CN101752903B - 一种时序递进式电力调度方法 - Google Patents

Abstract

本发明涉及时序递进式电力调度方法，属于电力调度自动化技术领域，包括：设置月度发电计划、周发电计划、日发电计划的三级电力调度时序环节；调度中心根据下个月电厂中各机组的检修管理信息和月度负荷预测信息，以及各机组下个月的计划电量，构造下个月的月度发电计划模型，并得到下个月的月度发电计划；再根据当前月的月度发电计划，构造并求解下一个周的周发电计划模型，得到下一个周的周发电计划；然后根据当前周的周发电计划构造并求解日发电计划模型，得到日发电计划下发电厂供t+1日执行；在t+2日统计各电厂的实发电量，在t+2日进行日-周反馈，在当前月的月末进行日-月反馈。本发明提出的方法可更好地指导电力***的安全经济运行。

Description

一种时序递进式电力调度方法

技术领域

本发明属于电力调度自动化技术领域，涉及时序递进协调方法、各时序环节的差异化发电计划决策方法、实际运行模式。

背景技术

电力调度是电网采用各种优化控制技术，协调各种发电资源，维持供需平衡，确保电网安全、经济运行的主要手段。电力调度工作的本质是一类在一定时间尺度内，在发、输电资源受限的情况下，从时间和空间角度统筹安排电力生产的工业优化问题，调度目标涉及电网运行成本、电网安全性/可靠性指标等等，调度变量是机组启停状态状态I和机组出力P，通常表述为如下形式：

调度目标函数：                minZ＝f(机组启停状态状态P，机组出力I)

电力供需平衡约束条件：        h(P，I)＝0

机组、电厂机械特性约束条件：  g(P，I)≤0

发、输电资源约束条件：        J(P，I)≤0

随着调度时间尺度的不同，分为中期(月度)和短期(周、日)调度问题。

随着电力工业的发展和电力需求的增长，各省发电和输电***交织成一个复杂电网，调度模式向多样化发展，调度计划及时性的要求不断提高，发电生产和电网安全如何协调逐步成为电力调度工作的研究和应用难点。中期(月度)、短期(周、日)电力调度工作是实现电力资源优化配置核心环节，其重要性已经得到工业界和学术界的共识。

现有调度技术至少存在以下问题：目前各时序环节的电力调度工作一般是孤立进行，并且多数集中于发电计划的优化理论和方法研究。虽然先进的优化模型得到了长足发展和广泛应用，但这些方法偏纯数学化和理论化，强调单时序环节的优化，在不同时序协调等方面缺乏整体的前瞻后顾广度优化，因此并没有真正取得电网的全过程优化效果，制约了整个调度计划精益化管理水平的提高，从而使电网运行成本、电网安全性/可靠性指标难以获得最佳效果。

发明内容

本发明的目的是为克服已有技术的不足之处，提出一种时序递进式电力调度方法，以精益化调度为目标，随时序递进，从优化目标、边界条件、抗风险能力等多个层面实现由表及里、由浅入深的全过程调度，确保电网经济、安全、可靠运行。

本发明提出的一种时序递进式电力调度方法，其特征在于，所述电力调度为实现月、周、日三个时序环节的调度配合与协调，包括以下步骤：

步骤一、设置月度发电计划、周发电计划、日发电计划的三级电力调度时序环节；其中，月度发电计划的调度时间范围为整月，周发电计划的调度时间范围为7～10天；日发电计划的调度时间范围为1天中的多个时段；

步骤二、调度中心根据下个月电厂中各机组的检修管理信息和月度负荷预测信息，以及各机组下个月的计划电量，构造下个月的月度发电计划模型，并求解得到下个月的月度发电计划，向电网中的各电厂发布；

步骤三、调度中心首先根据当前月的月度发电计划，计算各机组下一个周的周发电优先级；然后根据当前月的月度发电计划提供的机组下一周的各日启停状态、机组下一个周的周发电优先级、下一个周的检修管理信息和周负荷预测信息，构造并求解t+1日至t+7~10日的下一个周的周发电计划模型，t为当前日；得到下一个周的周发电计划，向电厂发布；

步骤四、调度中心首先根据当前周的周发电计划，计算各机组下一日的日发电优先级；然后根据当前周的周发电计划提供的机组下一日各时段启停状态、机组下一日的日发电优先级、下一日的检修管理信息和日负荷预测信息，构造并求解t+1日发电计划模型，得到日发电计划下发电厂供t+1日执行；

