牛東曉 趙東來 楊尚東 雷霄

摘? ?要：近年來，海上風(fēng)電成為我國(guó)新能源發(fā)電的新增長(zhǎng)點(diǎn)，海上風(fēng)電與遠(yuǎn)方清潔能源在東部負(fù)荷中心地區(qū)協(xié)調(diào)配置和運(yùn)行策略問題亟待解決. 文中通過綜合分析海上風(fēng)電與遠(yuǎn)方清潔能源供電成本，結(jié)合出力特性、負(fù)荷預(yù)測(cè)和需求側(cè)管理等因素，建立了綜合成本的能源配置分析方法，針對(duì)負(fù)荷中心多種類型電源優(yōu)化問題，結(jié)合上網(wǎng)電價(jià)和輔助費(fèi)用建立了系統(tǒng)綜合成本估算方法，提出了以綜合成本最低為目標(biāo)，滿足運(yùn)行、安全和環(huán)保約束的電源運(yùn)行協(xié)同優(yōu)化模型，并以江蘇省某地區(qū)為例進(jìn)行了詳細(xì)分析計(jì)算，論證了模型具有優(yōu)化效果，為海上風(fēng)電與遠(yuǎn)方清潔能源的協(xié)調(diào)配置和優(yōu)化運(yùn)行提供了分析手段.

關(guān)鍵詞：海上風(fēng)電;綜合成本;能源配置策略;協(xié)調(diào)優(yōu)化;需求側(cè)管理;負(fù)荷預(yù)測(cè)

中圖分類號(hào)：TM734? ? ? ? ? ? ? ? ? ?? ? ?文獻(xiàn)標(biāo)志碼：A

Collaborative Optimization Model of Offshore Wind Power and

Remote Clean Energy Considering Comprehensive Cost in Power System

NIU Dongxiao1?，ZHAO Donglai1，YANG Shangdong2，LEI Xiao3

（1. School of Economics and Management，North China Electric Power University，Beijing 102206，China;

2. Institute of Urban Energy Strategy and Planning，State Grid （Suzhou） Energy Research Institute，Suzhou 215000，China;

3. China Electrical Power Research Institute，State Grid Simulation Center，Beijing 100192，China）

Abstract：In recent years，the offshore wind power has become a new growth point of China's alternative energy source. Coordinative allocation and working strategy of offshore wind power and distant clean energy in the eastern load center region has become an urgent problem to be solved. Based on the comprehensive analysis of power supply costs of offshore wind power and remote clean energy，plant output characteristics，load forecasting，and demand side management，an energy allocation analysis method was considered for collaborative optimization. In view of various energy supply modes of load center，the offshore wind power and remote clean energy association were proposed. The optimization model was adjusted and analyzed in detail by taking a certain area in China as an example. The coordinated allocation ratio of offshore wind power and distant clean energy in different time scales was given，which provided a reference for optimizing the operation mode of power system.

Key words：offshore wind power;integrated cost;energy allocation strategy;coordination and optimization;demand side management;load forecasting

截止2018年底，我國(guó)清潔能源電力裝機(jī)占比已達(dá)40.7%，其中風(fēng)電和光伏裝機(jī)分別占比9.7%和9.2%.海上風(fēng)電將成為新能源發(fā)展的新增長(zhǎng)

點(diǎn)[1-2]. 為保障海上風(fēng)電的接入消納和系統(tǒng)安全穩(wěn)定運(yùn)行，亟需研究確定系統(tǒng)內(nèi)電源以及受電通道的協(xié)調(diào)運(yùn)行策略，在保障安全穩(wěn)定的基礎(chǔ)上提供電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性，降低供電成本，促進(jìn)新能源消納[3-4].

在海上風(fēng)電并網(wǎng)協(xié)調(diào)控制策略方面，已取得如下研究成果：文獻(xiàn)[5-6]綜述了大規(guī)模海上風(fēng)電輸電及并網(wǎng)的關(guān)鍵技術(shù)，為海上風(fēng)電并網(wǎng)的發(fā)展提供了指導(dǎo);文獻(xiàn)[7]提出了電壓型精簡(jiǎn)矩陣變換器（reduced matrix converter，RMC）的雙極性電壓空間矢量調(diào)制（bipolar voltage space vector pulse-width modulation，BV-SVM）策略;文獻(xiàn)[8]設(shè)計(jì)了海上風(fēng)電場(chǎng)無功協(xié)調(diào)控制策略，充分發(fā)揮風(fēng)電場(chǎng)參與系統(tǒng)無功調(diào)節(jié)能力的同時(shí)降低了海上風(fēng)電工程的建設(shè)造價(jià);文獻(xiàn)[9]基于海上風(fēng)電場(chǎng)經(jīng)高壓直流輸電送出系統(tǒng)提出了同時(shí)利用高壓直流輸電系統(tǒng)電容器能量和風(fēng)力渦輪機(jī)來提供慣性的協(xié)調(diào)控制策略. 然而，含海上風(fēng)電與負(fù)荷中心直流受電通道耦合的電網(wǎng)協(xié)同優(yōu)化控制機(jī)理尚不清晰.

在海上風(fēng)電綜合成本評(píng)估方面，文獻(xiàn)[10-11]通過分析了國(guó)內(nèi)外海上風(fēng)電定價(jià)機(jī)制以及海上風(fēng)電成本結(jié)構(gòu)特征，提出了海上風(fēng)電經(jīng)營(yíng)期成本計(jì)算模型;文獻(xiàn)[12]充分考察風(fēng)電價(jià)格的影響因素，構(gòu)建了新的風(fēng)電（可再生能源電力）和火電（傳統(tǒng)能源電力）電價(jià)模型;文獻(xiàn)[13-14]對(duì)比了交流并網(wǎng)方式和柔性直流并網(wǎng)方式的全生命周期（LCC）成本經(jīng)濟(jì)性優(yōu)劣，建立了基于LCC成本的并網(wǎng)方式優(yōu)選模型;文獻(xiàn)[15]結(jié)合實(shí)際海上風(fēng)電場(chǎng)數(shù)據(jù)，采用兩種不同的持續(xù)性預(yù)測(cè)模型對(duì)風(fēng)電場(chǎng)成本進(jìn)行評(píng)估;文獻(xiàn)[16]結(jié)合我國(guó)海上風(fēng)電建設(shè)環(huán)境（水深等級(jí)和離岸距離等）開展了電價(jià)測(cè)算，提出了海上風(fēng)電電價(jià)政策;文獻(xiàn)[17]提出了一種計(jì)及風(fēng)電隨機(jī)、波動(dòng)性的風(fēng)電場(chǎng)發(fā)電成本模型，并將其引入到傳統(tǒng)的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型中. 目前，將海上風(fēng)電相關(guān)成本與電力系統(tǒng)綜合成本進(jìn)行結(jié)合的研究尚未開展.

