0 引言

我国风电发展迅速，对于风电的有效利用却非常低，出现严重的弃风现象，因此针对目前保守的风电使用，需研究出对应的调度策略，提高风电的利用率。综合分析水电的特性，通过水电出力去平抑风电出力，是未来风电利用非常可行的方案[1]。风水协同发电是提高风电利用率，降低弃风现象的可行方案。通过风电水电协同运行，水电出力能够平抑风电出力的波动性，形成较稳定的总出力，使风力发电可以按计划调度。

目前风水协同运行相关的控制算法研究有导前微分控制算法、果蝇优化算法、遗传算法等[2-16]；本文提出将鸟群算法应用在风水协同控制中，该方法在求非凸、不可微算式时更加准确、迅速。

风水协同运行大多研究都是基于大电网同一母线的风电场与水电厂，虽从理论仿真分析上能够看到明显的控制效果，产生较为理想的协同出力计划，但现实情况是每个发电站都有自己的一些利益考虑以及安全运行约束，单一母线和理想条件下的风水协同控制对电网风水协同运行调度可参考价值较低[17-19]。本文将风电场、水电厂的一些约束条件加入到协同控制流程中，使初始条件在满足这些特殊要求以及电网络约束条件的基础上再去寻优，研究出较小范围的协同出力效果。

1 风水协同运行约束条件

风电水电协同运行系统，主要根据风电的风速预测、水电的水量约束、系统的有功无功平衡约束等来确定未来24 h风电出力、水电出力以及系统总出力情况[20-23]，使得风水协同运行调度方案可以被电网认可，电网根据这些出力情况，具体安排各个发电机组的出力计划。

1.1 目标函数

风水协同运行目标是最小化调度成本，定义风电发电成本、水电发电成本、平滑功率输出惩罚和弃风惩罚为多目标函数组成。保持平滑功率输出惩罚或者弃风惩罚不变，研究其中一个对风水协同运行的影响。函数表达式为

式中：Mph为功率波动惩罚系数； ptP为风水协同系统平均输出功率；t代表时间段；Pf为风电功率；Ps为水电功率。

设定平滑输出惩罚 Fph为系统输出功率的方差，在恒电价下，函数表达式为

该工程将以排水管网建设、污水处理厂建设及农村坑塘整治为主要建设内容，实现以排水管网收集农村生活污水，以污水处理厂处理污水，以村内坑塘调蓄再生水，并通过农灌沟渠河道将再生水回用于农田灌溉的综合治理思路，在改善农村地区水环境面貌的同时为农业灌溉提供新水源。据了解，工程建设范围涉及蓟县、宝坻、宁河、武清、静海、东丽及滨海新区大港、汉沽等8个区县。

式中：Ff为风力发电成本函数；Fs为水力发电成本函数；Fph为平滑输出惩罚函数；Fqf为弃风惩罚函数。

鸟经过的最好位置；Zn是鸟群整体最好位置；A为正常数，是鸟群认知系数，B为社会进化系数，rand(0,1)为0～1的随机数。

刚才打开门时，眼睛看到地上躺着一封信的瞬间，他以为又是退信。那种“查无此人”的退信，他收了一百多封。再看时，他的眼睛放光了，不是退信，千真万确的北京来信。

式中：Mqf为弃风惩罚系数；jα为第j组风电机组的弃风比例。

秋季安全生产调研反馈问题解决落实得怎么样？春节前“零事故”安全保障措施有哪些？……11月26日，郯城县高峰头镇人大举行联席会议，就全镇安全生产工作情况开展专题询问。镇安监办、经贸办、派出所、交通运输及7大社区、48个村庄、23家涉危涉爆经营项目负责人到会应询。

1.2 系统安全运行约束条件

1）水电机组出力约束。

水电机组的出力约束表达式为

2）水电厂发电允许利用水量约束。

式中为第i台水电机组在t时刻的最小输出功率；为第i台水电机组在t时刻的最大输出功率。

互联工厂工艺可靠性顾问是霍尼韦尔互联工厂解决方案的一部分。它通过霍尼韦尔UOP工艺和故障模型相结合的精密软件不断地吸收工厂数据，进而提供关键性能指标信息和工艺建议，提前发现潜在问题，从而避免对生产和工厂盈利造成影响，确保工厂实现长周期稳定运营。