步骤五、t+1日电厂按t+1日发电计划执行后，调度中心在t+2日统计各电厂的实发电量，在t+2日进行日-周反馈，在当前月的月末进行日-月反馈。

本发明的特点及有益效果：

本发明采用三级时序协调方法；

1)通过月度发电计划实施大时间尺度的全局优化，用于安排机组多日连续运行，减少启停成本，全过程优化中期运行效益；

2)周发电计划是月度发电计划和日发电计划的协调环节，为日发电计划提供可行的基础发电计划；即时周发电计划为电网提供7~10天滑动前进的电网态势分析。利用更新后的电网信息进一步调整和细化月度发电计划的机组启停状态、电量完成进度；当月度计划被改动后，通过后续多日补偿调整来确保发电进度和启停状态符合月度初始优化方向，为日决策环节提供可行的基础发电计划，避免日计划中的临时启停调峰。

3)日发电计划是电网调度决策的最后一个环节，直接指导次日的发电生产，能够做到电网局部的精细分析，并对已经发生的发电进度误差做出有效调整。从而实现精确的安全校核和网损管理；实现电网安全与经济性协调的精细化。

以上特点使得本发明方法具有下列优点：经过月度全局优化、周内针对性的调整、日内精细化微调三级时序决策环节，整个电网的运行状态从整体模糊不明逐步过渡到清晰精确。电网风险在各个环节得到分摊、消化、吸收，从月度的全网大范围风险慢慢收缩到日的节点线路小范围风险，实际运行中电网风险不断减少。日发电计划的再调整量和工作压力可以减到最小，从而确保电网的安全空间、交易空间和调度空间。

附图说明

图1为日发电计划求解流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及本发明的实施方式作进一步地详细描述。

本发明提出的一种时序递进式电力调度方法，其特征在于，所述电力调度为实现月、周、日三个时序环节的调度配合与协调，包括以下步骤：

步骤一、设置月度发电计划、周发电计划、日发电计划的三级电力调度时序环节；其中，月度发电计划的调度时间范围为整月，周发电计划的调度时间范围为7～10天(包括普通周与节假日黄金周)；日发电计划的调度时间范围为1天中的多个时段(如分为96时段)；

步骤二、调度中心根据下个月电厂中各机组的检修管理信息和月度负荷预测信息，以及各机组下个月的计划电量，构造下个月的月度发电计划模型，并求解得到下个月的月度发电计划，向电网中的各电厂发布；

所述检修管理信息包括机组检修信息和设备检修信息。机组检修信息包括检修机组ID，检修起始日期，检修结束日期；在月度发电计划模型中，被检修的机组自检修起始日期至检修结束日期为止处于停机状态。设备检修信息包括检修设备(变压器、开关、线路等设备)ID，检修起始日期，检修结束日期；调度中心根据设备检修信息计算电网断面传输容量，构造月度发电计划的约束条件。

所述月度负荷预测信息为根据月度负荷预测软件(已公开使用)得到的下个月电力负荷需求情况，包括下个月各日的最大负荷，各日峰、平、谷时段的负荷电量，各日峰、平、谷时段各个地区的负荷分布因子，即地区负荷占全网负荷的比例。

所述机组下个月的计划电量为各机组在本月超额或缺额发电量与下个月已签订的月度电量合同的累加。累加方式为，如果机组本月实发电量超出了计划电量，则从下个月的月度电量合同中扣除；如果机组本月实发电量小于计划电量，则在下个月的月度电量合同中补足。

所述月度发电计划模型是根据多个调度目标及约束条件，构造多目标非线性混合整数优化模型，再利用理想点贴近度法把上述四个目标转化为单一目标，最后应用非线性混合整数规划求解单一目标优化模型。

所述当前月度发电计划为确定当前月机组各日启停状态以及峰平谷时段发电量；该月度发电计划作为电力生产的粗略预估，可提供各日电网开机容量，以满足各日负荷高峰时段的电力需求，但不直接指导电力生产；所述月度发电计划提供的机组各日启停用于设置周发电计划中机组各时段的初始状态。

