方日升，江岳文，溫步瀛

（1．福建省電力有限公司，福建福州　350003；2．福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建閩侯　350108）

含風(fēng)電電網(wǎng)關(guān)口外送電交易能力的多智能體粒子群分層優(yōu)化研究

方日升1，江岳文2，溫步瀛2

（1．福建省電力有限公司，福建福州350003；2．福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建閩侯350108）

隨著風(fēng)電的大規(guī)模發(fā)展和跨省跨區(qū)交易量的不斷增加，研究風(fēng)電并網(wǎng)對(duì)外送電交易能力的影響對(duì)保證資源優(yōu)化、交易雙方利益極大化有重要的意義。利用多目標(biāo)隨機(jī)相關(guān)機(jī)會(huì)規(guī)劃理論建立關(guān)口交易能力的評(píng)估模型，采用分層優(yōu)化結(jié)合隨機(jī)模擬技術(shù)和多智能體粒子群算法求解。第一層以風(fēng)電并網(wǎng)的電力系統(tǒng)經(jīng)濟(jì)運(yùn)行為前提，第二層在極小化本系統(tǒng)購(gòu)電成本的基礎(chǔ)上，求取關(guān)口最大外送電交易能力以及機(jī)組的外送電交易能力。通過IEEE30節(jié)點(diǎn)系統(tǒng)實(shí)驗(yàn)和仿真計(jì)算，表明該方法能優(yōu)化本系統(tǒng)的運(yùn)行、有效獲取關(guān)口和各機(jī)組外送電交易能力指標(biāo)。

風(fēng)電并網(wǎng)；關(guān)口交易能力；多目標(biāo)機(jī)會(huì)約束規(guī)劃；分層優(yōu)化；多智能體粒子群

截止到2014年底，中國(guó)新增風(fēng)電裝機(jī)臺(tái)數(shù)為13 121臺(tái)，新增容量為23 196 MW，約占世界風(fēng)電新增裝機(jī)容量的45.1%；累計(jì)裝機(jī)容量達(dá)到近1.15億kW，累計(jì)風(fēng)電機(jī)組臺(tái)數(shù)為76 241臺(tái)。預(yù)計(jì)到2020年，風(fēng)電將超過核電成為三大主力發(fā)電電源，到2050年，由于近海的風(fēng)能得到大力開發(fā)，風(fēng)電將超過水電，成為第二大主力發(fā)電電源［1］。

風(fēng)力發(fā)電一方面為電力系統(tǒng)節(jié)約了煤炭等非可再生能源，有利于環(huán)境保護(hù)和電力系統(tǒng)的可持續(xù)發(fā)展；另一方面，由于風(fēng)電的隨機(jī)性，對(duì)電能質(zhì)量［2］、系統(tǒng)可靠性和輔助服務(wù)［3-4］、調(diào)度［5-6］、電力市場(chǎng)［7］等都產(chǎn)生了一系列的影響，相關(guān)文獻(xiàn)也進(jìn)行了大量的研究，取得不少的研究成果。但是，對(duì)含風(fēng)電影響電網(wǎng)外送電交易能力評(píng)估文獻(xiàn)研究甚少。我國(guó)地域廣袤，資源分布不平衡，為了從更大范圍內(nèi)節(jié)約資源，提高電力系統(tǒng)的可靠性，促進(jìn)電力系統(tǒng)的可持續(xù)發(fā)展，外送交易電量近年來不斷增加［8］。跨區(qū)省外送電交易有利于解決電力資源的不平衡，可以進(jìn)行區(qū)域間調(diào)峰容量的置換或緊急備用，能促進(jìn)電力系統(tǒng)的競(jìng)爭(zhēng)，促進(jìn)電力市場(chǎng)的發(fā)展。隨著市場(chǎng)和交易制度的逐步構(gòu)建與完善，交易方面的大部分理論研究集中在交易的模式、交易方法及相關(guān)算法上［9-10］，而交易能力評(píng)估方面的文章目前基本空缺。