在含海上風(fēng)電的電力系統(tǒng)運(yùn)行優(yōu)化與決策方面，文獻(xiàn)[18-19]通過風(fēng)電集群內(nèi)部互補(bǔ)的方式來優(yōu)化風(fēng)電對(duì)電網(wǎng)調(diào)度計(jì)劃;文獻(xiàn)[20-21]基于智能電網(wǎng)調(diào)度控制系統(tǒng)基礎(chǔ)平臺(tái)設(shè)計(jì)開發(fā)了新能源調(diào)度技術(shù)支持系統(tǒng);文獻(xiàn)[22]分析了考慮安全與效能的多尺度備用、交直流混聯(lián)系統(tǒng)的跨區(qū)域備用共享和多層級(jí)協(xié)調(diào)優(yōu)化風(fēng)險(xiǎn)調(diào)度等，針對(duì)一體化調(diào)度模式提出了整體的研究思路. 然而，有關(guān)全面考慮海上風(fēng)電和遠(yuǎn)方清潔能源的技術(shù)、經(jīng)濟(jì)、社會(huì)多個(gè)維度評(píng)價(jià)體系的協(xié)同優(yōu)化模型的研究尚未開展. 同時(shí)，現(xiàn)有的海上風(fēng)電與電力系統(tǒng)的協(xié)同優(yōu)化模型，未將海上風(fēng)電與遠(yuǎn)端清潔能源進(jìn)行統(tǒng)一評(píng)估與協(xié)調(diào)，未充分考慮遠(yuǎn)端電力與近區(qū)電網(wǎng)以及海上風(fēng)電的協(xié)同優(yōu)化，在綜合成本優(yōu)化方面忽略了各種電源配置下的經(jīng)濟(jì)、安全、環(huán)境等評(píng)價(jià)指標(biāo)的約束，難以在實(shí)際電網(wǎng)調(diào)度運(yùn)行中形成指導(dǎo)性優(yōu)化建議.

為此，本文首先分析了遠(yuǎn)方電力與近區(qū)電網(wǎng)以及海上風(fēng)電的送受電框架，總結(jié)了復(fù)雜電力送受關(guān)系下系統(tǒng)面臨的主要問題，提出了海上風(fēng)電和遠(yuǎn)方清潔能源綜合成本構(gòu)成及估算方法，建立了綜合成本最優(yōu)以及運(yùn)行、安全和環(huán)保約束的改進(jìn)型系統(tǒng)協(xié)同優(yōu)化模型，最后以江蘇某地區(qū)電網(wǎng)為對(duì)象，研究了優(yōu)化前后各類電源出力運(yùn)行策略，分析了綜合成本優(yōu)化效果，驗(yàn)證了協(xié)同優(yōu)化模型的適用性.

1? ?遠(yuǎn)方與近區(qū)系統(tǒng)協(xié)同優(yōu)化面臨的問題

1.1? ?遠(yuǎn)方與近區(qū)送受電關(guān)系分析框架

海上風(fēng)電通過交流或者柔性直流系統(tǒng)接入本地負(fù)荷中心電網(wǎng)，遠(yuǎn)方清潔能源接入遠(yuǎn)方當(dāng)?shù)仉娋W(wǎng)，并與當(dāng)?shù)鼗痣娨黄鹪跐M足本地負(fù)荷需求的基礎(chǔ)上，富余電力按照計(jì)劃的送電曲線通過直流工程將電能輸送至本地的負(fù)荷中心，與本地火電、水電、新能源以及海上風(fēng)電一并滿足當(dāng)?shù)刎?fù)荷需求. 本地負(fù)荷中心與遠(yuǎn)方清潔能源以及海上風(fēng)電之間的送受電框架結(jié)構(gòu)如圖1所示.

1.2? ?遠(yuǎn)方與近區(qū)送受電之間缺乏協(xié)同優(yōu)化

由于遠(yuǎn)方清潔能源通過直流輸電通道將電力輸送至近區(qū)電網(wǎng)，與當(dāng)?shù)仉娫春秃Ｉ巷L(fēng)電一并滿足負(fù)荷中心電力需求. 在負(fù)荷中心電力綜合供應(yīng)過程中，如何實(shí)現(xiàn)系統(tǒng)的安全、經(jīng)濟(jì)、環(huán)保運(yùn)行是當(dāng)前面臨的主要問題，關(guān)鍵是如何在確保系統(tǒng)安全穩(wěn)定運(yùn)行和滿足電力系統(tǒng)物理運(yùn)行約束的前提下，獲取最優(yōu)的電源出力調(diào)度組合，用于指導(dǎo)系統(tǒng)運(yùn)行和規(guī)劃決策. 該結(jié)果對(duì)分析負(fù)荷中心電網(wǎng)海上風(fēng)電消納能力、確定海上風(fēng)電發(fā)展合理發(fā)展規(guī)模具有重要作用，也是海上風(fēng)電發(fā)展規(guī)劃和電力系統(tǒng)優(yōu)化調(diào)度運(yùn)行的重要技術(shù)支撐.

隨著海上風(fēng)電的接入和遠(yuǎn)方清潔能源的受入后，負(fù)荷中心近區(qū)的電力系統(tǒng)運(yùn)行方式將發(fā)生變化，傳統(tǒng)的系統(tǒng)運(yùn)行綜合成本也隨之改變. 為保障電力系統(tǒng)運(yùn)行經(jīng)濟(jì)合理，需全面掌握系統(tǒng)綜合成本的構(gòu)成及其估算方法.

