论文标题：Multi-Objective Stochastic Optimization for Determining Set-Point of Wind Farm System （确定风电场系统设定点的多目标随机优化）

期刊：Sustainability

作者：Van-Hai Bui, Akhtar Hussain, Thai-Thanh Nguyen and Hak-Man Kim

发表时间：11 January 2021

DOI：10.3390/su13020624

微信链接：

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=

2649988644&idx=1&sn=5b0d7d3e98db9115489c3fb3cd1c185e&

chksm=f1de24e0c6a9adf651f42ea69e2ef017c6b499fca9a8609e54

2e681d43313eb6e7fc24d3e0b4&token=227403453&lang=zh_CN#rd

期刊链接：

https://www.mdpi.com/journal/sustainability

随着可再生能源的发展和普及，风能在未来几十年将高速发展，在减缓全球变暖的同时满足世界的能源需求。国际能源署预计直至2030年，年风力发电量将会增加到2180 TWh以上，这将比2009年累计发电量的7倍还要多。但是风力发电的高速发展，使未来的电力系统将面临风电输出功率变化和不确定性所带来的众多挑战。对大型风电场来说，风电系统被设计成高达几GW的巨大安装容量，这种不确定性在电力质量、系统安全性和系统稳定性方面对电力系统的运行产生不利的影响。由于风电场 (WF) 系统输出功率的不确定性，电力系统中通常需要一定的备用容量以确保服务可靠性，从而增加了整个系统的运营和投资成本。为了减少这种不确定性，现有的大多数的风电研究集中于通过最大化输出功率、平稳风能输出和最小化风电系统的功率偏差来达到这一目的。但是这些常见的技术在投资和运营方面成本过高，为了降低运营成本、最大化输出功率以及减小实际输出和设定值之间的输出功率不匹配，韩国仁川大学 Van-Hai Bui 博士、Akhtar Hussain 博士、Hak-Man Kim 博士和美国克拉克森大学的Thai-Thanh Nguyen 博士共同在Sustainability 上发表的文章，提出了一种多目标随机优化模型来确定风电系统的设定值。多目标即 (1) 风电系统中设定值最大化；(2) 实际操作中达到该设定值的概率最大化。通过权衡风电场最大设定值和实时操作中满足该设定值的可能性得出的最优设定值。

文章研究基于典型的风电配置系统 (如图1)，该系统连接到电源系统以提供电力需求。传输系统操作员 (TSO) 的主要任务是确定供应资源的最佳调度，并实时管理整个系统的运行。风电系统的最佳设定值在调度中起着至关重要的作用。因此，风电系统必须能够在实时操作中满足其设定点。实际输出功率与承诺功率之间的任何功率不匹配都会导致巨大损失。因此，本文研究主要集中在通过在实时操作中最大化设定点和增加满足设定点的可能性之间的权衡来确定风电系统的最佳设定值。

图1. 典型风电系统配置

作者为风电场运营商提供了一种确定风电系统的最佳设定点的方法，如图2所示，首先，假定风速参数符合威布尔分布，并且关于威布尔参数的详细信息被用作输入数据。基于风速数据的概率密度函数 (PDF)，在每个间隔生成了许多风速场景，以确保所提出方法的准确性。然而，大量的场景大大增加了仿真系统的计算负担。因此，开发了一种减少场景的算法 (算法1) 来合并相似的场景计算出各个场景下的输出功率。为了确定系统每个设定点实际满足该设定值的概率，作者通过算法2计算并比较所有不同场景下输出功率和设定值之间的关系，从而帮助操作员确定在实时操作中满足设定点的可能性。

图2. 确定风电系统设定点方法流程

算法1. 相似场景合并

算法2. 确定达到设定值的概率

文章以春季为案例，根据春季的风速曲线，计算出将风电系统的设定值设置为800 MWh至1000 MWh，权重因子 (α) 值设定为0.05至0.8，以确保在实时操作中满足设定值的可能性大于或等于0.95。还针对四个季节使用了不同的风数据进行了类似的分析，并且对于春季、夏季、秋季和冬季，风电系统的设定点应分别设置为980 MWh、1760 MWh、2430 MWh、870 MWh。可以看出，风电系统的设定点在秋季最大，在冬季最低。在四个季节中确定的这些设定值，操作员始终确保在实时操作中达到这些设定值的概率大于或等于0.85 (如图三)。

图3. 对比不同季节的优化结果: (a) 风电系统设定值; (b) 满足该设定值的概率

由于实际情况下，风电场的设定输出和实际输出功率上会有输出功率不匹配的问题，所以需要操作人员在实际操作过程中权衡最大设定值和最大概率以满足这一设定值的可能性。当最小概率的要求设定为85%时，可避免设定输出功率和实际输出功率不匹配。权重因子和最小概率的要求是由权衡风电出售的利润和输出功率不匹配所导致的损失来决定的。当权重因子接近0时，操作员需要关注实际操作中到达这一设定点的可能性，相反，当权重因子接近1时，操作员需要关注风电系统的最大设定值。所以操作员使用该方法可以简便的确定最优设定值。

作者通过比较建议和非建议的方法确定设定值对风电场利润的影响，发现使用非建议方法来确定的设定值会导致失配功率上升，从而带来巨大的经济损失增加了运营成本。从表1得出，使用多目标随机优化模型得出的最优设定值在不同失配率的情况下都获得了最大的利润。

表1. 使用和未使用建议方法的利润对比 (×103 KRW)。

综上所述，多目标随机优化模型确定风电系统设定值的方法具有可操作性和潜在的市场价值。研究者们可以通过进一步的实验，探索该方法在其他可再生能源利用上是否具有相同的优势。

Sustainability (ISSN 2071-1050; IF: 2.576) 是MDPI组织出版的国际型开放获取期刊。期刊内容主要涉及环境、经济、社会、工程科学等等领域的可持续性研究。目前期刊已被SCIE、SSCI等数据库收录。Sustainability 采取单盲同行评审，一轮审稿周期约为13天，从接收到发表上线仅需2.9天。