交易能力的評(píng)估對(duì)交易的充分實(shí)施與交易的順利開展是必不可少的。通過外送電交易能力的評(píng)估，可以為本區(qū)域電網(wǎng)爭(zhēng)取更多的外送電交易機(jī)會(huì)或者減少不必要的交易損失；可以進(jìn)一步挖掘可用交易資源，減少省間或區(qū)域間的壁壘效應(yīng)；可以為省間或區(qū)域間聯(lián)絡(luò)線的規(guī)劃提供參考的依據(jù)；可以為電廠參與外送電交易競(jìng)爭(zhēng)提供合理的評(píng)估依據(jù)；可以增加電力市場(chǎng)運(yùn)作的透明度和公平性。因此，本文提出了這一研究目標(biāo)。

本文考慮風(fēng)電的隨機(jī)性，采用多目標(biāo)機(jī)會(huì)約束規(guī)劃理論建模分析，利用多智能體粒子群（簡(jiǎn)稱MIAS-PSO）算法分層求解該問題。以本省或本系統(tǒng)運(yùn)行可靠和經(jīng)濟(jì)為前提，獲取關(guān)口最大外送電交易能力和各機(jī)組外送電交易能力，為系統(tǒng)和電廠交易電量的挖掘和資源的優(yōu)化配置提供參考與借鑒。

1　含風(fēng)電電網(wǎng)的關(guān)口外送電交易能力建模分析

在本電網(wǎng)參與外送電交易時(shí)，考慮的主要因素是本系統(tǒng)的經(jīng)濟(jì)安全運(yùn)行以及外送電交易能力的最大化。因此，其目標(biāo)函數(shù)包含兩部分：1）本系統(tǒng)的經(jīng)濟(jì)運(yùn)行，即系統(tǒng)購(gòu)電成本最??；2）外送電交易能力最大化。本系統(tǒng)的安全運(yùn)行則受制于約束條件的設(shè)置，如備用的要求、線路輸送容量的約束、機(jī)組自身的約束等等。

1.1目標(biāo)函數(shù)

1）目標(biāo)1：本電網(wǎng)購(gòu)電成本極小化。由于含有風(fēng)電這個(gè)隨機(jī)變量，本電網(wǎng)購(gòu)電成本最小不是一個(gè)確定的值，而是一個(gè)期望值。

式中：ρ（Pgi）為常規(guī)機(jī)組i的報(bào)價(jià)函數(shù)，本文用式（2）表示：

式中：ai，bi為發(fā)電機(jī)i的報(bào)價(jià)系數(shù)；E［·］為數(shù)學(xué)期望；Ng為參與優(yōu)化的常規(guī)機(jī)組數(shù)；Ii為常規(guī)機(jī)組i的運(yùn)行狀態(tài)：0為停機(jī)；1為運(yùn)行；Pgi為常規(guī)機(jī)組i的發(fā)電有功功率。

2）目標(biāo)2：外送電交易能力的最大化。即電網(wǎng)所有能參與外送電交易機(jī)組能送到關(guān)口的潮流之和扣除關(guān)口上的本系統(tǒng)負(fù)荷，取期望最大值。此時(shí)不計(jì)聯(lián)絡(luò)線輸送容量的限制，通過關(guān)口交易能力的計(jì)算可以為聯(lián)絡(luò)線的建設(shè)提供必要的參考依據(jù)。關(guān)口則是指本省或本區(qū)外送電力的出口。

式中：Pgate為關(guān)口的交易能力。

設(shè)為了實(shí)現(xiàn)第一個(gè)目標(biāo)函數(shù)，發(fā)電機(jī)組i的發(fā)電有功功率為PGi；為了實(shí)現(xiàn)第二個(gè)目標(biāo)函數(shù)，通過上調(diào)關(guān)口的外送負(fù)荷大小，機(jī)組的i的發(fā)電有功功率上升為Pggi，則第i臺(tái)機(jī)組參與外送電交易的出力為（Pggi-PGi），第式（3）可以表示為：