2? ?綜合成本估算方法

2.1? ?海上風(fēng)電成本

2.1.1? ?建設(shè)成本

由于海上風(fēng)電建設(shè)地點(diǎn)位于海邊灘涂、淺水或近海等區(qū)域，建設(shè)環(huán)境惡劣，施工難度大，海上風(fēng)電造價(jià)在16 000 ～ 18 000元/kW，是陸上風(fēng)電造價(jià)的2到3倍[23]. 從構(gòu)成上看，由于海上風(fēng)電的運(yùn)行原理與物理結(jié)構(gòu)基本與陸上風(fēng)電是相同的，因此海上風(fēng)電的建設(shè)成本構(gòu)成與陸上風(fēng)電構(gòu)成是基本一致的，主要包括發(fā)電機(jī)組、基礎(chǔ)結(jié)構(gòu)和匯集升壓系統(tǒng)的購(gòu)置成本，以及安裝調(diào)試、工程管理和其他費(fèi)用. 受到海上地理環(huán)境特殊的影響，海上風(fēng)電各項(xiàng)成本費(fèi)率與陸上風(fēng)力發(fā)電區(qū)別較大，陸上風(fēng)電主要成本是發(fā)電機(jī)組，費(fèi)用占比70%左右，匯集升壓系統(tǒng)費(fèi)用占比12%左右，其余部分成本占比相對(duì)較少;而海上風(fēng)電基礎(chǔ)結(jié)構(gòu)、匯集升壓系統(tǒng)和安裝調(diào)試3項(xiàng)成本占比均高于陸上風(fēng)電，分別為20%、15%和30%左右，而發(fā)電機(jī)組成本僅30%左右. 同時(shí)海上風(fēng)電建設(shè)成本受到離岸距離、水深、匯集方案等因素影響，存在不確定性.

2.1.2? ?綜合成本構(gòu)成

對(duì)于近海負(fù)荷中心電力系統(tǒng)而已，海上風(fēng)電綜合成本主要由直接成本和間接成本兩方面構(gòu)成. 直接成本主要是海上風(fēng)電上網(wǎng)電價(jià)，根據(jù)《國(guó)家發(fā)展改革委關(guān)于完善風(fēng)電上網(wǎng)電價(jià)政策的通知》（發(fā)改價(jià)格〔2019〕882號(hào)）文件規(guī)定，將海上風(fēng)電標(biāo)桿上網(wǎng)電價(jià)改為指導(dǎo)價(jià)，2019年符合規(guī)劃、納入財(cái)政補(bǔ)貼年度規(guī)模管理的新核準(zhǔn)近海風(fēng)電指導(dǎo)價(jià)調(diào)整為0.8 元/kW·h，2020年調(diào)整為0.75元/kW·h. 新核準(zhǔn)近海風(fēng)電項(xiàng)目通過競(jìng)爭(zhēng)方式確定的上網(wǎng)電價(jià)，不得高于上述指導(dǎo)價(jià). 風(fēng)電上網(wǎng)電價(jià)在當(dāng)?shù)厝济簷C(jī)組標(biāo)桿上網(wǎng)電價(jià)（含脫硫、脫硝、除塵電價(jià)）以內(nèi)的部分，由當(dāng)?shù)厥〖?jí)電網(wǎng)結(jié)算;高出部分由國(guó)家可再生能源發(fā)展基金予以補(bǔ)貼. 海上風(fēng)電電力系統(tǒng)直接成本為海上風(fēng)電平均上網(wǎng)電價(jià)，具體為當(dāng)?shù)厝济簷C(jī)組標(biāo)桿上網(wǎng)電價(jià)與交易電價(jià)的代數(shù)平均值，全社會(huì)直接成本為指導(dǎo)價(jià). 間接成本主要是指為促進(jìn)新增海上風(fēng)電消納的間接投入費(fèi)用，這與當(dāng)?shù)貙?shí)現(xiàn)海上風(fēng)電消納的手段有關(guān)，是各類手段調(diào)用成本之和.

2.1.3? ?成本估算模型

上節(jié)提到海上風(fēng)電在近區(qū)綜合成本分為直接成本和間接成本. 計(jì)算公式如式（1）所示.

Ccomposite_system = Cdirect_system + Cindirect_system? ? ? （1）

式中：Ccomposite_system為系統(tǒng)綜合成本;Cindirect_system為間接系統(tǒng)成本;Cdirect_system為直接系統(tǒng)成本.

Cdirect_system = Rs × Ws + Rc × Wc? ? ?（2）

式中：Rs為上網(wǎng)指導(dǎo)價(jià);Ws為指導(dǎo)價(jià)結(jié)算電量或系統(tǒng)燃煤上網(wǎng)標(biāo)桿電價(jià);Rc為平均交易電價(jià);Wc為交易電量.

Cindired_system = F × Wsea /（Wsea + Wland）? ? ?（3）

式中：F為調(diào)頻、調(diào)峰和備用的輔助服務(wù)費(fèi)用之和;Wsea和Wland分別為區(qū)域內(nèi)年海上風(fēng)電和陸上新能源發(fā)電量.

2.2? ?遠(yuǎn)方清潔能源成本

2.2.1? ?建設(shè)成本

我國(guó)大規(guī)模清潔能源開發(fā)集中在西北部、北部和西南部地區(qū)，通過直流輸電通道輸送至東部負(fù)荷中心區(qū)域，大量清潔能源建設(shè)主要是內(nèi)陸風(fēng)電、集中式光伏電站等，目前陸上風(fēng)電造價(jià)約7 100～7 800元/kW，光伏發(fā)電工程造價(jià)約5 500～6 200元/kW，

水電工程造價(jià)約14 399元/kW，煤電工程造價(jià)約

3 200～4 000元/kW. 據(jù)未來3年造價(jià)預(yù)測(cè)，煤電工程上漲幅度約1%，水電工程因建設(shè)難度增大，造價(jià)預(yù)計(jì)上漲幅度15%，風(fēng)電和光伏造價(jià)下降幅度分別為13%和18%.

2.2.2? ?成本估算模型

遠(yuǎn)方清潔電源依托本地能源發(fā)電形成穩(wěn)定可控的外送電力，經(jīng)遠(yuǎn)距離送電通道后傳輸至東部負(fù)荷中心. 對(duì)于東部受端電網(wǎng)，遠(yuǎn)端電力成本主要是包括當(dāng)?shù)厣暇W(wǎng)電費(fèi)、省內(nèi)輸配電費(fèi)、跨區(qū)輸電費(fèi).

Cfar = Cp + Ct1 + Ct2? ? ?（4）

式中：Cfar為遠(yuǎn)端電力成本;Cp為上網(wǎng)電費(fèi);Ct1為省內(nèi)輸配電費(fèi);Ct2為輸電通道輸電費(fèi).

其中當(dāng)?shù)厣暇W(wǎng)電價(jià)與不同類型電源和外送電量規(guī)模有關(guān)，計(jì)算公式如式（5）所示.