水电厂发电允许利用水量约束表达式为

式中：Qmin,i为第i组水电机组的最小用水量；Qmax,i为第i组水电机组的最大用水量。

各个机构体制不同，管理权限不一，各自法律条款也不一致，经常出现同一问题不同的处罚基准，一项问题常需要多方去协调解决。“全国海事一家人，水上监管一盘棋，行政执法一面旗”的理念在库区管理上得以传承，“合海工作室”的成立也一定程度上加强了三省海事部门之间的合作，但依然没能从根本上解决管理体制带来的不利影响。

3）水电机组约束。

水电机组约束表达式：

式中：为风电最大输出功率与预测风电功率的差值；为风电最小输出功率与预测风电功率的差值。

风电场与水电厂协同运行，通常不在同一条母线，系统经过潮流计算后，有可能会出现潮流越限，所以需要考虑网络安全约束。线路传输功率约束为

风电场的出力约束表达式为

式中：Pfmax为风电场最大出力；为该风电场的装机容量大小。

广东是中国实施对外开放的先行地， 2017年广东省与“一带一路”沿线国家进出口贸易总额达3 519.7亿美元，远远高于我国其他省份的贸易额[1]。本文探索性调查数据显示，广东省同时也是外籍人才需求大省。所以调查广东省(特别是珠三角地区)企业对外籍人才的需求信息，对促进广东高校主动与建设一线的产业合作，共同推动全国“一带一路”的人才培养有着重要意义。

从思路对比中可看出，十年后所设想的更注重学生动手操作实践的经验积累，充分利用图例“两次”来直观理解“2倍”，并建立“2倍”模型，同时延伸至简单乘除法的解决问题；再从“2倍”过渡到“多倍”，通过变式加深理解“标准量”的重要性；最后由“一题”拓展到“一类”强化理解倍的本质——两个量的比较关系，使知识结构化；再延伸至“倍数与因数”，使知识关联化，解题策略模型化。

工具理性的支配地位犹如普照之光，它改变了人与自然、人与社会关系的色彩，使深度的控制从自然延伸至社会，马尔库塞指出：“正盛行的社会控制形式是技术的。”［21］9交换社会和各种科层组织的相互牵扯，使工具理性的异化达至极端，而工具理性异化致使社会控制成为水泼不进、刀枪不入的“铁笼”。

根据国标GB/T 19963—2011《风电场接入电力系统技术规定》，装机容量大于150 MW的风电场，在10 min内有功功率变化不能超过50 MW，因此系统最大波动限值表达式为

根据系统功率平衡，风电场功率、水电厂功率与计划功率PL之间存在平衡关系：

5）网络约束。

4）风电场的出力约束。

式中：Pab,t为 t时间段内 ab支路的传输功率；Pba,max为支路ab正向最大传输功率；Pab,max为支路ab反向最大传输功率。

对于线路有功支路潮流，忽略并联线路影响，表达式为

式中：Pab为支路有功功率；U为节点电压；Gab为支路电导；Bab为支路电纳。

2 鸟群优化算法

鸟群优化算法(bird swarm optimization algorithm，BSA)是从鸟群觅食、警觉以及迁徙等行为中抽象出来的一种全局寻优的优化算法。BSA具有收敛速度快、种群多样性、避免陷入局部最优等特性，目前在微电网多目标运行优化研究、交通信号灯控制研究方面有应用[24-28]。鸟群算法的原理是初始化算法初始参数，在满足各个约束条件的情况下，产生种群，种群中的个体代表一种调节方案，计算各个目标的适应度值，从中取非劣解，然后随机选取非劣解中的个体作为全局最优解[27]。鸟群行为抽象成数学模型步骤如下：

1）种群中个体可以自由选择觅食或者保持警觉。从0到1随机取一个数值，设定固定区别值，当随机数大于设定值则鸟为觅食状态，当随机数小于设定值时鸟为保持警觉状态。鸟群算法流程如图1所示。图中，初始化种群与参数，每个个体代表一套调度方案或一组水轮机控制参数。初步计算出个体适应度值，即调度方案的总费用，筛选非劣解，并从中选取全局最优解，以鸟群的自然行为对应的更新策略对种群进行更新，计算新的适应度值，更新历史最优解，将旧非劣解与新非劣解合并，去除重复个体，再继续下一轮迭代，直到终止条件触发，输出最终非劣解，从中随机选取个体作为最优调度方案。