式中：Ci為參與外送電機(jī)組的意愿；1為愿意參加；0為不參加。

1.2約束條件

1.2.1系統(tǒng)約束

式中：Nl為有接負(fù)荷的母線數(shù)；Plj為母線j的負(fù)荷有功需求量；Pr｛.·｝為｛.·｝中事件成立的概率；η1為事先給定的約束條件的置信水平，以下類推；為常規(guī)機(jī)組i發(fā)電功率限制的上限和下限；PU、PD為系統(tǒng)正、負(fù)旋轉(zhuǎn)備用有功功率；為常規(guī)機(jī)組i每分鐘有功功率變化允許最大上爬坡和下爬坡速率，一般表示為額定容量的百分比；δk為每分鐘風(fēng)電機(jī)組k可能的最大出力變化情況，一般表示為風(fēng)電額定容量的百分比；Xit為輸電線i的有功潮流，利用直流潮流法求??；Xmaxi為輸電線i的輸送極限；Nw為并網(wǎng)的風(fēng)電機(jī)組數(shù)；Pwk為隨機(jī)變量，即風(fēng)電機(jī)組k的有功出力，根據(jù)風(fēng)電出力與風(fēng)速的關(guān)系，其出力可以用式（6）獲得：

假設(shè)風(fēng)速服從正態(tài)分布［11］，則其概率滿足：

式（6）～（7）中：v、Vr、Vci、Vco及Pr分別為風(fēng)機(jī)的實(shí)際風(fēng)速、額定風(fēng)速、切入風(fēng)速、切出風(fēng)速以及風(fēng)機(jī)額定功率；μ為平均風(fēng)速；σ為標(biāo)準(zhǔn)差。

1.2.2機(jī)組出力約束

式中：PGi為第i臺(tái)常規(guī)機(jī)組在負(fù)荷經(jīng)濟(jì)分配中的出力水平；Pggi為第i臺(tái)常規(guī)機(jī)組在求取關(guān)口最大交易能力時(shí)的出力水平。

1.2.3節(jié)點(diǎn)負(fù)荷水平的約束

2　解算方法研究

2.1數(shù)學(xué)模型的處理

上述模型中即有多個(gè)目標(biāo)又含有隨機(jī)變量，其解必須在隨機(jī)變量實(shí)現(xiàn)前得出，為了使系統(tǒng)的解不至過于保守設(shè)置了概率形式的約束條件。因此，上述模型為多目標(biāo)機(jī)會(huì)約束規(guī)劃模型，求機(jī)會(huì)約束規(guī)劃模型的方法較多，如基于隨機(jī)模擬的粒子群算法［12］、基于隨機(jī)模擬的序二次規(guī)劃法［13］等等。

本文的模型包含本系統(tǒng)購(gòu)電成本費(fèi)用較小化以及關(guān)口外送電交易能力最大2個(gè)目標(biāo)函數(shù)。一般情況下，多目標(biāo)優(yōu)化問題的各個(gè)子目標(biāo)之間是矛盾的，一個(gè)子目標(biāo)的改善有可能會(huì)引起另一個(gè)或者另幾個(gè)子目標(biāo)的性能降低［14］。因此，使得每個(gè)子目標(biāo)都達(dá)到最優(yōu)的解是不可能的，只能求取妥協(xié)解，使每個(gè)目標(biāo)盡可能朝最優(yōu)解靠近。本文采用分層優(yōu)化的思想求取多目標(biāo)問題的解，第一層考慮本系統(tǒng)經(jīng)濟(jì)運(yùn)行和安全約束，對(duì)式（1）求取最優(yōu)解集R1，第二層以（3）作為優(yōu)化目標(biāo)，機(jī)組的出力下限取自R1，求取最優(yōu)解。

由于上述模型難以進(jìn)行確定性的轉(zhuǎn)化，需要借助于隨機(jī)模擬技術(shù)，雖然隨機(jī)模擬技術(shù)只是一個(gè)統(tǒng)計(jì)算法，而且使得程序計(jì)算時(shí)間延長(zhǎng)，但對(duì)于沒有解析解的問題，目前這種方法可能是唯一有效的解決手段。以約束條件（5）為例說明隨機(jī)模擬算法：1）在時(shí)段t內(nèi)，設(shè)m=0；2）根據(jù)式（7）生成隨機(jī)風(fēng)速v，根據(jù)式（6）求得風(fēng)電機(jī)組的出力，如果滿足則m=m+1；3）重復(fù)2）步驟n次，如果n足夠大，使得m/n≥η1，則式（5）成立。

