1、進(jìn)入新世紀(jì)以來,我國風(fēng)力發(fā)電行業(yè)獲得了高速的發(fā)展。然而,風(fēng)電的隨機(jī)性、波動性以及反調(diào)峰特性,對常規(guī)電力系統(tǒng)的運(yùn)行分析、調(diào)度及控制方式提出了新的挑戰(zhàn),以風(fēng)電功率預(yù)測技術(shù)為基礎(chǔ)的電力系統(tǒng)調(diào)度管理是目前最為經(jīng)濟(jì)有效的解決辦法。本文的主要工作包括:
　　 (1)提出基于氣象數(shù)據(jù)相似度選取訓(xùn)練數(shù)據(jù)集的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型,來進(jìn)行風(fēng)電場功率預(yù)測。針對已有BP神經(jīng)網(wǎng)絡(luò)模型在選取訓(xùn)練數(shù)據(jù)集方面所存在的不足,分別對每個預(yù)測時段,通過數(shù)據(jù)相似度選取

2、訓(xùn)練數(shù)據(jù)集。預(yù)測結(jié)果分析顯示,改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型相對于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型有一定的優(yōu)越性。
　　 (2)提出求解含風(fēng)電場電力系統(tǒng)優(yōu)化調(diào)度問題的改進(jìn)多目標(biāo)粒子群算法,目標(biāo)函數(shù)包括系統(tǒng)發(fā)電總成本、污染氣體排放量和風(fēng)電場輸出功率短期波動引起的系統(tǒng)運(yùn)行風(fēng)險三個函數(shù)。該算法在處理機(jī)組組合問題時,首先通過所設(shè)計的啟發(fā)式規(guī)則生成初始機(jī)組組合,保證初始解的機(jī)組組合的多樣性和合理性,然后通過引入遺傳算子,來改善多目標(biāo)粒子群算法搜索機(jī)組組合的能力

3、;在處理負(fù)荷分配問題時,通過所設(shè)計的外部檔案維護(hù)策略和粒子全局最優(yōu)解的選取策略,來改善多目標(biāo)粒子群算法優(yōu)化負(fù)荷分配的能力。最后運(yùn)用模糊決策,從多目標(biāo)粒子群算法所得到的非劣解集中選取最合適的調(diào)度方案,模糊決策時三個目標(biāo)的權(quán)重可由決策者根據(jù)對優(yōu)化目標(biāo)的偏好以及負(fù)荷水平和風(fēng)功率預(yù)測情況確定。仿真結(jié)果顯示,風(fēng)電并網(wǎng)可以顯著降低系統(tǒng)總發(fā)電成本和污染氣體排放量;同時,采用啟發(fā)式規(guī)則和遺傳算子搜索機(jī)組組合的能力要優(yōu)于優(yōu)先順序法,算法有一定的實用價值。