2）鸟觅食。个体标记自己所经过的最佳觅食位置，并实时将位置信息分享到种群，标记种群最好觅食位置。

式中：个体当前的位置；Pm,n是第 m只

穿斗式是用高度不同的木柱搭成山字形，木柱之间再连接一些穿枋（ fā ng），形成格子一样的木框架，格子里面可以填充木板、泥土、砖或石块形成墙体。类似的形式在欧洲叫“半露木”结构。

设定弃风惩罚为Fqf，表达式为

图1 鸟群算法流程图 Fig. 1 The flowchart of the bird swarm algorithm

3）保持警觉。个体向种群中心靠拢，个体间有竞争性，食物储备多的个体靠近种群中心概率更大。

式中：En是种群平均适应度值；N是鸟群规模；k为[1,N]之间的随机整数；a1、a2为[0,2]之间常数；Fm是第m个个体适应度值；Fs是种群适应度值总和；ε是计算机中最小常数，用来避免零分割。

4）群体周期性飞到其他空间。为了种群更好生存，个体会分享寻找的食物信息，根据食物储备量划分个体身份，食物数量最多的是食物生产者，食物数量最少的是乞食者，其余个体随机划分这两个身份。当群体空间位置发生变化，个体的身份重新分配。

式中：randn(0,1)为产生一个服从期望值是0，标准差是1的高斯分布的随机数；k属于[1,N]，且k不等于m；Pfl是乞食者跟同生产者找到食物的概率，且Pfl属于[0,1]。

5）食物生产者努力搜寻食物，乞食者随机跟一个食物生产者寻找食物。

选取2017年1月~2017年12月在我院行健康体检的60例体检者血液样本进行研究,所有患者身体检测均未见糖尿病、心肌疾病、肝肾功能不全,未有使溶血加快或引起溶血的疾病,均签署知情同意书。60例患者中男性33例,女性27例,年龄范围为(22~58)岁,平均年龄为(36.2±1.5)岁。

3 鸟群算法在风水协同控制中的应用

基于鸟群算法的风水协同控制系统框图如图2所示。

图2 基于鸟群算法的风水协同运行框图 Fig. 2 Diagram of coordinated hydro and wind power generation based on bird swarm algorithm

图 2中，并网期望功率 Pc与风电输出功率Pw之差Ph，作为水轮机理想输出功率，Ph同Pw进行系统网络潮流计算校验，系统越限，先逐步降低水电，再次进行潮流计算校验，仍越限，降低风电，再进行潮流计算校验；经过潮流校验的水轮机理想输出功率作为水轮机闭环控制的输入信号，系统通过调节基于鸟群算法的调速器，控制导水叶开度来调节发电水流量，继而控制水轮发电机组输出功率跟踪水轮机理想输出功率，得到满足电网络安全约束的风电输出功率与水电输出功率，从而达到在电网络安全约束条件下风水协同发电的目的。

4 仿真及分析

用Matlab搭建IEEE 30节点标准系统进行仿真分析，在第30节点增加一个风电机组节点31，如图3所示。

图3 增加了风电场节点的IEEE 30电力系统 Fig. 3 IEEE 30 bus power system with a wind power plant added

设定发电机各节点数据如表1所示，第2、5、8、17、25节点为水电厂节点，第31号风电场节点有功出力为25 MW。

历史分解指的是面对不同外生冲击的情况下，考察宏观经济变量在历史上偏离稳态值的情况，从而分析不同的外生冲击如何对经济变量起着推动的作用。根据相关分析以及对于历史文献的归纳，发现在利率规则下以及在数量规则下，对我国产出波动造成影响的主要是金融冲击、投资效率冲击以及货币政策冲击导致的。

表1 发电机参数 Tab. 1 Generator parameters

节点号 Pg Qg Qmax Qmin Vg mBase 状态 Pmax Pmin 1 23.54 0 150 -20 1 100 1 80 0 2 60.97 0 60.0 -20 1 100 1 80 0 5 21.59 0 62.5 -15 1 100 1 50 0 8 26.91 0 21.7 -15 1 100 1 55 0 17 19.20 0 40.0 -10 1 100 1 30 0 25 25 0 44.7 -15 1 100 1 40 0 31 25 0 100 -10 1 100 1 45 0