2.2算法研究

2.2.1粒子群優(yōu)化算法

粒子群優(yōu)化算法（PSO）是一種基于種群搜索策略的自適應(yīng)隨機(jī)優(yōu)化算法，該方法求解效率較高，簡(jiǎn)單易懂，對(duì)所求解問題沒有特殊的要求，可實(shí)現(xiàn)性強(qiáng)，但易陷入局部最優(yōu)［15-16］。因此，本文引入Muti-Intelligent-Agent System（MIAS）與PSO結(jié)合，利用MIAS中單個(gè)Agent與領(lǐng)域Agent之間的相互學(xué)習(xí)、競(jìng)爭(zhēng)和協(xié)作改進(jìn)粒子群中每個(gè)粒子的位置，提高算法求解的速度、擴(kuò)大求解的范圍，避免收斂于局部最優(yōu)解。

2.2.2Muti-Intelligent-Agent System

多智能體系統(tǒng)（Muti-Intelligent-Agent System）能對(duì)環(huán)境的變化具有適應(yīng)力和相應(yīng)的自我調(diào)整能力，能與其他智能Agent進(jìn)行協(xié)作、交互，共同朝一個(gè)既定的目標(biāo)發(fā)展，能解決一個(gè)復(fù)雜問題的求解。系統(tǒng)中Agent可以是一個(gè)具體的實(shí)體，也可以是一個(gè)抽象名詞，它具有自主性、獨(dú)立性，并能根據(jù)領(lǐng)域Agent的狀況進(jìn)行學(xué)習(xí)、推理和交互。該方法已在電力系統(tǒng)保護(hù)［17］、故障診斷［18］中廣泛應(yīng)用。

2.2.3基于MIAS的粒子群優(yōu)化算法

在本文中，每一個(gè)Agent為αi，假設(shè)本文種群規(guī)模為m×Ng，則Agent的總數(shù)也為m×Ng。每個(gè)Agent包含2個(gè)信息，一個(gè)是粒子的位置，一個(gè)是粒子的速度。為了充分發(fā)揮單個(gè)Agent與鄰域之間的協(xié)作與學(xué)習(xí)，為各Agent配置一定的鄰居。在種群剛開始迭代時(shí)，由于各個(gè)粒子適應(yīng)度值差別較大，可以隨機(jī)為每個(gè)Agent配置鄰居，數(shù)目可根據(jù)實(shí)際需要加以設(shè)置，本文第一層優(yōu)化需要得到的是一個(gè)購(gòu)電成本極小化的解集，因此每個(gè)Agent的鄰居數(shù)可以適當(dāng)減少，本文最大值取10，即剛開始迭代時(shí)每個(gè)Agent可以隨機(jī)擁有10個(gè)鄰居，隨著迭代次數(shù)的增加，粒子趨近于穩(wěn)定，每個(gè)Agent的配置的鄰居數(shù)目可以適當(dāng)減少，因?yàn)榇藭r(shí)鄰里已經(jīng)趨近于一致或達(dá)成共識(shí)，協(xié)作與相互之間的學(xué)習(xí)的必要性降低。本文根據(jù)式（10）d的大小判斷種群收斂的情況，根據(jù)式（11）適當(dāng)減少鄰里數(shù)目。

式中：m為粒子群規(guī)模；fi為第i個(gè)粒子的適應(yīng)度；fgbest為粒子群目前的全局最優(yōu)個(gè)體的適應(yīng)度；為剛開始迭代每個(gè)Agent配置的鄰居數(shù)目；為第k次迭代的鄰居數(shù)目；d1為式（10）第一次的計(jì)算值；int為取整。

本文第二層優(yōu)化是基于第一層優(yōu)化的基礎(chǔ)之上進(jìn)行優(yōu)化，為了種群的多樣性，每個(gè)Agent隨機(jī)配置的鄰居數(shù)起始值為15，并同樣根據(jù)式（11）的變化逐步減少鄰里數(shù)目。

