保护生态与环境,维护能源安全,推进可持续发展,是全世界面临的共同挑战。火电机组在电力系统中占据相当大的比重,每年的燃煤量巨大,排放的空气污染物十分可观。火力发电厂燃煤已经成为电力系统排放空气污染物的重要排放源,从源头上对排污进行治理,减少电力系统污染物排放、防止污染大气环境已引起了社会各界的极大关注。电力系统与大气环境有着千丝万缕的联系;在中国正在加快推进城镇化建设,同时注重生态环境的大背景下,研究计及城市大气质量的电力系统环境调度具有非常重要的理论意义和实用价值。本文具体工作如下:(1)分析气象因素与电力系统间的内在联系,对反映城市大气质量的环境容量进行了深入探讨,建立了城市大气环境容量计算模型。对于目标城市,为了对该区域的大气污染物排放约束,分析了排污量与污染物浓度在空间上的相关性,采用模拟法对城市大气环境容量进行计算,获得在保持空气质量良好的前提下所能承载大气污染物的最大限值。城市大气中污染物的分布、扩散与各气象因子之间存在着复杂而联动的关系,选取与城市大气质量影响度高、污染物扩散关联度较强的气象因子对城市空气质量信息进行分组归类,建立气象数据库,采用BP神经网络算法进行城市环境预测。(2)研究排污权交易机制。该机制是以市场经济作为手段,由政府制定法规,建立交易平台,整合资源配置,控制污染物排放。火电厂的机组排污特性各有不同,按照一定标准对各火电厂分配相应的排污份额,并允许火电厂之间按需求进行出售或者购买对应的排污份额,以成本最优化作为激励手段,促进火电厂自发的优化排污特性改善城市空气环境质量。(3)将城市大气环境容量与排污权交易机制引入电力系统环境调度中,构建了火电机组的运行成本和各类污染物排放交易成本的目标函数;刻画出火电机组有功出力与机组污染物排放量之间的函数关系,考虑火力发电机组出力约束和电力系统功率平衡,计及目标城市的大气环境容量约束。电力系统环境调度中,采用动态双种群粒子群算法(Dynamic Dual-population Particle Swarm Optimization;DDPSO)进行优化,求解过程能够保证全局最优,收敛速度快。(4)采用IEEE30节点系统进行仿真和济南电网的环境调度优化。对IEEE30节点系统进行环境调度,排污特性较差的火电机组在环境调度下机组受排污成本的影响降低了出力,而排污特性较好机组增加了出力,保证在电力供需平衡的前提下,通过环境调度降低了系统排污量;排污特性较好的机组在提升发电量的同时排污量有较少的增加,而排污特性较差的机组在降低发电量的同时,排污量大幅下降,电力系统的排污量显著降低。对济南市电网进行环境调度,排污特性较差的机组在环境成本的影响下降低了机组的出力,且空气质量越恶劣、环境约束越严格,机组出力降低越多,而排污特性较好机组发电量增加;排污特性较差机组在环境调度下受环境成本的约束,降低了机组出力的同时排污量大幅降低,且空气质量越恶劣,排污量降低越多,而排污特性较好的机组在提升机组出力的同时,排污量仅小幅提升,在环境调度下电力系统的排污量显著减少。综上所述,本文在深入分析电力系统与大气环境联系的基础上,建立了计及城市大气环境容量及排污权交易的电力系统环境调度模型,采用DDPS0算法对环境调度进行优化,并对IEEE30节点系统进行仿真和济南电网的环境调度优化,仿真和实例结果表明:该方法能够有效降低电力系统的排污量,以较低的经济成本换取可观的环境收益。