Cp =Ppi × Wpi + Pp j × Wp j? ? ?（5）

式中：Ppi為火電、水電、光伏、風(fēng)電等電源上網(wǎng)電價(jià);Wpi 為火電、水電、光伏、風(fēng)電等電源按計(jì)劃的外送電量;Pp j為火電、水電、光伏、風(fēng)電等電源外送交易電價(jià)，Wp j 為火電、水電、光伏、風(fēng)電等電源的外送交易電量.

跨區(qū)電力輸送一般可按照既定送電曲線執(zhí)行電力傳輸任務(wù). 因此在受端電網(wǎng)調(diào)度運(yùn)行過程中，直流受電通道作為一個(gè)靈活可調(diào)的出力電源參與運(yùn)行策略的調(diào)整. 這種情況下，遠(yuǎn)端電能無法承擔(dān)本地的相關(guān)輔助服務(wù)成本.

2.3? ?系統(tǒng)綜合成本

2.3.1? ?成本類型

受端電力系統(tǒng)運(yùn)行成本除了考慮上述的海上風(fēng)電和遠(yuǎn)端新能源外，還包括本地火電、水電、燃?xì)?、陸上新能源等，各類電源上網(wǎng)電價(jià)是系統(tǒng)的成本，還有輸配電線路損耗電價(jià). 另外，為了保障系統(tǒng)可靠運(yùn)行，一般調(diào)用抽水蓄能、儲(chǔ)能、需求側(cè)管理等靈活性資源開展調(diào)峰、調(diào)頻和備用的輔助服務(wù). 靈活性調(diào)節(jié)資源的調(diào)用也將增加系統(tǒng)以及用戶的運(yùn)行成本.

2.3.2? ?綜合成本估算模型

包含海上風(fēng)電和遠(yuǎn)方清潔電源的受端地區(qū)電網(wǎng)系統(tǒng)綜合成本評(píng)估方法如式（6）所示.

Call = Cpl + Cfar + Cs + Closs? ? ?（6）

式中：Cpl為本地電力上網(wǎng)電費(fèi);Cfar為遠(yuǎn)端電力到網(wǎng)電費(fèi);Cs為輔助服務(wù)費(fèi)用;Closs為線損費(fèi)用. 其中輔助服務(wù)費(fèi)用和線損費(fèi)用分別如式（7）和（8）所示.

Cs =St +Sd +Sr? ? ?（7）

式中：Cs為輔助服務(wù)費(fèi)用;St為調(diào)峰服務(wù)成本，包括火電、水電、儲(chǔ)能以及需求側(cè)管理等手段;Sd為調(diào)峰服務(wù)成本，包括火電、水電、儲(chǔ)能等管理手段;Sr? 為備用輔助服務(wù)費(fèi)用，主要是火電、水電等手段.

Closs = Wloss × （Cpl /Wpl + Cfar /Wfar）? ? ? ?（8）

式中：Closs為電網(wǎng)線損成本;Wpl和Cpl分別為省內(nèi)上網(wǎng)電量和電費(fèi)成本;Wfar和Cfar為遠(yuǎn)端電力到網(wǎng)電量和電費(fèi)成本.

3? ?電力系統(tǒng)協(xié)同優(yōu)化模型

3.1? ?考慮綜合成本的協(xié)同優(yōu)化目標(biāo)

電力系統(tǒng)電源協(xié)同優(yōu)化問題涉及經(jīng)濟(jì)、安全和環(huán)境等多個(gè)方面，具體指標(biāo)如表1所示. 從表中可以發(fā)現(xiàn)安全類、環(huán)境類指標(biāo)一般按照政府要求或規(guī)程規(guī)范要求規(guī)定一個(gè)標(biāo)準(zhǔn)，滿足標(biāo)準(zhǔn)值以外的區(qū)間均可滿足系統(tǒng)運(yùn)行需求和社會(huì)監(jiān)管要求，而經(jīng)濟(jì)類指標(biāo)一般沒有法規(guī)、導(dǎo)則或文件會(huì)給出一個(gè)限值，屬于開放性的指標(biāo). 同時(shí)該指標(biāo)直接反映了電力系統(tǒng)運(yùn)行水平以及全社會(huì)用電成本. 為此，電力系統(tǒng)電源協(xié)同優(yōu)化目標(biāo)是在滿足環(huán)境和安全限制性標(biāo)準(zhǔn)要求的基礎(chǔ)上，協(xié)同優(yōu)化期間內(nèi)的系統(tǒng)綜合成本最小[24-28].

minCall（t）=min（Cpl（t）+Cfar（t）+Cs（t）+Closs（t））

（9）

式中：t為協(xié)同優(yōu)化期內(nèi)第t時(shí)刻;n為協(xié)同優(yōu)化期總時(shí)長(zhǎng).

協(xié)同優(yōu)化模型中優(yōu)化變量包括本地火電、水電、燃機(jī)、儲(chǔ)能電站、需求側(cè)響應(yīng)和直流工程輸送功率等可控設(shè)施出力和負(fù)荷水平. 值得說明的是，未來保證直流工程安全穩(wěn)定性，需要控制日輸電功率變換次數(shù)，一般以不超過3次為宜.

協(xié)同優(yōu)化模型的基礎(chǔ)數(shù)據(jù)包括本地區(qū)協(xié)同優(yōu)化期內(nèi)負(fù)荷曲線、遠(yuǎn)端至本地不同時(shí)期不同輸送功率下對(duì)應(yīng)成本曲線，本地的光伏、風(fēng)電以及海上風(fēng)電出力曲線，本地各電源出力上網(wǎng)電價(jià)、需求側(cè)響應(yīng)、儲(chǔ)能、火電等各類參與調(diào)峰、調(diào)頻、備用等輔助服務(wù)價(jià)格和電網(wǎng)設(shè)備極限輸送容量等.

3.2? ?運(yùn)行約束條件

系統(tǒng)優(yōu)化模型的約束條件包括系統(tǒng)運(yùn)行約束、安全約束和環(huán)保約束3個(gè)方面.