风电机组出力从0 MW变化到68 MW，潮流计算42条线路潮流变化曲线如图4所示。不同线路潮流曲线用不同颜色标识，可以看出，当风电机组出力大小大于13 MW时，各个支路潮流逐步递增，其中线路37在风电机组出力为15 MW之后，一直处于42条线路潮流最大值位置，所以最先可能发生线路潮流越限，在判断是否满足电网络线路潮流约束时，可以参照线路 37的最大容量。假设由于线路热稳定约束，线路电流不能超过0.6 pu，参看42条线路潮流变化曲线，线路37在电流为0.6 pu时风电机组出力为47.7 MW，为保持系统稳定运行，取机组最大出力的80%作为稳定出力点，即38.16 MW，超过该出力系统将失去稳定，需要限制风电场出力。

图4 潮流计算42条线路潮流变化曲线 Fig. 4 Power flow calculation 42 line trend curve

通过潮流计算筛选个体后，采用鸟群算法对系统进行控制仿真。弃风惩罚系数 Mqf=250元/MW，功率波动惩罚系数 Mph=1000(元/MW)。常规发电机参数和负荷预测数据参考文献[29-32]。风电、水电、风水协同总输出功率，在一天24 h的仿真曲线图如图5所示。

图5 Mqf=250元/MW时风电、水电、风水协同总输出功率 Fig. 5 Wind power, hydropower, coordinated hydro and wind power generation total output power with Mqf=250 yuan/MW with Mqf=250 yuan/MW

风电水电协同输出总功率基本稳定，可以看出水电机组出力很好的跟踪了风电场输出功率的波动。

设定弃风惩罚系数 Mqf=1000元/MW，功率波动惩罚系数 Mph=1000元/MW。风电、水电、风水协同总输出功率，在一天24 h的仿真曲线图如图6所示。高弃风惩罚相对减少弃风的发生，能够提升风电场整体经济效益，缺点是系统协同总输出功率波动性变大。

拉深又称拉延，它是利用模具使平面毛坯变成开口的空心零件的冲压工艺方法。拉深件应尽量简单、对称、精度要求不宜过高，尽可能一次拉伸成形。良好的拉深工艺性应能满足省材料、工序少、模具加工较容易、使用寿命高、操作简单及产品质量好等要求。要拉深的零件为玻璃器外壳。属于大批量生产的零件，其形状简单、对称、有利于合理排样、减少废料，直线、曲线的连接处的圆角半径较合适。选用08F钢，厚度为1.5mm,其弯曲半径均大于该种材料的最小弯曲半径，工件精度要求不高，不需要校形，此工件的形状满足拉深工件的要求，可用拉深工序加工。

图6 Mph=1000元/MW时风电、水电、风水协同总输出功率 Fig. 6 Wind power, hydropower, coordinated hydro and wind power generation total output power with Mph=1000 yuan/MW

5 结论

将鸟群算法应用到风水协同运行控制中，在满足各个实际约束情况的基础上，能够实现应用水电出力填补风电出力变化来达到风水协同运行的目的。

在控制系统寻优前，先进行网络安全约束潮流计算，可以保证系统安全稳定运行。

应用基于鸟群算法的风水协同发电优化调度程序，经过算例分析，在高功率波动惩罚或高弃风下，水电出力能够较好地补充风电出力的波动。高功率波动惩罚下弃风较多，不利于资源利用；高弃风惩罚可以提高风能利用，减少弃风，提高风电场整体效益，但系统协同运行总出力的平稳性下降。

（3）在员工对“社会文化的发展”满意度评价中，本文依据文献，设计出如下二级评价指标：企业公益慈善(U331)、企业推动社会可持续发展(U332)、企业社区共建(U333)。

参考文献

[1] Chen，Qiyu．Large-Scale Wind Generator Cascaded Tripping[C]//Proceedings of the 3 rd IEEE International Conference on Computer Science and Automation Engineering．Guangzhou：IEEE，2013．

[2] 王学成，杨雨．基于发电效益最大化的水光互补方案优化设计[J]．发电与空调，2015，36(06)：27-30,56．

[3] Chen Q Y，Littler T，Wang H．Tripping control for transient stability in coordinated hydro and wind generation[C]//Renewable Power Generation Conference．IET，2014：1-4．

[4] 范永威，施松阳．风-水电联合系统功率优化输出的研究[J]．浙江电力，2007，26(6)：1-4．

[5] Chen Q，Littler T，Wang H．Application of PMUs to coordinate hydroelectric and wind power plant operation[C]//International Conference on Sustainable Power Generation and Supply．IET，2013：1-6．

[6] 陈麒宇，张芳，章锐．风水协同运行控制信息的传输[J]．发电技术，2018，39(1)：53-57.