步骤三、调度中心首先根据当前月的月度发电计划，计算各机组下一个周的周发电优先级；然后根据当前月的月度发电计划提供的机组下一周的各日启停状态、机组下一个周的周发电优先级、下一个周的检修管理信息和周负荷预测信息，构造并求解t+1日至t+7~10日的下一个周的周发电计划模型，t为当前日；得到下一个周的周发电计划，向电厂发布；

所述下一个周的检修管理信息包括下一个周的机组检修信息和设备检修信息。机组检修信息包括检修机组ID，检修起始时段，检修结束时段；在周发电计划模型中，被检修的机组自检修起始时段至检修结束时段为止处于停机状态。设备检修信息包括检修设备(变压器、开关、线路等设备)ID，检修起始时段，检修结束时段；调度中心根据设备检修信息计算电网断面、线路传输容量，构造周发电计划的约束条件。

所述周负荷预测信息为根据短期负荷预测软件(已公开使用)得到的下一个周的电力负荷需求情况，包括下一个周各时段的负荷，以及各时段各个地区的负荷分布因子，即地区负荷占全网负荷的比例。

所述周发电计划模型是根据调度目标(运行成本-机组发电成本与机组启停成本之和最小化)及约束条件，基于直流潮流构造单目标线性混合整数优化模型，再把该优化模型解耦为机组组合子模型和经济调度子模型，利用混合整数规划求解机组组合子模型，利用非线性规划求解经济调度子模型。

该周发电计划包括确定各机组在下一个周(即未来7～10天内)各个时段(半小时或一小时为一个时段)的启停状态和出力，提供各时段电网开机容量和电网出力，以满足各日负荷高峰时段的电力需求和各时段负荷电量需求。

其中，周发电计划确定的机组各时段启停状态用于在日发电计划模型中设置为机组下一日的实际运行状态。

周发电计划确定的各机组在下一个周的各时段出力有两种用途：

1)对于月度电量完成率与全网平均完成率偏差超出10％的机组，各时段出力用于下发执行，在日发电计划和实际调度中不做改变，以确保这部分机组的合同电量完成进度。

所述月度电量完成率为机组本月实发电量与机组应发电量计划的比值。

所述全网平均完成率为所有机组本月实发电量之和与本月所有机组应发电量计划之和的比值。

2)对于其余机组，各时段出力计划用于计算下一个周的计划负荷率或计划利用小时数，得到这些机组下一个周的周发电优先级。

所述各机组下一个周的周发电优先级为机组下一个周的计划负荷率或机组下一个周的计划利用小时数(实际运行中可以根据需要选择其中任一个作为发电优先级)。机组下一个周的计划负荷率是机组在下一个周的计划电量与下一个周机组最大可发电量的比值；计划负荷率是一个无量纲值。机组下一个周的计划利用小时数是机组在下一个周的计划电量与机组容量的比值，单位为小时。周发电计划模型中利用周发电优先级为各个机组构造虚拟的“电价”；以下一个周的计划负荷率为例，下一个周的计划负荷率高的机组的电价较低；反之，下一个周的计划负荷率低的机组的电价较高；在优化计算中按照等微增率的原则安排优先级高的机组多发电，优先级低的机组少发电。

所述机组在下一个周的计划电量通过统计从月初到当前日为止的各机组超额发电量或缺额发电量，与当前月的月度发电计划已经安排的机组下一个周各日发电量累加得到。

步骤四、调度中心首先根据当前周的周发电计划，计算各机组下一日的日发电优先级；然后根据当前周的周发电计划提供的机组下一日各时段启停状态、机组下一日的日发电优先级、下一日的检修管理信息和日负荷预测信息，构造并求解t+1日发电计划模型，得到日发电计划下发电厂供t+1日执行；

所述下一日的检修管理信息包括下一日的机组检修信息和设备检修信息。机组检修信息包括检修机组ID，检修起始时段，检修结束时段；在日发电计划模型中，被检修的机组自检修起始时段至检修结束时段为止处于停机状态。设备检修信息包括检修设备(变压器、开关、线路等设备)ID，检修起始时段，检修结束时段；调度中心根据设备检修信息计算电网断面、线路传输容量，构造日发电计划的约束条件。

所述日负荷预测信息为根据短期负荷预测软件(已公开使用)得到的下一日的电力负荷需求情况，包括下一日各时段的负荷，以及各时段各个地区的负荷分布因子，即地区负荷占全网负荷的比例。