3.2.1? ?運(yùn)行約束

式（10）為系統(tǒng)功率平衡約束.

pi（t）+wDF

j? ?（t）+vk（t）+d（t）≥lDF（t）

（t = 1，2，…，n）? ? ? ? ? ? ?（10）

式中：pi為第i臺(tái)常規(guī)機(jī)組出力;ωj為第j臺(tái)新能源機(jī)組在t時(shí)段的預(yù)測(cè)出力;vk為第k個(gè)包括儲(chǔ)能站、需求側(cè)管理等靈活性資源的出力狀況;d為t時(shí)間段直流輸送功率;lDF（t）為t時(shí)段系統(tǒng)預(yù)測(cè)負(fù)荷.

式（11）為常規(guī)機(jī)組最大和最小出力約束.

Ii（t） × Pimin ≤ pi（t） ≤Ii（t） × Pimax? ? ? ? ? ? ?（11）

式（12）為機(jī)組功率爬坡約束.

-DRi ≤ Pi（t） - Pi（t - 1） ≤ URi? ? ? ? ? ? ?（12）

式中：DRi、URi分別為機(jī)組i每個(gè)時(shí)段允許可調(diào)出力的上、下限.

式（13）為機(jī)組最小運(yùn)行與停機(jī)持續(xù)時(shí)間約束.

[T on

i? ?（t - 1） - T on

i，min? ?][Ii（t - 1） - Ii（t）] ≥ 0

[T off

i? ?（t - 1） - T off

i，min? ?][Ii（t） - Ii（t - 1）] ≥ 0

（13）

式中： T on

i，min、 T off

i，min? ?分別為機(jī)組i的最小啟（停）時(shí)間;

T on

i（t-1）、T off

i（t-1）分別為機(jī)組i在t時(shí)段前的持續(xù)開（關(guān)）機(jī)時(shí)間.

式（14）為需求側(cè)管理運(yùn)行約束.

vk min ≤ vk（t） ≤ vk max? ? （14）

式中：vk max為第k個(gè)需求側(cè)管理資源的正常負(fù)荷;

vk min為第k個(gè)需求側(cè)管理資源管理可減負(fù)荷值.

式（15）～式（17）為儲(chǔ)能電站運(yùn)行約束.

-em-p max（t） ≤ em（t） ≤ em-p max（t）? ? （15）

0 ≤ em-s（t） ≤ em-s max? ? （16）

（em-p（t）-em-p（t-1））×t = em-s（t）-em-s（t-1）? ? （17）

式中：em-p max（t）為第m個(gè)儲(chǔ)能電站額定功率;em-p（t）為t時(shí)間段第m個(gè)儲(chǔ)能電站輸出功率;em-s max為第m個(gè)儲(chǔ)能電站額定存儲(chǔ)電力;em - s（t）為t時(shí)間段第m個(gè)儲(chǔ)能電站存儲(chǔ)電量.

其中，式（17）表示一定時(shí)間內(nèi)，充放電功率與充電量的關(guān)系.

3.2.2? ?安全約束

式（18）為輸電線路潮流約束.

Fk min ≤ GSFk-B pB ≤ Fk max? ? ? ?（18）

式中：GSF為發(fā)電轉(zhuǎn)移因子[29-30];Fk min和Fk max分別為輸電設(shè)備的最小潮流約束和最大潮流約束.

式（19）為系統(tǒng)旋轉(zhuǎn)備用約束，S%為系統(tǒng)旋轉(zhuǎn)備用率.

[Pi max*Ii（t）]≥l（t）*（1+S%）（t=1，2，…，T）

（19）

3.2.3? ?環(huán)保約束

式（20）為可再生能源占比約束.

≥ D%? ? ? ?（20）

式中：Hclean（t）、Hall（t）分別為t時(shí)段可再生能源發(fā)電量和全社會(huì)發(fā)電量;D%為可再生能源占比要求.

式（21）和式（22）為棄風(fēng)率和棄光率約束.

≤ Qwind%? ? ? ?（21）

≤ QPV%? ? ? ?（22）

式中：Ha-wind（t）、Hwind（t）分別風(fēng)電棄電量和風(fēng)電發(fā)電量;Ha-PV（t）、HPV（t）分別光伏棄電量和光伏發(fā)電量;Qwind%和QPV%分別為棄風(fēng)率和棄光率控制限制.

式（8）為系統(tǒng)協(xié)同優(yōu)化模型的目標(biāo)函數(shù)，式（9）～式（22）為協(xié)同優(yōu)化模型的約束條件，在給定各變量初始值的情況下，利用優(yōu)化算法，可以計(jì)算獲得綜合成本最優(yōu)情況下不同類型電源組合以及遠(yuǎn)端清潔能源受入直流工程的運(yùn)行策略.

4? ?協(xié)同運(yùn)行策略優(yōu)化算法

為實(shí)現(xiàn)多種系統(tǒng)出力變量的協(xié)同，需要一種適應(yīng)的優(yōu)化算法來更快速準(zhǔn)確地得到最優(yōu)解[31]，本文采用基于改進(jìn)粒子群算法的系統(tǒng)運(yùn)行策略風(fēng)險(xiǎn)方法. 粒子群算法（Particle Swarm Optimization，PSO），是一種進(jìn)化計(jì)算技術(shù)，基本思想是通過群體中個(gè)體之間的協(xié)作和信息共享來尋找最優(yōu)解. 目前廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制等遺傳算法的應(yīng)用領(lǐng)域. 基于該算法，本文上節(jié)提出了系統(tǒng)綜合成本最低的目標(biāo)函數(shù)以及運(yùn)行、安全、環(huán)保約束.

PSO算法采用循環(huán)逼近的方法獲取優(yōu)化結(jié)果，其基本流程包括如下6個(gè)步驟：

步驟1? ?對(duì)群體規(guī)模為N的一群微粒的位置和速度進(jìn)行初始化;采用一組滿足約束條件的隨機(jī)粒子，設(shè)有r個(gè)，然后通過迭代尋優(yōu)找到最優(yōu)解. 在每次迭代中，每個(gè)粒子根據(jù)式（23）（24）來更新自己的速度和位置.

vd+1 = ω·vd+1 + φ1·rand（）·（pBest - xd） +

φ2·rand（）·（gBest - xd）? ? ?（23）

xd+1 = xd + vd+1? ? ? ?（24）

式中：下標(biāo)d為迭代次數(shù);xd為d次迭代時(shí)的粒子空間位置;vd+1為d次迭代時(shí)的粒子速度;ω為慣性常數(shù);φ1和φ2為學(xué)習(xí)因子;rand（）為介于（0，1）之間的隨機(jī)數(shù).

