【正文】 型目標函數(shù)是火電機組耗量最小化，約束條件為功率平衡、線路傳輸極限、各單元功率極限。經(jīng)過對目標函數(shù)的變換，并將約束條件寫成懲罰項，得到該問題的拉格朗日函數(shù)。 （4）本文采用分布式原對偶次梯度算法解決上述優(yōu)化調(diào)度問題。在一個典型的拉格朗日松弛方法中，決策變量和拉格朗日乘數(shù)依據(jù)全部的火電機組的信息而進行更新。在該算法中，每個火力機組迭代更新是依據(jù)自身的成本、自身的容量信息、相鄰的火力機組決策變量、相鄰的火力機組拉格朗日乘數(shù)進行的。該算法求解最優(yōu)化問題時有很高的精度高和很快的收斂速度。 （5）本文選取了算例系統(tǒng)來評估所提出的優(yōu)化調(diào)度方案。結(jié)果表明：不等概抽樣法具有良好的性能，可以大幅度減少抽樣規(guī)模；新能源的引入極大減少了常規(guī)火電機組的出力繼而減少發(fā)單所需的煤耗量；分布式原對偶次梯度算法求解目標函數(shù)最優(yōu)解時具有很高精度，并且收斂速度很快。 本文的研究工作取得一定的成果，但是很多方面還是需要進一步研究。之后的研究方向會集中在下面幾點： （1）風(fēng)速的隨機性很強，導(dǎo)致可預(yù)測性很差，當前的預(yù)測方法大多不能取得很好的預(yù)測效果。今后在風(fēng)速預(yù)測方面會進行更深入的研究，其預(yù)測不僅需要對歷史數(shù)據(jù)進行分析，還應(yīng)同時考慮更多的天氣、地形、周圍環(huán)境等因素對風(fēng)速的影響，以便達到較好的預(yù)測效果。 （2）本文在評估新能源發(fā)電引入電力系統(tǒng)的風(fēng)險時，暫態(tài)風(fēng)險、電壓風(fēng)險等未納入考慮，只考慮備用不足風(fēng)險。并且由于新能源中風(fēng)電占絕大比例，且風(fēng)電波動性最大，只考慮風(fēng)電并網(wǎng)引起的風(fēng)險。日后的研究中將會綜合考慮這些風(fēng)險，從而在新能源電力并網(wǎng)方面做出更多的理論貢獻。 （3）本文的優(yōu)化調(diào)度模型和優(yōu)化算法還是需要有進一步的深入研究，模型中應(yīng)當考慮更多的約束條件，算法的收斂性能、計算速度等一些方面也需要得到改進。 （4）本文的風(fēng)險評估采用不等概抽樣法會減少抽樣規(guī)模，但是在優(yōu)化計算迭代過程中仍然存在大量的抽樣計算，這樣就會大大影響算法的計算速度。風(fēng)險評估的計算方法需要進一步的研究來提高算法的效率。 （5）本文評估評估風(fēng)險時只是評估旋轉(zhuǎn)備用不足的風(fēng)險，當新能源電力容量較大、系統(tǒng)裝機容量不足時，就會出現(xiàn)冷備用都無法滿足風(fēng)電、光電波動的情況，此時就要切除負荷來維持系統(tǒng)頻率穩(wěn)定；假使采用增加裝機容量的方式平衡這種風(fēng)險，那么會帶來很大的系統(tǒng)冗余度，經(jīng)濟性會大幅降低。因此，當系統(tǒng)中新能源電力的含量越來越多時，就要研究新的解決方案來解決風(fēng)電帶來的風(fēng)險。結(jié)束語 為期幾個月的畢業(yè)設(shè)計至此就將結(jié)束了，做畢業(yè)設(shè)計的期間我學(xué)到很多知識。畢業(yè)設(shè)計不僅是對本科四年所學(xué)的專業(yè)知識的回顧總結(jié)，更是一種學(xué)以致用，學(xué)以創(chuàng)新。通過此次畢業(yè)設(shè)計，我發(fā)現(xiàn)自己在專業(yè)知識的學(xué)習(xí)方面雖然有所掌握，但不夠熟練，專業(yè)知識好需要進一步扎實。這期間，我所學(xué)到的新知識就是查閱最新的高質(zhì)量國內(nèi)外學(xué)術(shù)文章，從選擇到閱讀，再到引用，這對于我而言都是前所未有的一種學(xué)習(xí)。通過閱讀大量的文獻，我深刻體會到學(xué)習(xí)是一個長期積累的過程，冰凍三尺非一日之寒，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì)。 在這次畢業(yè)設(shè)計中，我和導(dǎo)師、同學(xué)、學(xué)長學(xué)姐之間的關(guān)系更進一步了。導(dǎo)師的親身指導(dǎo)是我對課題有了明晰的認識；同學(xué)之間互相幫助，一起討論，使我對課題有了更深入的理解；研究生學(xué)長學(xué)姐們的熱情幫助，是我解決了一個又一個難題。于此，特別感謝這些人的幫助。 撰寫、修改完畢業(yè)設(shè)計報告，我深刻體會到，學(xué)習(xí)的過程是一個不斷修正的過程，要經(jīng)常對所走過的路進行回顧反思。