所述日发电计划模型采用两个调度目标(购电成本最小化，输电线路安全裕度价值最大化，其中后者旨在提供线路输电安全裕度，以应对电网微观节点层次的负荷不确定性，防止线路潮流越限)求和作为单一优化目标，采用电网有功、无功、电压变量基于交流潮流构造单目标非线性优化模型，然后利用交直流混合迭代算法求解得到。

所述日发电计划为确定次日各机组96时段(15分钟为一个时段)的出力，并下发电厂执行。

所述机组下一日的日发电优先级为机组日负荷率，即当前周的周发电计划确定的机组在下一日发电量与下一日机组最大可发电量的比值；日发电计划根据该信息，为各个机组构造虚拟的“电价”。日负荷率高的机组的电价较低；反之，日负荷率低的机组的电价较高；在优化计算中按照等微增率的原则安排优先级高的机组多发电，优先级低的机组少发电。

步骤五、t+1日电厂按t+1日发电计划执行后，调度中心在t+2日统计各电厂的实发电量，在t+2日进行日-周反馈，在当前月的月末进行日-月反馈；

所述日-周反馈为：统计从月初到当前日为止的各机组超额发电量或缺额发电量，与当前月的月度发电计划已经确定的下一周机组各日发电量累加，重新统计机组的周负荷率或周利用小时数，得到机组下个周的周发电优先级，转到步骤三，用于构造并求解下一个周发电计划。

所述日-月反馈为：汇总统计当前月各机组超额发电量或缺额发电量，与下一个月已签订的电量计划累加，作为机组下个月的应发电量计划，转到步骤二。

所述步骤二的构造当前月度发电计划模型并求解得到当前月度发电计划具体描述如下：

设定如下调度目标：

1)日可靠性指标(LOLP)均匀性；

$\min f_1=\underset{1\≤i\≤T}{\max }\left\{{\mathrm{\ξ}}_i\right\}/\underset{1\≤t\≤T}{\min }\left\{{\mathrm{\ξ}}_t\right\}$

式中：t为本月日期序号；T为该月总天数；ξ_t为t日全网的失负荷概率LOLP；该目标函数通过最小化各日可靠性指标的相对差异，均衡各日失负荷概率，从而避免各日电力***潜在运行风险的差异过大；

2)全网机组平均启停成本最小化；

$\min f_2=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}|I_i^{t-1}-I_i^t|C_{\mathrm{si}}$

式中：i为机组序号；N为机组总台数；I_i ^t为机组i在t日的运行状态(1为运行，0为停运/检修)；t＝0定义为本计划周期的前一日；I_i ⁰定义为机组i的预状态；C_si为机组i的单次启停成本；

3)电厂负荷率均匀性；

$\min f_3^s=\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{\underset{1\≤t\≤T}{\max }\left\{{\mathrm{\ρ}}_k^{t\left(s\right)}\right\}}{\underset{1\≤t\≤T}{\min }\left\{{\mathrm{\ρ}}_k^{t\left(s\right)}\right\}},$ $\∀s=P,F,V$

式中：ρ_k ^t(s)为电厂k在t日s时段的负荷率；

${\mathrm{\ρ}}_k^{t\left(s\right)}=\left(\underset{i\∈k}{\mathrm{\Σ}}{E}_i^{t\left(s\right)}\right){\left(h^s\underset{i\∈k}{\mathrm{\Σ}}{I}_i^t{C}_i^{\max }\right)}^{-1}$

s为时段类型(P、F、V分别代表峰、平、谷)，E_i ^t(s)为机组i第t日s时段发电量；h^s为一日内s时段的小时数；本发明为了解决电量计划和电力潮流安全的“同时性”问题，月计划电量的分解和安全校核细化到峰、平、谷段，以间接考虑电力平衡，提高电网安全性；k为电厂序号；K为电厂总数目；C_i ^max为机组i的容量，该目标函数通过最小化电厂每日各时段负荷率的相对差异，使电厂在各时段保持均衡的裕度，以应对日计划中的负荷随机波动；

4)区域各日净注入电量均匀性；

$\min f_4^s=\frac{1}{M}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{1\≤t\≤T}{\max }\left\{\right|F_m^{t\left(s\right)}\left|\right\}/\underset{1\≤t\≤T}{\min }\left\{\right|F_m^{t\left(s\right)}\left|\right\},$ $\∀s=P,F,V$