步驟2? ?對(duì)每個(gè)微粒初始狀態(tài)的適應(yīng)度進(jìn)行評(píng)價(jià);采用公式（23）中pBest和gBest分別表示微粒群的局部和全局最優(yōu)位置.

步驟3? ?對(duì)每個(gè)微粒，將其適應(yīng)值與其經(jīng)過的局部最優(yōu)位置pBest作比較，如果較好，則將其作為當(dāng)前的最好位置pBest .

步驟4? ?對(duì)每個(gè)微粒，將其適應(yīng)值與其經(jīng)過的全局最優(yōu)位置gBest作比較，如果較好，則將其作為當(dāng)前的最好位置gBest .

步驟5? ?根據(jù)式（23）調(diào)整微粒速度和位置.

步驟6? ?未達(dá)到結(jié)束條件則轉(zhuǎn)步驟2. 迭代結(jié)束條件根據(jù)具體問題一般選為最大迭代次數(shù)Gk或（和）微粒群迄今為止搜索到的最優(yōu)位置滿足預(yù)定最小適應(yīng)閾值[31-32].

5? ?算例分析

以江蘇省某地區(qū)為例進(jìn)行算例分析，該區(qū)規(guī)劃年負(fù)荷規(guī)模達(dá)到37 700 MW，擁有一個(gè)8 000 MW特高壓直流受電通道，海上風(fēng)電場(chǎng)規(guī)劃12 000 MW，現(xiàn)有電源結(jié)構(gòu)及上網(wǎng)電價(jià)如表2所示.

遠(yuǎn)方清潔能源基地電力以風(fēng)電為主，光伏為輔，日典型清潔能源出力特性如圖2所示. 受到夜間風(fēng)速較高，發(fā)電出力大以及夜間當(dāng)?shù)刎?fù)荷水平低的影響，遠(yuǎn)方電網(wǎng)夜間電力整體富余，由于電力呈現(xiàn)供大于求的趨勢(shì)，夜間遠(yuǎn)方電價(jià)水平偏低，而白天則相反，白天風(fēng)電出力較低，雖然光伏發(fā)電補(bǔ)充了電力供應(yīng)，但白天遠(yuǎn)方電力整體偏緊張，導(dǎo)致白天電價(jià)水平偏高. 通過直流工程到網(wǎng)電價(jià)受到遠(yuǎn)處地區(qū)電價(jià)波動(dòng)的影響，隨著時(shí)間不同而有所差異，到位電價(jià)水平電價(jià)整體呈現(xiàn)夜間電價(jià)低、白天電價(jià)高的特征. 據(jù)統(tǒng)計(jì)，白天與夜間時(shí)段近區(qū)到網(wǎng)電價(jià)分別為0.2元/kW·h和0.35元/kW·h.

參照我國(guó)銀東、天中和靈紹等清潔能源基地直流輸電工程運(yùn)行方式確定該地區(qū)受電曲線，典型送電曲線如圖3所示，即高峰階段按滿容量送電，其他時(shí)段送電容量. 按照傳統(tǒng)的運(yùn)行方式配置各機(jī)組典型出力方式，如圖4所示，傳統(tǒng)方式下電力系統(tǒng)日綜合成本為2.80億元.

值得注意的是，該地區(qū)海上風(fēng)電與遠(yuǎn)方清潔能源出力特性相似，也呈現(xiàn)出夜間出力大，白天出力偏少的特征（圖2）. 兩種相似的清潔能源出力曲線需要考慮綜合成本最優(yōu)來實(shí)現(xiàn)電源協(xié)同優(yōu)化，利用本文提出的模型對(duì)遠(yuǎn)端輸電工程送電曲線進(jìn)行優(yōu)化后，對(duì)比系統(tǒng)綜合成本變化情況，論證模型的實(shí)用性.

根據(jù)該地區(qū)負(fù)荷預(yù)測(cè)需求，在滿足運(yùn)行約束、安全約束和環(huán)保約束的條件下，以系統(tǒng)綜合成本最小為目標(biāo)，以24 h為協(xié)同優(yōu)化周期，以1 h為對(duì)象進(jìn)行優(yōu)化，對(duì)電源機(jī)組出力和直流送電曲線進(jìn)行協(xié)同優(yōu)化. 優(yōu)化后直流送電曲線如圖3所示，協(xié)同優(yōu)化機(jī)組運(yùn)行方式如圖5所示，優(yōu)化后系統(tǒng)綜合成本為2.66億元，較優(yōu)化前降低了0.14億元，下降幅度達(dá)5%.

分析優(yōu)化后綜合成本下降的主要原因包括以下幾方面：一是傳統(tǒng)的輸電曲線并未考慮遠(yuǎn)處清潔能源電價(jià)水平，導(dǎo)致該地區(qū)在白天受入了滿功率的高價(jià)電量，而到了夜間卻受入了較少的低價(jià)電量，優(yōu)化后，對(duì)送電曲線進(jìn)行調(diào)整，充分消納夜間低價(jià)電量，降低了綜合成本;二是充分消納本地清潔能源，充分利用水電的功率調(diào)節(jié)能力，減少了火電反復(fù)參與調(diào)峰的次數(shù)，優(yōu)先調(diào)用水電等低成本靈活調(diào)節(jié)資源，減少了調(diào)峰成本的支出;三是在日間電價(jià)較高階段，適時(shí)地調(diào)用了儲(chǔ)能和需求側(cè)管理等靈活性資源，減少了對(duì)高價(jià)電量的使用，以此降低綜合成本.

整體來看，利用本文提出考慮系統(tǒng)綜合成本的協(xié)同優(yōu)化模型，可確定機(jī)組出力優(yōu)化結(jié)構(gòu)，制定直流送電策略，通過優(yōu)化前后綜合成本對(duì)比分析，可發(fā)現(xiàn)能夠顯著降低系統(tǒng)綜合成本5%左右，為開展方案比選和優(yōu)化提供技術(shù)支撐.