[7] Matevosyan J， Söder L． Short-term hydropower planning coordinated with wind power in areas with congestion problems[J]．Wind Energy，2007，10(3)：195-208．

[8] Chen Q Y，Littler T，Wang H．Tripping control for transient stability in coordinated hydro and wind generation[C]//Renewable Power Generation Conference．IET，2014：1-4．

[9] 李星，杨秀媛，王丽婕．弃风条件下考虑机群电价差异的风电场控制策略[J]．发电技术，2018，39(1)：43-46.

[10] Schlueter R A，Park G L，Reddoch T W，et al．A modified unit commitment and generation control for utilities with large wind generation penetrations[J]．IEEE Transactions on Power Apparatus &Systems，1985，85(7)：1630-1636．

[11] Matevosyan J，Soder L．Optimal Daily Planning for Hydro Power System Coordinated with Wind Power in Areas with Limited Export Capability[C]//International Conference on Probabilistic Methods Applied To Power Systems．IEEE，2007：1-8．

[12] 王开艳，罗先觉，吴玲，等．清洁能源优先的风-水-火电力系统联合优化调度[J]．中国电机工程学报，2013，33(13)：27-35．

[13] 刘晓光，吕渤林．弃风条件下考虑机群电价差异的风电场控制策略[J]．发电技术，2018．

[14] 李杏，孙春顺，陈浩，等．基于随机规划的水风电联合优化运行研究[J]．电气技术，2013(4)：16．

[15] 杨秀媛，陈瑶，陈麒宇，等．导前微分控制在风电水电协同运行中的应用[J]．中国电机工程学报，2015，35(18)：4591-4597．

[16] 杨秀媛，陈麒宇，王蒙，等．考虑网络约束的风电水电协同果蝇优化控制[J]．中国电机工程学报，2017，37(18)：5286-5293．

[17] 袁铁江，晁勤，吐尔逊，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．

[18] 陈道君，龚庆武，张茂林，等．考虑能源环境效益的含风电场多目标优化调度[J]．中国电机工程学报，2011，31(13)：10-17．

[19] 兰维，张中泉，雷阳，等．风电机组出力性能分析方法研究[J]．发电与空调，2017，38(3)：26-29,46．

[20] 李杏，孙春顺，陈浩，等．基于随机规划的水风电联合优化运行研究[J]．电气技术，2013(4)：016

[21] 王辉．在互补约束条件下的水电、火电、风电联合调度研究[D]．天津：河北工业大学，2012．

[22] 刘阳林，叶小广，杨超，等．一种风力发电机组功率曲线的验证方法[J]．发电与空调，2017，38(1)：59-62．

[23] 兰维，张中泉，雷阳，等．风电机组出力性能分析方法研究[J]．发电与空调，2017，38(3)：26-29,46．[24] 陈麒宇，Littler，王海风，等．风电水电协同运行计划的优化[J]．中国电机工程学报，2014，34(34)：6074-6082．

[25] 曾嶒，彭春华，王奎，等．基于鸟群算法的微电网多目标运行优化[J]．电力系统保护与控制，2016，44(13)：117-122．

[26] 崔东文，金波．鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J]．人民珠江，2016，37(11)：26-30．

[27] 曹雪竹．基于鸟群算法的交通信号控制[D]．北京：中国科学院大学，2014．

[28] 刘晓龙，宁芊，赵成萍，等．基于莱维飞行的鸟群优化算法[J]．计算机测量与控制，2016，24(12)：194-197．

[29] 曾嶒．微电网多目标优化调度模型及算法研究[D]．南昌：华东交通大学，2016．

[30] 王伯林．水轮发电机组的模型参考自适应控制[J]．自动化学报，1987，13(6)：408-415．

[31] 王伯林．水轮发电机组转速自适应控制[J]．水力发电学报，1989(4)：41-48．

[32] 刘保松，刘晓光．风电机组功率曲线的优化研究[J]．发电与空调，2015，36(5)：36-40．