式中：m为地区序号；M为地区数目；F_m ^t(s)为m地区的t日s时段净注入电量(以注入为正方向)：

$F_m^{t\left(s\right)}=D^t{\mathrm{\β}}_m^t{\mathrm{\γ}}^{t\left(s\right)}-\underset{i\∈m}{\mathrm{\Σ}}{E}_i^{t\left(s\right)}$

式中：D^t为全网t日总负荷电量；β_m ^t为地区m在t日的负荷电量占全网t日总负荷电量的比例因子；γ^t(s)为全网t日s时段的负荷电量占t日总负荷电量的比例；E_i ^t(s)为本地区机组i在t日s时段发电量；该目标函数通过最小化日内各时段的断面净注入电量波动，为实时运行预留均衡的输电容量裕度；该目标不考虑实际潮流方向不固定的断面；

月度发电计划模型的约束条件：

1)机组计划电量约束

$\left\{\begin{array}{c}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}(E_i^{t\left(P\right)}+E_i^{t\left(F\right)}+E_i^{t\left(V\right)})=E_i\\ \∀i=\mathrm{1,2},...,N\end{array}\right.$

上式中E_i为机组i本月的应发电量计划；

2)机组指定运行状态约束

上述约束只对如下两类机组起作用：(1)安排检修的机组需要指定检修停机；电量合同已经完成的机组，可根据电厂要求安排停机；(2)电量进度较慢的机组，需要指定开机；

3)峰、平、谷段的负荷电量平衡约束

$\left\{\begin{array}{cc}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_i^{t\left(s\right)}=D^t{\mathrm{\γ}}^{t\left(s\right)}& \\ \∀t=\mathrm{1,2},...,T& \∀s=P,F,V\end{array}\right.$

4)全网开机充裕度约束

$\left\{\begin{array}{cc}{L}_{\max }^t(1+\underset{\‾}{r})\≤\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{I}_i^t{C}_i^{\max }\≤L_{\max }^t(1+\stackrel{\‾}{r})& \\ \∀i=\mathrm{1,2},...,N,& \∀t=\mathrm{1,2},...,T\end{array}\right.$

上式中：L_max ^t为t日最高负荷，r、r分别为在发电计划中预先设定的日最高负荷时段正旋转备用率上限、下限；

5)机组日内峰、平、谷时段发电能力约束

$\left\{\begin{array}{ccc}{I}_i^t\underset{\‾}{E_i^{t\left(s\right)}}\≤I_i^t{E}_i^{t\left(s\right)}\≤I_i^t\stackrel{\‾}{E_i^{t\left(s\right)}}& & \\ \∀i=\mathrm{1,2},...,N& \∀t=\mathrm{1,2},...,T& \∀s=P,F,V\end{array}\right.$

上式中E _i ^t(s) 、E_i ^t(s)分别为机组i第t日s时段发电量的下限和上限；

6)地区日内峰、平、谷时段净注入电量约束

$\left\{\begin{array}{ccc}\underset{\‾}{F_m^{t\left(s\right)}}\≤F_m^{t\left(s\right)}\≤\stackrel{\‾}{F_m^{t\left(s\right)}}& & \\ \∀t=\mathrm{1,2},...T& \∀m=\mathrm{1,2},...M& \∀s=P,F,V\end{array}\right.$

上式中F _m ^t(s) 、F_m ^t(s)为m地区t日s时段净注入电量下限和上限；

7)机组持续运行时间约束

$\left\{\begin{array}{cc}[X_i^{\mathrm{on}}(t-1)-T_i^{\mathrm{on}}](I_i^{t-1}-I_i^t)\≥0& \\ [X_i^{\mathrm{off}}(t-1)-T_i^{\mathrm{off}}](I_i^t-I_i^{t-1})\≥0& \\ \∀t=\mathrm{1,2},...,T& \∀i=\mathrm{1,2},...,N\end{array}\right.$

上式中：X_t ^on(t)为机组在t日时已经持续开机天数；X_i ^off(t)为机组i在t日时已经持续停机天数；t＝0时X_i ^on(0)/X_i ^off(0)定义为机组i预状态I_i ⁰持续的天数；T_i ^off为机组i最小持续停机天数；T_i ^on为机组i最小持续开机天数；