6? ?結(jié)? ?論

本文分析了遠(yuǎn)方與近區(qū)電網(wǎng)以及海上風(fēng)電的送受電框架，總結(jié)了海上風(fēng)電與遠(yuǎn)方清潔能源面臨的主要問題，建立了考慮海上風(fēng)電、遠(yuǎn)端清潔能源、輔助服務(wù)費(fèi)用以及本地電源等綜合成本估算方法;梳理了經(jīng)濟(jì)、安全、環(huán)境的評(píng)價(jià)指標(biāo)及其特性，提出了以經(jīng)濟(jì)最優(yōu)為目標(biāo)，考慮運(yùn)行約束、安全約束和環(huán)境約束，建立了考慮綜合成本的電力系統(tǒng)協(xié)同優(yōu)化模型;最后以江蘇省某地區(qū)為分析對(duì)象，利用協(xié)同優(yōu)化模型對(duì)傳統(tǒng)運(yùn)行方式進(jìn)行了電源出力組合優(yōu)化，結(jié)果表明考慮綜合成本分析優(yōu)化模型在保障系統(tǒng)穩(wěn)定運(yùn)行的基礎(chǔ)上可減少系統(tǒng)綜合成本，提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性水平，驗(yàn)證了協(xié)同優(yōu)化模型的適用性.

由于電力系統(tǒng)實(shí)際運(yùn)行過程的綜合成本受到眾多市場(chǎng)化交易博弈關(guān)系的影響，需要獲取需要收集大量的數(shù)據(jù)和變量條件，在今后的研究中，必須注意加強(qiáng)對(duì)有關(guān)成本數(shù)據(jù)的積累和市場(chǎng)化交易條件下的綜合成本獲取方法，為更準(zhǔn)確地實(shí)現(xiàn)電力系統(tǒng)協(xié)同優(yōu)化提供基礎(chǔ)數(shù)據(jù)支持.

參考文獻(xiàn)

[1]? ? 陳俊嶺，陽(yáng)榮昌，馬人樂，等. 大型風(fēng)電機(jī)組組合式塔架結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，42（5）：29—35.

CHEN J L，YANG R C，MA R L，et al. Optimization design of combined tower structure for large wind turbines [J]. Journal of Hunan University （Natural Sciences），2015，42（5）：29—35. （In Chinese）

[2]? ? 王娜，邵霞，高云鵬，等. 基于區(qū)域信息融合的風(fēng)電場(chǎng)平均年發(fā)電量預(yù)測(cè)[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，42（8）：81—85.

WANG N，SHAO X，GAO Y P，et al. Prediction of average annual power generation of wind farms based on regional information fusion[J]. Journal of Hunan University（Natural Sciences），2015，42（8）：81—85. （In Chinese）

[3]? ? 畢平平，許曉艷，梅文明，等. 風(fēng)電基地連鎖脫網(wǎng)風(fēng)險(xiǎn)評(píng)估方法及送出能力研究[J]. 電網(wǎng)技術(shù)，2019，43（3）：165—172.

BI P P，XU X Y，MEI W M，et al. Research on risk assessment method and delivery capability of chain off-network in wind power base [J]. Power System Technology，2019，43（3）：165—172. （In Chinese）

[4]? ? 康重慶，姚良忠. 高比例可再生能源電力系統(tǒng)的關(guān)鍵科學(xué)問題與理論研究框架[J].電力系統(tǒng)自動(dòng)化，2017，41（9）：2—11.

KANG C Q，YAO L Z. Key scientific issues and theoretical research framework for high proportion renewable energy power systems [J]. Automation of Electric Power Systems，2017，41（9）：2—11. （In Chinese）

[5]? ? 遲永寧，梁偉，張占奎，等.大規(guī)模海上風(fēng)電輸電與并網(wǎng)關(guān)鍵技術(shù)研究綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2016，36（14）：3758—3770.

CHI Y N，LIANG W，ZHANG Z K，et al. Summary of research on key technologies of large-scale offshore wind power transmission and grid connection [J]. Proceeding of the CSEE，2016，36（14）：3758—3770. （In Chinese）

[6]? ? LIU H，SUN J. Voltage stability and control of offshore wind farms with AC collection and HVDC transmission [J]. IEEE Journal of Emerging & Selected Topics in Power Electronics，2014，2（4）：1181—1189.

[7]? ? 蔣衛(wèi)龍，鄧文浪，郭有貴，等. 基于RMC的海上風(fēng)電-HVDC系統(tǒng)功率協(xié)調(diào)控制[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2015，27（10）：1—8.

JIANG W L，DENG W L，GUO Y G，et al. RMC-based offshore wind power-HVDC system power coordinated control [J]. Proceeding of the CSU-EPSA，2015，27（10）：1—8. （In Chinese）

[8]? ? 趙大偉，馬進(jìn)，錢敏慧，等. 海上風(fēng)電場(chǎng)經(jīng)交流電纜送出系統(tǒng)的無功配置與協(xié)調(diào)控制策略[J]. 電網(wǎng)技術(shù)，2017，41（5）：1412—1421.

ZHAO D W，MA J，QIAN M H，et al. Reactive power configuration and coordinated control strategy for offshore wind farms sent out via AC cable [J]. Power System Technology，2017，41（5）：1412—1421. （In Chinese）

[9]? ? 張立輝，熊俊，鞠立偉，等. 考慮清潔能源參與的跨區(qū)域能源配置優(yōu)化模型[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，42（4）：71—77.

ZHANG L H，XIONG J，JU L W，et al. Cross-regional energy allocation optimization model considering clean energy participation [J]. Journal of Hunan University （Natural Sciences），2015，42（4）：71—77. （In Chinese）

[10]? 李璐，鄭亞先，陳長(zhǎng)升，等. 風(fēng)電的波動(dòng)成本計(jì)算及應(yīng)用研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2016，36（19）：5155—5163.

LI L，ZHENG Y X，CHEN C S，et al. Wind power fluctuation cost calculation and application research [J]. Proceeding of the CSEE，2016，36（19）：5155—5163. （In Chinese）

[11]? 江岳春，楊旭瓊，賀飛，等. 基于EEMD-IGSA-LSSVM的超短期風(fēng)電功率預(yù)測(cè)[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，43（10）：70—78.

JIANG Y C，YANG X Q，HE F，et al. Ultra-short-term wind power prediction based on EEMD-IGSA-LSSVM [J]. Journal of Hunan University （Natural Sciences），2016，43（10）：70—78. （In Chinese）

[12]? 袁鐵江，晁勤，吐爾遜·伊不拉音，等. 大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)動(dòng)態(tài)清潔經(jīng)濟(jì)優(yōu)化調(diào)度的建模[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2010，30（31）：7—13.

YUAN T J，CHAO Q，TOERXUN Y，et al. Modeling of dynamic clean economy optimization scheduling for large-scale wind power grid-connected power systems [J]. Proceeding of the CSEE，2010，30（31）：7—13. （In Chinese）

[13]? 張昭丞，郭佳田，諸浩君，等. 基于全生命周期成本的海上風(fēng)電并網(wǎng)方案優(yōu)選分析[J]. 電力系統(tǒng)保護(hù)與控制，2017，45（21）：51—57.