圖1　算法流程圖Fig.1　Program flow chart

假設(shè)αi與其鄰里之間通過各自適應(yīng)值的比較，發(fā)現(xiàn)f（αi）≤f（β）（f（β）為αi鄰里之間適應(yīng)值最?。ǖ谝粚觾?yōu)化））或f（αi）≥f（β）最大（f（β）為αi鄰里之間適應(yīng)值最大（第二層優(yōu)化）），則αi為一優(yōu)質(zhì)粒子，可以繼續(xù)在解空間中保持不變；否則為一劣質(zhì)粒子，需要向其它粒子學(xué)習(xí)，式（12）則充分反映了MIAS中各Agent的協(xié)作與相互學(xué)習(xí)的過程。

根據(jù)式（12）對(duì)劣質(zhì)αi進(jìn)行更新，其新的位置必須滿足約束條件（第一層優(yōu)化）或約束條件（第二層優(yōu)化）。

當(dāng)每個(gè)Agent進(jìn)行上述協(xié)作與學(xué)習(xí)后，結(jié)合PSO算法，與粒子群中最優(yōu)粒子進(jìn)行信息交換。PSO算法的引入克服了單個(gè)Agent與鄰里局部學(xué)習(xí)和協(xié)作的限制性，提升了其尋優(yōu)的速度，而Agent結(jié)合PSO則使得其解具有多樣性，防止局部收斂，2種優(yōu)化方法共同完成對(duì)本問題的求解，提高了最優(yōu)解獲取的效率與質(zhì)量。

2.2.4求解方法流程

根據(jù)上述采用MIAS-PSO進(jìn)行分層優(yōu)化的思路，該問題的求解方法用流程圖表示如圖1所示。

3　算例分析

以IEEE-30節(jié)點(diǎn)標(biāo)準(zhǔn)測(cè)試系統(tǒng)為例，假設(shè)風(fēng)電在16節(jié)點(diǎn)接入系統(tǒng)，以單機(jī)容量為2 MW的變漿距直驅(qū)式風(fēng)力發(fā)電機(jī)組為例，共有18臺(tái)；風(fēng)機(jī)切入風(fēng)速、切出風(fēng)速、額定風(fēng)速分別為3、25、14 m/s。各節(jié)點(diǎn)上的機(jī)組可以在允許出力的范圍內(nèi)自動(dòng)調(diào)整，都參與外送電交易。系統(tǒng)總的有功負(fù)荷為2.834 pu，，基準(zhǔn)容量為100 MV·A。其中正、負(fù)旋轉(zhuǎn)備用水平按照系統(tǒng)負(fù)荷的10%取值，風(fēng)電機(jī)組出力的最大變化按照其額度容量的20%考慮。發(fā)電機(jī)的相關(guān)參數(shù)見表1。

表1　發(fā)電機(jī)組的報(bào)價(jià)系數(shù)及相關(guān)參數(shù)Tab.1　The price coefficients and related parameters of generators

對(duì)上述算例分別從以下角度探討風(fēng)電并網(wǎng)對(duì)關(guān)口外送電交易能力的影響：1）關(guān)口位置對(duì)外送電交易能力的影響：假設(shè)17節(jié)點(diǎn)和30節(jié)點(diǎn)分別為關(guān)口外送電節(jié)點(diǎn)，置信水平均取0.97，目前17節(jié)點(diǎn)上的負(fù)荷為9+j5.8（MV·A），30節(jié)點(diǎn)上的負(fù)荷為10.6+j1.9（MV·A）；2）置信水平由0.97變?yōu)?.9對(duì)外送電交易的影響。

上述情況計(jì)算結(jié)果見表2、圖2及圖3所示。從表2可以看出當(dāng)風(fēng)電出力增加時(shí)，關(guān)口外送電交易將減少，關(guān)口位置離風(fēng)電場(chǎng)接入點(diǎn)更遠(yuǎn)，外送電交易能力也將更少。30節(jié)點(diǎn)上的外送電交易能力減少到0是因?yàn)?節(jié)點(diǎn)至28節(jié)點(diǎn)支路越限比較嚴(yán)重，限制了30節(jié)點(diǎn)外送電力的增長(zhǎng)。置信水平下降使得常規(guī)機(jī)組的購(gòu)電成本有所下降，但17節(jié)點(diǎn)外送電交易能力反而減少了，因?yàn)槌Ｒ?guī)機(jī)組的出力分配發(fā)生變化，使得16節(jié)點(diǎn)至17節(jié)點(diǎn)支路上的潮流增加，限制了17節(jié)點(diǎn)外送負(fù)荷的增加。