本发明基于理想点贴近度法把四个调度目标(子目标)转化为单一调度目标；各子目标f(x)均为最小化的形式，则包含p个子目标的目标集向量表示为：

$F\left(x\right)=\underset{x\∈R}{\min }{(f_1\left(x\right),f_2\left(x\right),...,f_p\left(x\right))}^T$

多目标优化问题的理想点包括正理想点(各子目标最极端的下限)和负理想点(各子目标可接受的上限)；设定分布区间V＝(f _j ，f_j)；分别优化各子目标得到最极端的下限f _j ；根据电网运行规程确定可接受的上限f_j；为了消除量纲和数量级对决策结果的影响，采用子目标的统计均值f_{j_M}对各子目标和分布区间进行规范化处理：

$\left\{\begin{array}{c}{f}_j^{\′}\left(x\right)=f_j\left(x\right)/f_{j\_M}\\ \stackrel{\‾}{f_j^{\′}}=\stackrel{\‾}{f_j}/f_{j\_M}\\ \underset{\‾}{f_j^{\′}}=\underset{\‾}{f_j}/f_{j\_M},\∀j=\mathrm{1,2},...,p\end{array}\right.$

正负理想点F、负理想点F的表达式分别为：

计算子目标集向量与正理想点欧式距离d⁺、与负理想点欧式距离d^-：

$\left\{\begin{array}{c}{d}^{+}=\sqrt{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{(f_j^{\′}\left(x\right)-\underset{\‾}{f_j^{\′}})}^2}\\ d^{-}=\sqrt{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{(f_j^{\′}\left(x\right)-\stackrel{\‾}{f_j^{\′}})}^2}\end{array}\right.$

由此得出当前子目标集向量与正理想点的贴近度为：

$d=\frac{d^{+}}{d^{-}+d^{+}}$

理想点贴近度表征了当前子目标集向量贴近正理想点、远离负理想点的相对程度，物理意义清晰，便于实际操作，可以作为单一目标用于优化计算；

采用非线性混合整数规划算法求解上述模型，即可得到月度发电计划；

步骤三的构造下一个周的周发电计划模型并求解得到下一个周的周发电计划具体描述如下：

周发电计划模型目标函数如下：

$\min C=\underset{i\∈G}{\mathrm{\Σ}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{c}_i\left(P_i^{t\left(h\right)}\right)+\underset{i\∈G}{\mathrm{\Σ}}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{h=1}{\overset{H}{\mathrm{\Σ}}}|I_i^{t\left(h\right)}-I_i^{t(h-1)}|C_{\mathrm{si}}$

其中G为发电机组集合，t为日期序号，T为周计划的总天数；I_i ^t(P)为机组i在t日峰时段P的启停状态(＝1：开机，＝0：停机)；G为机组集合；C_si为机组i的单次启停成本；H为各日总时段数，h为时段序号；h＝0时的I_i ^t(h)定义为前一日的最末时段状态；P_i ^t(h)为机组i在t日h时段的出力，c_i(P_i ^t(h))为机组购电成本函数；对于三公调度模式，机组购电成本函数与机组的发电优先级相关；在节能调度模式下，机组购电成本函数与机组的能耗排序相关；

周发电计划采用如下约束条件：

1)机组日启停状态调整方向约束

$(I_i^{t\left(P\right)}-\widetilde{I_i^t})(L_{\max }^t-\widetilde{L_{\max }^t})\≥0,$ $\∀i\∈G,$ $\∀t\∈T_{\mathrm{re}\_\mathrm{UC}}$

$I_i^{t\left(P\right)}=\widetilde{I_i^t},$ $\∀i\∈G,$ $\∀t\∈T_{m\_\mathrm{UC}}$

1)式中I_i ^t(P)为机组i在t日负荷高峰时段P的启停状态；

为月度计划中机组i在t日的启停状态，

为月度负荷数据中t日负荷峰值，L_max ^t为周负荷预测数据中t日负荷峰值；1)式中T_{re_UC}为本周由于负荷偏差过大，需要重新安排机组日启停状态的日期；T_{m_UC}定义为本周除T_{re_UC}外，不需要机组再组合的日期集合；如果月度计划的决策结果中，机组在t日峰时段的开机容量合理，则沿用月度计划的启停结果；

2)机组本周电量完成进度约束

$\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{I}_i^{t\left(P\right)}\underset{\‾}{E_i^t}\≤E_i\≤\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{I}_i^{t\left(P\right)}\stackrel{\‾}{E_i^t},$ $\∀i\∈G$