要趁著年輕多讀些書，多學(xué)一些知識，這樣才不會有書到用時方恨少的嗟嘆，誰的青春書香四溢，誰的一生都將精彩！致 謝 本人的畢業(yè)論文是在我的導(dǎo)師XX老師的親切關(guān)懷和悉心指導(dǎo)下完成的。謝老師不僅具備一個科學(xué)研究者該有的治學(xué)嚴謹、一名人民教師該具有的兢兢業(yè)業(yè)，還具有作為一個長輩對晚輩的殷切關(guān)愛。從設(shè)計課題，到指導(dǎo)開題，再到撰寫畢業(yè)設(shè)計報告，謝老師無一不是仔細認真。指導(dǎo)學(xué)習(xí)之余，謝老師還經(jīng)常和課題組成員談?wù)撊松奈磥硪?guī)劃問題，其以豐富的人生閱歷為我們解決了許多對未來就業(yè)、升學(xué)的疑惑，在此謹向謝老師致以誠摯的謝意和崇高的敬意。 此外，還要感謝一起共度四年的同窗們和尊敬的老師們，正是他們的幫助和支持，我才能克服一個一個的困難和疑惑，直至本文的順利完成。在這里我將表達誠摯的謝意!謝謝你們!參考文獻[1] [D]．成都：西南交通大學(xué),2006.[2] [D]．汕頭：汕頭大學(xué),2004.[3] [D]．上海：上海交通大學(xué)，2010.[4] Lisa Goransson,FIlip modeling of a regional power generation system intergrating wind power[J].Renewable Energ,2009,34(4):10401049.[5] ChunLung Chen. Optimal WindThermal Generating Unit Commitment[J].Engergy Conversion,IEEE Transactions,2008,23(1):273280.[6] Furong Li,Bless Scheduling in a system with Wind Power[R].IEEE/PES Transmission and Distribution Conference amp。 Exhibition: Asia and Pacific, 2005.[7] John Hetzer, David , Kalu Bhattarai. An Economic Dispatch Model Incorporating Wind Power[J]. IEEE Transactions on Energy Conversion, 2008, 23(2): 603611.[8] 雷亞洲，王偉勝，印永華，等．含風(fēng)電場電力系統(tǒng)的有功優(yōu)化潮流[J]．電網(wǎng)技術(shù)，2002， 26(6):1821．[9] 汪岳文，陳沖，溫步瀛. 基于隨機模擬粒子群算法的含風(fēng)電場電力系統(tǒng)經(jīng)濟調(diào)度[J]. 電工電能新技術(shù)，2007，26(3)：3741．[10] 張建．基于GAALOPEX 算法的機組優(yōu)化組合的研究[D]．保定：華北電力大學(xué)，2005.[11] Shoults .. A Practical Approach to Unit Commitment,Economic Dispatch[J]. IEEE Transaction PAS,1980, 99 (2):6572.[12] Lee Term Unit Commtment –A New Method[J].IEEE Transaction PWRS,1988,3(2)： 3339.[13] Lee Application of Commitment Utilization Factor to Thermal Unit Commitment[J]. IEEE Transaction PWRS, 1991, 6 (2)：4652[14] 關(guān)仲．基于人工神經(jīng)網(wǎng)絡(luò)與動態(tài)規(guī)劃的機組組合算法研究[D]．重慶：重慶大學(xué),2006.[15] 吳穎．風(fēng)電穿透功率優(yōu)化及含風(fēng)電場電力系統(tǒng)運行研究[D]．上海：上海交通大學(xué),2009．[16] Huang Shyhjier,Huang of geneticbased neural networks to thermal unit mitment[J].IEEE Transaction Power Systems,1997,12(2):654660.