃料昂贵、机
组启停成本高、环境污染大等缺点。而风力发电技术和光伏发电技术都属于新能源发电技
术，价格低廉且环保，在未来有着广阔的发展前景。
随着近年来风电光电并网容量的不断提升，在我国已经呈现出了一定规模的风电光电
机组并网的形势。由于风电光电机组的出力大小具有不确定性，同时伴随着一定的波动，
这会对机组启停方式带来影响，造成系统弃风弃光、备用不足等情况，甚至会引起频率失
稳、线路过载等一系列问题，给电网的安全稳定运行带来了极大的挑战。但当下用于预测
风电和光电出力大小的技术仍旧不够完善，当风电光电接入电力系统后，现有的机组组合
模型只能通过增大机组备用容量等措施来提高运行的稳定性。因此，本文针对此问题进行
了研究，建立了含风光电源的机组组合的数学模型，并采用了粒子群优化算法对机组组合
的数学模型进行求解。粒子群优化算法(ParticleSwarmOptimization,PSO)是一种模仿鸟群
觅食而提出的智能优化算法，它可以在求解连续和离散优化问题的过程中计算出更好的结
果。
首先，本文建立了机组组合的数学模型，并且将机组组合运行时段的区间离散成24
个时段。然后，使用Matlab编写基于粒子群优化算法的程序，并用该程序来求解机组组
合问题，记录对不同的算例进行的仿真试验结果。最后，本文通过对不同算例进行的仿真
分析，从不同的仿真结果中得出粒子群算法能够很好地处理含有风光电源的机组组合问题
的结论。
关键词：电力系统运行调度机组组合粒子群优化算法风力发电光伏发电
目录
摘要I
第一章绪论1
1.1研究背景及意义1
1.2国内外研究现状1
第二章机组组合的数学模型5
2.1传统机组组合问题的数学模型5
2.1.1目标函数5
2.1.2约束件6
2.2风电机组出力模型7
2.光伏发电机组的出力模型7
2.4考虑风电光电并网的机组组合模型8
2.4.1风电光电机组的出力曲线9
2.4.2含风光电源机组组合模型的目标函数9
2.4.含风光电源机组组合模型的约束件10
2.5本章/」结11
第三章基于粒子群算法的含风光电源机组组合模型12
.1粒子群算法的基本原理12
.2粒子群算法的基本流程14
.粒子群算法的具体应用16
.4求解机组组合问题的具体步骤17
.5本章小结18
第四章算例分析19
4.1算例参数介绍19
4.2算例结果及分析22
第五章总结与展望27
5.1本文研究总结27
5.2未来工作展望27
参考文献1
第一章绪论
第一章绪论
1.1研究背景及意
自从煤炭、石油等化石能源成为人们主要消耗的能源以来，化石能源的燃烧所带来的
诸如环境污染、气候恶化的问题日益显著。2015年12月，联合国签署了“巴黎气候协定〃，
目的是控制全球气候变暖。在全球致力于保护环境的大背景下，减轻我国电力系统耗能对
煤炭、石油等化石能源的依赖以及实现我国能源结构全面转型、优化升级成为重中之重（赵
鹏飞孙悦欣，2022）⑵。⑴现如今人类和环境的矛盾日益突出，随着全球能源危机不断蔓
延，人类亟需寻求新的出路。因此，太阳能、风能等清洁友好且取之不尽、用之不竭的可再
生能源迎来了巨大的发展机遇（史俊豪，陶泽楷，2017）。相关研究表明，风能和太阳能之
间存在着互补的特性⑶。同时，风电和太阳能发电与