上式中E_i为月度计划制定的本周计划电量；上式中E _i ^t 、E_i ^t分别为机组i第t日发电量的下限和上限；上式可以使月度安排的电量进度落在机组本周发电能力范围内，确保月度计划的电量进度在周计划中得到继承和实现；

约束条件1)和2)表明，周发电计划中，机组启停操作必须以月度启停状态为基础，仅对负荷偏差导致的开机容量缺额或冗余实施调整，再组合操作中要确保各机组容量变化量与负荷变化量保持同增或同减；1)式和2)式可以避免周发电计划对月度发电计划的机组启停状态做过多修改，能够最大限度地继承月度发电计划的全局优化效果；

3).有功平衡方程

$\underset{i\∈G}{\mathrm{\Σ}}{P}_i^{t\left(h\right)}=D^{t\left(h\right)},$ $\∀h=\mathrm{1,2},...,H$

其中D^t(h)为t日h时段的全网负荷；

4).全网开机充裕度约束

$L_{\max }^t(1+\underset{\‾}{r})\≤\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{I}_i^{t\left(P\right)}{C}_i^{\max }\≤L_{\max }^t(1+\stackrel{\‾}{r})$ $\∀t=\mathrm{1,2},...,T$

该约束条件引入周负荷预测信息约束电网峰时段开机容量的合理范围；

5)断面潮流约束

$|\underset{i\∈m}{\mathrm{\Σ}}{P}_i^{t\left(h\right)}-D_m^{t\left(h\right)}|\≤\stackrel{\‾}{F_m^{t\left(h\right)}},$ m∈M $\∀h=\mathrm{1,2},...,H$

其中D_m ^t(h)为地区m在t日h时段的负荷；其中M为地区集合；F_m ^t(h)为断面m时段h的潮流安全极限；

6)线路潮流约束

$|\underset{i\∈G}{\mathrm{\Σ}}{G_{i\_l}}^{t\left(h\right)}{P}_i^{t\left(h\right)}+\underset{j\∈D}{\mathrm{\Σ}}{G_{j\_l}}^{t\left(h\right)}{D}_i^{t\left(h\right)}|\≤\stackrel{\‾}{F_l^{t\left(h\right)}},$ $\∀l\∈L$ $\∀h=\mathrm{1,2},...,H$

其中G_{i_l} ^t(h)为机组t日h时段i对线路l的发电功率转移分布因子，F_l ^t(h)为线路l在t日h时段的有功潮流上限；L为线路集合；D为负荷节点的集合；

7)机组可调出力限值约束

$\left\{\begin{array}{c}{I}_i^{t\left(h\right)}{C}_i^{\min }\≤P_i^{t\left(h\right)}\≤I_i^{t\left(h\right)}{C}_i^{\max }\\ P_i^{\left(t\right)(h-1)}-\underset{\‾}{v_i}\≤P_i^{t\left(h\right)}\≤P_i^{\left(t\right)(h-1)}+\stackrel{\‾}{v_i}\end{array}\right.,\∀i\∈G^t,\∀h=\mathrm{1,2},...,H,\∀t=\mathrm{1,2},...,T$

上式考虑了机组容量约束以及爬坡能力约束；h＝0时P_i ^t(h)定义为机组t日的预状态的出力，即上一日的最末时段出力；

8)机组持续运行时间约束；

$\left\{\begin{array}{ccc}[X_i^{\mathrm{on}}\left(t(h-1)\right)-T_i^{\mathrm{on}}](I_i^{t(h-1)}-I_i^{t\left(h\right)})\≥0& & \\ [X_i^{\mathrm{off}}\left(t(h-1)\right)-T_i^{\mathrm{off}}](I_i^{t\left(h\right)}-I_i^{t(h-1)})\≥0& & \\ \∀t=\mathrm{1,2},...,T& \∀i\∈G,& \∀h=\mathrm{1,2},...,H\end{array}\right.$

上式中：X_i ^on(t(h))为机组在t日h时段已经持续开机时段数；X_i ^off(t(h))为机组i在t日h时段已经持续停机时段数；t＝0时X_i ^on(0)、X_i ^off(0)定义为机组i预状态I_i ⁰持续的时段数；T_i ^off为机组i最小持续停机时段数；T_i ^on为机组i最小持续开机时段数；