[17] . A hybrid fuzzy neural networkexpert system for a short term unit mitment problem[J]. Microelectronics and reliability, 1997, 37(5): 733737.[18] ChiaLiang Lu. Effects of wind energy power producers on the generation dispatch of electric power utilities[J]. Electrical Power and Energy Systems, 2008, 30(2): 553561.[19] predicition of local wind conditions[J].Wind Engineering and Industrial Aerodynamica,2001,89(3/4):235245.[20] Johnson P, Santoso S. Short term wind power forecasting using hybrid intelligent systems[J]. Proceedings of the Power Engineering General Meeting,2007,37(5): 1–4.[21] 吳國旸，肖洋，翁莎莎．風(fēng)電場短期風(fēng)速預(yù)測探討[J]．吉林電力，2005，30(6)：2124．[22] Mohandes MA, Halawani TO. Support vector machines for wind speed prediction[J]. Renewable Energy 2004, 37(5).:939–947.[23] 栗文義，張保會，巴根．風(fēng)能大規(guī)模利用對電力系統(tǒng)可靠性的影響[J]．中國電機工程 學(xué)報，2008，28(1)：100105.[24] and cost worth evaluation of generating systems utilizing wind and solar energy[D].Saskatchewan:University of Saskatchewan,2005.[25] 吳義純，丁明，李生虎．風(fēng)電場對發(fā)輸電系統(tǒng)可靠性影響的評估[J]．電工技術(shù)學(xué)報， 2004,19(11)：7275.[26] Carmen L. T. Borges. Probabilistic Wind Farms Generation Model for Reliability Studies Applied[J]. IEEE Transactions on Power Systems,2006, 21(4):14931501.[27] Weihui Fu. Risk assessment and optimization for electric power systems[D].: Iowa State University,2000.[28] Hua Wan Riskbased security assessment for operating electric power systems[D].: Iowa State University,1999.[29] 馮永青，張伯明，（二）理論基礎(chǔ)[J]. 電力系統(tǒng)自動化，2006,30（2）：1121.[30] 馮永青，張伯明，（三）運用與工 程實踐[J].電力系統(tǒng)自動化，2006,30（3）：1116.[31] 寧遼逸，吳文傳，[J].中國 電機工程學(xué)報，2009,29（25）：2631.[32] 潘軒．基于風(fēng)險評估的電力系統(tǒng)脆弱性分析[碩士論文]．保定：華北電力大學(xué)，2008．[33] convex optimization under inequality and equality constraints[J].Autom Control,2012,57(1):151164.[34] ShunChung scheduling for thermal generating units[J].IEEE Transactions on Energy Conversion,1993,8(2):184199.[35] Hongming optimal dispatch of virtual power plant via limited munication[J].IEEE Transactions on Power Systems，2013,28(3):35113512.[36] 王鵬，任沖，[J].電網(wǎng)與清潔能源，2009，（11）： 8084. 33