Page 35 - 2023年第54卷第12期
P. 35
节所述方法求解 ２．４节梯级水风光参数模拟优化模型，得到不同新能源装机容量场景下的 Ｐａｒｅｔｏ前沿。
如图 ５所示，所有解均满足 ９５％保证率要求，说明所提基于目标优先级非支配排序遗传算法的规则参
数优化方法可以满足供电可靠性要求，同时获得分布均匀的 Ｐａｒｅｔｏ前沿；出力破坏深度与年平均发电
量存在明显的矛盾关系：随着年平均发电量的增加，出力破坏深度增加，意味着缺电风险增加，导致
电力系统运行成本增加。Ｐａｒｅｔｏ前沿每一个解均代表一组调度规则，为指导实际调度，需进行 Ｐａｒｅｔｏ
前沿优选，在多目标间寻求均衡。本文选择与多目标理想点之间欧式距离最小的解作为多目标均衡
解 ［３１］ ，即图 ５中的三角形。为避免量纲影响，首先对 Ｐａｒｅｔｏ前沿进行归一化处理，然后计算欧式距离
比较大小。
图 ５ 参数模拟优化模型 Ｐａｒｅｔｏ前沿分布
４．３．２ 出力破坏深度指标有效性分析 为说明所提出力破坏深度指标的有效性，本文在优化梯级水风
光六段式互补调度规则时，设定不考虑出力破坏深度目标场景，与本文所提考虑出力破坏深度目标的
方法进行对比分析。如图 ６所示，相对于不考虑出力破坏深度目 标，不 同 新 能 源 装 机 容 量 场 景 下，
考虑出力破坏深度目标年平均发电量仅降低 ０．０９％～０．２０％，平均降低 ０．１３％，出力破坏深度降低
２６．６２％～４２．１７％，平均降低 ３６．０４％，即考虑出力破坏深度目标能以发电量的微小损失换取缺电风险
的显著降低。
图 ６ 出力破坏深度指标有效性分析
４．３．３ 弃电准则有效性分析 为说明所提弃电准则的有效性，本文在优化梯级水风光六段式互补调度
规则时，设定不考虑弃电准则作为对比场景，与本文所提考虑弃电准则的方法进行对比分析。年平均
Ｓ
弃电量 Ｅ 采用式（３３）计算。如图 ７所示，相对于不考虑弃电准则，不同新能源装机容量场景下，考
虑弃电准则年平均弃电量减少 ４．６０％～９．９５％，平均减少 ７．９６％，年平均发电量增加 ０．３７％～０．５９％，
４
— １ ２ ３ —