由于機(jī)組的負(fù)荷出力分配與關(guān)口位置無關(guān)，僅受風(fēng)電場(chǎng)出力大小和置信水平的影響，故圖2僅列出三種情況下購(gòu)電成本極小化時(shí)各機(jī)組的出力大小。關(guān)口外送電交易能力不僅受到風(fēng)電出力和關(guān)口位置的影響，也受到系統(tǒng)置信水平的影響，故圖3列出六種情況下各節(jié)點(diǎn)機(jī)組外送電交易能力大小。從圖3可以看出，關(guān)口外送電主要來自1節(jié)點(diǎn)上的機(jī)組和2節(jié)點(diǎn)上的機(jī)組。

表2　不同情況下系統(tǒng)購(gòu)電成本和關(guān)口外送電交易能力Tab.2　The gate exchange capability and purchasing cost under different circumstances

圖2　3種情況下本系統(tǒng)購(gòu)電成本極小化時(shí)各機(jī)組負(fù)荷出力分配Fig.2　Each generator's power output when the purchasing cost is minimum under three circumstances

圖3　6種情況下關(guān)口外送電交易能力最大時(shí)各機(jī)組外送電交易能力Fig.3　Each generator's trading capability when the gate trading capability is maximal under six circumstances

4　結(jié)論

隨著風(fēng)電的大規(guī)模發(fā)展以及跨省跨區(qū)交易量的不斷增加，本文建立了以本系統(tǒng)購(gòu)電成本極小化為基礎(chǔ)的關(guān)口最大外送電交易能力數(shù)學(xué)模型，考慮風(fēng)電的預(yù)測(cè)偏差，利用多目標(biāo)機(jī)會(huì)約束規(guī)劃建模；提出利用分層優(yōu)化的MIAS-PSO求解。通過算例和程序的驗(yàn)證，可以得出如下結(jié)論：

1）由于含有風(fēng)電這一難以準(zhǔn)確預(yù)測(cè)的隨機(jī)因素，系統(tǒng)外送電交易能力變成一個(gè)不確定的因素，需把經(jīng)濟(jì)性和可靠性進(jìn)行有機(jī)結(jié)合。

2）隨著風(fēng)電出力的增加，常規(guī)機(jī)組總的購(gòu)電成本不斷下降，關(guān)口交易能力的變化不確定，主要看線路潮流的約束及其關(guān)口的位置。同樣的風(fēng)電出力情況下，關(guān)口位置離風(fēng)電場(chǎng)越近，其外送電交易能力越大。

3）置信水平下降，常規(guī)機(jī)組總的購(gòu)電成本也不斷下降，因?yàn)榫€路越限的概率增加使得一些報(bào)價(jià)低的機(jī)組出力增加，但關(guān)口交易能力不一定會(huì)隨之增加，常規(guī)機(jī)組出力的重新分配改變線路的潮流，使得關(guān)口外送電交易能力的變化不確定。

從以上分析可以得知，風(fēng)電出力和可靠性水平的變化對(duì)本系統(tǒng)購(gòu)電成本的影響有規(guī)律可循，但對(duì)關(guān)口外送電交易能力的影響沒有明顯的規(guī)律，需要根據(jù)電網(wǎng)網(wǎng)架結(jié)構(gòu)和負(fù)荷水平來評(píng)估確定。

［1］中國(guó)風(fēng)能協(xié)會(huì) 2014中國(guó)風(fēng)電裝機(jī)容量分析（EB/OL）．（2014-06-20）［2014-06-20］．http://fd.bjx.com.cn/zhuanti/2014zjrl/．

［2］孫濤，王偉勝，戴慧珠，等．風(fēng)力發(fā)電引起的電壓波動(dòng)和閃變［J］．電網(wǎng)技術(shù)，2003，27（12）：62-66．SUN Tao，WANG Weisheng，DAI Huizhu，et al.Voltage fluctuation and flicker caused by wind power generation［J］.Power System Technology，2003，27（12）：62-66（in Chinese）.

