摘要：在含风电和火电的电力系统中，既要发挥传统火电机组的灵活调节能力，还得实现节能减排优化调度，并提高大规模风资源的利用效率，以便实现高比例新能源电力系统的经济优化运行。风火多目标协调优化调度是实现该目标的有效方法，采用多目标优化方法来确定火电机组的综合最佳出力和提高风电消纳能力，以实现电力系统节能减排的目的，有利于促进环境和能源的可持续发展和利用。
关键词：节能发电调度；电力系统；多目标优化；调度模型
引言
我国过去实行考虑机组容量的均衡发电调度模式在一定时期内调动了投资电源项目建设的积极性,促进了电力工业的快速发展,但同时也导致了高效环保的大火电机组、水电及核电等清洁能源机组的发电能力无法充分发挥,高污染、高能耗的小火电机组却能多发电的情况,造成了能源资源浪费和环境污染。为加快建设资源节约型,环境友好型的社会,节能发电调度的开展势在必行。
1概述
节能发电调度基本内涵是在电力系统供电可靠的前提下，能够满足节能和经济两大原则，将可再生清洁能源进行优先调度，按照由低到高对传统机组的能耗以及污染排放物进行排序，实现电力系统的节能减排优化调度。节能发电调度办法是指国务院办公厅以国办发[2007]53号文件发布了《节能发电调度办法》，其主要参考依据是由省政府发改委所编制的机组发电顺序表，优先调度风能、太阳能、海洋能、水能、生物质能、核能等清洁能源发电，对火电机组，按照煤耗水平调度发电，煤耗低的多发、满发,煤耗高的机组少发或不发。各级电网调度部分应按照日负荷特性、机组出力特性、电网运行方式以及各类电网安全约束来制定机组组合方案，从而实现经济可靠的机组优化调度模型。
2考虑污染物排放因素的节能发电调度模型
在考虑污染物排放约束，结合传统经济发电调度，对排污成本累加的节能发电调度模型以及等能耗水平下污染物排放的节能发电调度模型进行合理设立。
2.1等能耗水平的节能发电调度模型
(1)建模思路
根据各发电厂机组运行数据拟合得到煤耗曲线和煤耗标准参数，确定各火电机组的煤耗情况。再从小到大排列机组最小单位耗量，机组的能耗排序表由此得出；最后，对约束条件如机组出力上下限、机组启停时间以及系统的有功功率进行考虑。
(2)煤耗水平相当时机组的排序方法
机组的煤耗水平相当是指当两机组的煤耗量之间的差值不超过q(煤耗量水平的最小量)。
2.2考虑排污费的成本累加节能发电调度模型
首先，煤耗量成本通过供电煤耗量与单位煤价相乘得到，而排污收费是由污染气体排放量与排污收费率相乘得到。再参照污染物排放收费相关标准，得到考虑环保因素成本的微增率原则，而其是通过转化等耗量微增率而来的。最后，依照机组成本消耗率结果的不同，将机组排序表重新制定。
2.3考虑环境经济优化发电调度模型
改进价格惩罚因子PPF，升序排列每台机组的PPF，逐一累加机组最大出力直至满足负荷需求，用最后机组的PPF取代所有发电机组的PPF，使得机组PPF偏大，导致污染物排放折算比例增大。该文采用平均价格惩罚因子（MAPPF）将环境经济优化调度转化为单目标优化问题。
3多目标优化模型求解
3.1优化算法
为求解上述多目标优化模型，文中采用NSGA-II算法进行优化求解，该算法利用快速的非支配排序方法，同时采用精英保留方法，其非支配等级中的个体选择标准采用的是拥挤距离方法，因而能够快速运行，且具有较强的收敛性和较好的种群多样性，在多目标优化算法求解中具有明显的优势。
（1）对优化算法的变量范围以及参数进行设置，并对种群初始化；
（2）快速非支配排序当前种群和计算拥挤距离，并执行遗传操作，从而获取了子代种群；
（3）合并之前的初始种群和子代种群，再次开始快速非支配排序，并计算不同支配层的拥挤距离，基于非支配关系以及计算的拥挤度，在一定规则下形成新的父代种群；
（4）执行遗传操作中的交叉和变异，形成新的子后代种群；
（5）重复步骤（3）和（4），直至达到了结束条件，最终得到Pareto最优解。
3.2决策方法
3.2.1智能算法
智能算法是人们受自然规律(生物遗传、鸟群捕食等)的启迪，根据其原理，模仿求解问题的算法。主要有遗传算法、粒子群算法、模拟退火算法等。智能搜索类方法适应性强，理论上可得到全局最优解，但属于随机优化算法，计算时间长，优化结果受初值及寻优规则的影响，优化过程不透明，每次优化的结果是不确定的，很难满足现场优化结果再现的需求，限制了其在实际生产中的应用。
随着调度自动化程度的提高，利用现代计算机强大的运算能力，选择合适的算法，减少优化调度的计算时间，也是值得深入研究、有着重要应用价值的课题。
3.2.2传统算法
传统算法主要有优先顺序法、动态规划法、拉格朗日松弛法、混合整数规划法等。优先顺序法属于依靠直观判断或调度经验寻找最优解，该方法没有严格的理论依据，找不到最优解，但计算速度快，目前一个重要的应用是为其他算法快速提供初值;动态规划法是解决多时段决策过程最优化的一种数学方法，通过枚举各种可能的组合状态寻找最优解，但随着时段和机组个数的增加，该方法会出现维数灾;拉格朗日松弛法是求解优化问题的常用算法，基于拉格朗日松弛法的主要思想是将系统的电力、备用平衡等约束通过相应的对偶变量添加到目标函数中，求解过程严重依赖于初始拉格朗日乘子和乘子的更新方法，迭代过程中可能会出现振荡;混合整数规划是求解优化问题的常用算法，主要优点是计算中没有迭代过程，因而收敛效果与最优性好，且绝大部分约束条件易于表达，主要缺点是方法比较复杂，不直观;基于混合整数规划算法，已经开发出商用的数学优化软件包，在实际系统中得到很好地应用，但直接使用计算量太大，必须对问题进行分解。
结语
在电力系统大力倡导节能发电调度的背景下，本文提出了一种电力系统多目标优化调度模型。该模型兼顾了火电机组发电成本、风电消纳能力和火电排污等因素，倡导传统机组趋于节能和低污染，同时提高风电等可再生能源的利用效率。并采用NSGA-II算法对多目标调度模型进行了优化求解。最后在Matlab环境中建立了优化调度模型，对其可行性和有效性进行了验证。结果表明，该模型能够达到较好的机组调度效果，在减少火电机组排污和降低成本，实现节能减排的同时，可有效提高风电的利用率，有效提高了电力系统的经济性。
参考文献
[1]袁铁江,晁勤,吐尔逊·伊不拉音,等.大规模风电并网电力系统动态清洁经济优化调度的建模[J].中国电机工程学报,2010,30(31):7-13.
[2]李燕青,李浩闪.风蓄火联合运行电力系统动态经济优化调度[J].智慧电力,2014,42(11):40-45.
[3]邓嘉,涂艳,韦炜.优化电力调度实现电网经济运行分析[J].低碳世界，2013(8x):118-119.
[4]谢安世,黄思明,于永达.电力系统多目标优化运营研究[J].数学的实践与认识,2014,44(13):115-124.
[5]田中大,李树江,王艳红,等.基于小波变换的风电场短期风速组合预测[J].电工技术学报,2015,30(9):112-120.
[6]孙静，于继来．节能发电调度问题的多目标期望控制模型及解法［J］．电力系统自动化，2010(11):23-27．