ZHANG Z C，GUO J T，ZHU H J，et al. Optimal analysis of offshore wind power grid-connected scheme based on full life cycle cost [J]. Power System Protection and Control，2017，45（21）：51—57. （In Chinese）

[14]? MORANDI A，GHOLIZAD B，STIENEKER M，et al. Technical and economical evaluation of DC high-temperature superconductor solutions for the grid connection of offshore wind parks [J]. IEEE Transactions on Applied Superconductivity，2016，26（6）：1—10.

[15]? CHANG J，UMMELS B C，SARK W V，et al. Economic evaluation of offshore wind power in the liberalized Dutch power market [J]. Wind Energy，2009，12（5）：507—523.

[16]? 陶冶，時(shí)璟麗. 我國(guó)海上風(fēng)電發(fā)展形勢(shì)和電價(jià)政策研究[J]. 中國(guó)能源，2013，35（6）：25-29.

TAO Y，SHI J L. China′s offshore wind power development situation and electricity price policy research [J]. Energy of China，2013，35（6）：25—29. （In Chinese）

[17]? 翁振星，石立寶，徐政，等. 計(jì)及風(fēng)電成本的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（4）：514—523.

WENG Z X，SHI L B，XU Z，et al. Dynamic economic dispatch of power system considering wind power cost [J]. Proceeding of the CSEE，2014，34（4）：514—523. （In Chinese）

[18]? ZHANG Z S，SUN Y Z，GAO D W，et al. A versatile probability distribution model for wind power forecast errors and its application in economic dispatch [J]. IEEE Transactions on Power Systems，2013，28（3）：3114—3125.

[19]? 李培強(qiáng)，王繼飛，李欣然，等.雙饋與直驅(qū)風(fēng)電機(jī)組的小干擾穩(wěn)定性對(duì)比分析[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，41（1）：92—97.

LI P Q，WANG J F，LI X R，et al. Comparative analysis of small disturbance stability of doubly-fed and direct-drive wind turbines [J]. Journal of Hunan University （Natural Sciences），2014，41（1）：92—97. （In Chinese）

[20]? 艾欣，劉曉. 基于可信性理論的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2011，31（S1）：12—18.

AI X，LIU X. Dynamic economic dispatch of power system with wind farm based on credibility theory [J]. Proceeding of the CSEE，2011，31（S1）：12—18. （In Chinese）

[21]? CAO Y J，LI Q，TAN Y，et al. A comprehensive review of energy internet：basic concept，operation and planning methods，and research prospects [J]. Journal of Modern Power Systems and Clean Energy，2018，6（3）：399—411.

[22]? JI F，CAI X，YUE C，et al. Fuzzy robust dispatch for power systems with wind farms [J]. Proceedings of the Chinese Society of Electrical Engineering，2014，34（28）：4791—4798.

[23]? 袁曉玲，范玉仙. 基于Logistic和學(xué)習(xí)曲線模型的中國(guó)電源結(jié)構(gòu)預(yù)測(cè)[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，27（4）：51—55.

YUAN X L，F(xiàn)AN Y X. China power structure prediction based on Logistic and learning curve model [J]. Journal of Hunan University （Natural Sciences），2013，27（4）：51—55. （In Chinese）

[24]? 翁振星，石立寶，徐政，等. 計(jì)及風(fēng)電成本的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（4）：514—523.

WENG Z X，SHI L B，XU Z，et al. Dynamic economic dispatch of power system considering wind power cost [J]. Proceeding of the CSEE，2014，34（4）：514—523. （In Chinese）

[25]? 周瑋，孫輝，顧宏，等. 含風(fēng)電場(chǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度研究綜述[J]. 電力系統(tǒng)保護(hù)與控制，2011，39（24）：148—154.

ZHOU W，SUN H，GU H，et al. Review of economic dispatching of power systems with wind farms [J]. Power System Protection and Control，2011，39（24）：148—154. （In Chinese）

[26]? 陳功貴，陳金富. 含風(fēng)電場(chǎng)電力系統(tǒng)環(huán)境經(jīng)濟(jì)動(dòng)態(tài)調(diào)度建模與算法[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（10）：27—35.

CHEN G G，CHEN J F. Modeling and algorithm for environmental economic dynamic scheduling of wind farm electric power system [J]. Proceeding of the CSEE，2013，33（10）：27—35. （In Chinese）

[27]? 鄂加強(qiáng)，李光明，張彬，等. 兆瓦級(jí)風(fēng)電偏航減速機(jī)行星齒輪疲勞仿真分析[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，38（9）：32—38.

E J Q，LI G M，ZHANG B，et al. Simulation analysis of planetary gear fatigue in megawatt wind power yaw reducer [J]. Journal of Hunan University （Natural Sciences），2011，38（9）：32—38. （In Chinese）

[28]? 張坤亞. 風(fēng)電并網(wǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度研究綜述[J]. 機(jī)電信息，2016（27）：40—41.

ZHANG K Y. Summary of research on economic dispatching of power system with wind power grid-connected [J]. Mechanical and Electrical Information，2016，（27）：40—41. （In Chinese）

[29]? 孫亞，肖晉宇，彭冬，等. 考慮安全約束的未來輸電網(wǎng)利用率評(píng)估[J]. 電網(wǎng)技術(shù)，2016，40（12）：3818—3824.

SUN Y，XIAO J Y，PENG D，et al. Future transmission grid utilization assessment considering safety constraints [J]. Power System Technology，2016，40（12）：3818—3824. （In Chinese）

[30]? 田躍軍. 粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[J].電子測(cè)試，2015，（19）：47—48.

TIAN Y J. Improvement of particle swarm optimization algorithm and its application in power system [J].? Electronic Test，2015，（19）：47—48. （In Chinese）

[31]? 侯云鶴，魯麗娟，熊信艮，等. 改進(jìn)粒子群算法及其在電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2004，24（7）：99—104.

HOU Y H，LU L J，XIONG X G，et al. Improved particle swarm optimization algorithm and its application in power system economic load distribution [J]. Proceeding of the CSEE，2004，24（7）：99—104. （In Chinese）

[32]? WANG Y，CAI Z. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems [J]. Journal of Taiyuan Heavy Machinery Institute，2011，11（1）：295—304.