［3］JAYAWEERA D，BURT G，MCDONALD J R．Customer security assessment in distribution networks with high penetration of wind power［J］.IEEE Trans on Power Systems，2007，22（3）：1360-1368.

［4］KRISTOF DE VOS，PAULA SOUTO PEREZ，JOHAN DRIESEN．The participation in ancillary services by high capacity wind power plants：reserve power［C］//IEEE PES Innovative Smart Grid Technologies Conference，2009：1-8．

［5］江岳文，陳沖，溫步瀛．含風(fēng)電場(chǎng)的電力系統(tǒng)機(jī)組組合問題的隨機(jī)模擬粒子群算法［J］．電工技術(shù)學(xué)報(bào)，2009，24（6）：129-137． JIANG Yuewen，CHEN Chong，WEN Buying.Particle swarm research of stochastic simulation for unit commitment in wind farms integrated power system［J］.Transactions of China Electrotechnical Society，2009，24（6）：129-137（in Chinese）.

［6］陳海焱，陳金富，段獻(xiàn)忠．含風(fēng)電場(chǎng)電力系統(tǒng)經(jīng)濟(jì)調(diào)度的模糊建模及優(yōu)化算法［J］．電力系統(tǒng)自動(dòng)化，2006，30（2）：22-26．CHEN Haiyan，CHEN Jinfu，DUAN Xianzhong.Fuzzy modeling and optimization algorithm on dynamic economic dispatch in wind power integrated system［J］.Automation of Electric Power Systems，2006，30（2）：22-26（in Chinese）.

［7］劉瑞豐，尹莉，張浩，等．國(guó)際典型電力市場(chǎng)風(fēng)能交易規(guī)則研究［J］．華東電力，2012，40（1）：10-13．LIU Ruifeng，YIN Li，ZHANG Hao，et al.Wind power trading rules in typical international electricity markets［J］.East China Electric Power，2012，40（1）：10-13（in Chinese）.

［8］尚金成．跨區(qū)跨省電力交易機(jī)制與風(fēng)險(xiǎn)控制策略［J］．電力系統(tǒng)自動(dòng)化，2010，34（19）：53-58．Shang Jincheng.Mechanism and risk control strategies for trans-regional and trans-provincial power exchange［J］．Automation of Electric Power Systems，2010，34（19）：53-58（in Chinese）.

［9］吳敏，李曉剛，丁峰，等．跨省電能交易新模式的探討［J］．電網(wǎng)技術(shù)，2009，33（增刊1）：216－220．WU Min，LI Xiaogang，DING Feng，et al.Discussion on new model of electricity energy trading among provinces［J］．Power System Technology，2009，33（Suppl 1）：216-220（in Chinese）.

［10］劉福斌，楊立兵，吳敏.基于靈活輸電電價(jià)的跨地區(qū)電能撮合交易模型［J］．電力系統(tǒng)自動(dòng)化，2011，35（10）：88-92．LIU Fubin，YANG Libing，WU Min.A novel matchmaking trade model for cross-region electricity exchang based on flexible transmission price［J］．Automation of Electric Power Systems，2011，35（10）：88-92（in Chinese）.

［11］BOWDEN G J，BARKER P R，SHESTOPAL V O，et al.The weibull distribution function and wind power statistics［J］．Wind Engineering，1983（7）：85-98．

［12］江岳文，陳沖，溫步瀛．基于隨機(jī)模擬粒子群算法的含風(fēng)電場(chǎng)電力系統(tǒng)經(jīng)濟(jì)調(diào)度［J］．電工電能新技術(shù)，2007，26（3）：37-41．JIANG Yuewen，CHEN Chong，WEN Buying.Economic dispatch based on particle swarm optimization of stochastic simulation in wind power integrated system［J］.Advanced Technology of Electrical Engineering and Energy，2007，26（3）：37-41（in Chinese）.

