18、基于松鼠搜索算法的含抽水蓄能的风光水火发电系统调度

基于松鼠搜索算法的含抽水蓄能的风光水火发电系统调度

1. 引言

目前，电力生产的主要来源仍是化石燃料发电厂。然而，电力需求的突然增加、化石燃料的减少以及全球变暖等问题，促使全球开始广泛利用绿色能源。人们对气候变化的担忧，使得利用清洁绿色能源以低成本满足能源需求且无有害排放的方式得到认可。但引入受气候影响的风能和太阳能等电力来源，增加了能源供应的不确定性，如负荷变化、风速和太阳辐射等。这些资源的不规则性和多变性给发电调度带来了巨大挑战，甚至可能对整个电网产生不利影响。而抽水蓄能的整合可以克服这些问题，改善电力供应的稳定性和发电效率。

传统的最优水火电调度是一个复杂的问题，需要高质量的计算方法。一些经典的确定性技术，如带网络流的非线性规划、分解技术、动态规划、混合整数规划、拉格朗日松弛等，曾被用于解决该问题。但大多数经典确定性技术在处理火电厂和水电厂的燃料成本曲线时存在困难，其中只有动态规划能够处理非线性和非凸性问题，但会受到“维数灾难”的困扰。

进化计算技术是基于种群的无导数搜索技术，可应用于任何优化问题。像进化规划技术、模拟退火技术、差分进化、粒子群优化（PSO）、改进的混沌差分进化等方法，被用于优化水火电单元的调度，以规避各种限制。

在具有可再生能源的独立系统中，虽然可再生能源无污染，但发电能力相对较低。因此，出现了多种能源组合的应用，如热电与风电结合、太阳能电站与热电结合、水火电与风电整合以及太阳能与水火电结合等。

抽水蓄能水力（PSH）单元因其储能特性受到广泛关注。PSH单元的主要功能是在非高峰负荷时段以较低成本储存多余能量，通常按日或月运行，可降低电厂的平均燃料成本。

为解决考虑约束条件的含PSH单元的水火电厂最