［13］龍軍，莫群芳，曾建．基于隨機(jī)規(guī)劃的含風(fēng)電場(chǎng)的電力系統(tǒng)節(jié)能優(yōu)化調(diào)度策略［J］．電網(wǎng)技術(shù)，2011，35（9）：33-138．LONG Jun，MO Qunfang，ZENG Jian.A stochastic programming based short-term optimization scheduling strategy considering energy conservation for power system containing wind farms［J］．Power System Technology，2011，35（9）：216-220（in Chinese）.

［14］肖曉偉，肖迪，林錦國(guó)，等．多目標(biāo)優(yōu)化問題的研究概述［J］．計(jì)算機(jī)應(yīng)用研究，2011，28（3）：805-808．XIAO Xiaowe，XIAO Di，LIN Jinguo，et al.Overview on multi-objective optimization problem research［J］.Application Research of Computer，2011，28（3）：805-808（in Chinese）.

［15］TSAIS J，SUN TY，LIU Chancheng，et al.An improved multi-objective particle swarm optimizer for multi-objective problems［J］.Expert Systems with Applications，2010，37（8）：5872-5886.

［16］姚祥光，周永權(quán)，李詠梅．人工魚群與微粒群混合優(yōu)化算法［J］．計(jì)算機(jī)應(yīng)用研究，2010，27（6）：2084-2086．YAO Xiangguang，ZHOU Yongquan，LI Yongmei.Hybrid algorithm with artificial fish swarm algorithm and PSO［J］.Application Research of Computer，2010，27（6）：2084-2086（in Chinese）.

［17］SU Sheng，LI K K，CHAN W L，et al.Adaptive agent based wide-area current different protection system［J］.IEEE Transactions on Industry Application，2010，46（5）：2111-2117.

［18］辛建波，廖志偉．基于Multi-agents的智能變電站警報(bào)處理及故障診斷系統(tǒng)［J］．電力系統(tǒng)保護(hù)與控制，2011，39（16）：83-88．XIN Jianbo，LIAO Zhiwei.Research on smart substation alarm process and fault diagnosis system based on multiagents architecture［J］.Power System Protection and Control，2011，39（16）：83-88（in Chinese）.

附錄：IEEE-30節(jié)點(diǎn)圖

（編輯黃晶）

MIAS-PSO Hierarchical Optimization Research of Gate Trading Capability for Power System with Wind Power

FANG Risheng1，JIANG Yuewen2，WEN Buying2
（1．State Grid Fujian Electric Power Company Limited，F(xiàn)uzhou 350003，F(xiàn)ujian，China；2．College of Electrical Engineering and Automation，F(xiàn)uzhou University，Minhou 350108，F(xiàn)ujian，China）

With the large-scale development of wind power and the increasing power exchange of trans-province and transregion，it is more important to evaluate the influence of wind power on the gate exchange capability for the resource optimization and bilateral advantage.This paper uses stochastic chance constrained programming（SCCP）of multi-object to create the mathematical model and MIAS-PSO with the hierarchical optimization and stochastic simulation to solve the calculation of gate exchange capability.Firstly，this paper attains the solution of economical dispatch for the minimum purchasing cost in the wind power integrated system.Secondly，it gets the maximum gate exchange capability and some generators'outward exchange capability based on the economical dispatch.The paper also takes wind speed forecasting，its randomness and limited regularity into consideration.The mathematical model and optimization algorithm are proved effective by the IEEE30 node testing and simulation calculation．KEY WORDS：wind power integrated system；gate exchange capability；multi-objectchance constrained programming；hierarchical optimization；MIAS-PSO

1674-3814（2015）12-0089-07

TM71

A

2015-05-14。

方日升（1969—），男，博士，高級(jí)工程師，主要從事電力系統(tǒng)調(diào)度與交易及其管理的研究工作；

江岳文（1977—），女，副教授，主要研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行和電力市場(chǎng)；

溫步瀛（1967—），男，教授，主要研究方向?yàn)轱L(fēng)電并網(wǎng)運(yùn)行技術(shù)、電力系統(tǒng)優(yōu)化運(yùn)行與電力市場(chǎng)等。

福建省自然科學(xué)基金項(xiàng)目（2013J01176）。

Project Supported by the Natural Science Foundation of Fujian Province（2013J01176）.