9)针对电网供需平衡的动态调节能力约束

9-1)t日全网负荷陡升时段h：

$\underset{i}{\mathrm{\Σ}}\stackrel{\‾}{\mathrm{\Δ}{P}_i^{t\left(h\right),t(h+1)}}\≥\stackrel{\‾}{D^{t(h+1)}}-D^{t\left(h\right)}$ $\∀i\∈G^{t\left(h\right)}$

上式中ΔP_i ^{t(h)，i(h+1)}为机组i在t日从h时段到h+1时段的最大上调能力；

$\stackrel{\&OverBar;}{\mathrm{\&Delta;}{P}_i^{t\left(h\right),t(h+1)}}=\left\{\begin{array}{ccc}\stackrel{\&OverBar;}{v_i}& f& C_i^{\max }\&GreaterEqual;P_i^{t\left(\right)}+\stackrel{\&OverBar;}{v_i}\\ C_i^{\max }-P_i^{t\left(h\right)}& \mathrm{if}& C_i^{\max }<P_i^{t\left(h\right)}+\stackrel{\&OverBar;}{v_i}\end{array}\right.$

其中v_i为机组i单时段爬坡能力，P_i ^t(h)为机组i在t日h时段的有功出力；D^t(h)为t日h时段的全网负荷；D^t(h)为h时段负荷执行区间的上限；G^t(h)中的机组分为两类：满足 $C_i^{\max }\&GreaterEqual;P_i^{t\left(h\right)}+\stackrel{\&OverBar;}{v_i}$ 条件的为上升迅变机组，这类机组的上调出力不受容量限制，定义这类机组的集合G^i(h)，U；满足 $C_i^{\max }<P_i^{t\left(h\right)}+\stackrel{\&OverBar;}{v_i}$ 条件的为上升缓变机组，这类机组受容量限制，可上调范围较小，定义其集合G^i(h)，It；

9-1)式的物理意义为：如果全网机组从h时段开始以最大速度上调，到h+1时段能提供的最大出力应大于负荷置信区间上限；

9-2)t日全网负荷陡降时段h：

$\underset{i}{\mathrm{\&Sigma;}}\underset{\&OverBar;}{\mathrm{\&Delta;}{P}_i^{t\left(h\right),t(h+1)}}\&GreaterEqual;D^{t\left(h\right)}-\underset{\&OverBar;}{D^{t(h+1)}}$ $\&ForAll;i\&Element;G^{t\left(h\right)}$

其中ΔP _i ^{t(h)，i(h+1)} 为机组i从h时段到h+1时段的最大下调能力；

$\underset{\&OverBar;}{\mathrm{\&Delta;}{P}_i^{t\left(h\right),t(h+1)}}=\left\{\begin{array}{ccc}\underset{\&OverBar;}{v_i}& f& C_i^{\min }\&le;P_i^{t\left(h\right)}-\underset{\&OverBar;}{v_i}\\ P_i^{t\left(h\right)}-C_i^{\min }& \mathrm{if}& C_i^{\min }>P_i^{t\left(h\right)}-\underset{\&OverBar;}{v_i}\end{array}\right.$

v _i 为机组i下调速率；定义满足 $C_i^{\min }\&le;P_i^{t\left(h\right)}-\underset{\&OverBar;}{v_i}$ 的为下降迅变机组，所属集合G^t(h)D；定义满足 $C_i^{\min }>P_i^{t\left(h\right)}-\underset{\&OverBar;}{v_i}$ 的机组为下降缓变机组，所属集合G^i(h)，d；

9-2)式的物理意义为：如果机组从h时段开始以最大速度下调，到h+1时段能提供的最大出力应大于负荷置信区间下限；

10)针对断面安全性的动态调节能力约束

10-1)t日受电地区m负荷陡升时段h：

m∈M

其中D_m ^t(h+1)为地区m在时段h+1的负荷置信区间的上限；F_m ^I(h+1)为断面m时段h+1的潮流安全极限；地区m在时段h+1的负荷 $D_m^{t(h+1)}=D^{t(h+1)}{s}_m^{t(h+1)},$ 其中s_m ^t(h+1)为h+1时段m地区负荷占全网负荷的比例，即地区负荷因子；10-1)式的物理意义为：如果地区m内机组从h时段开始以最大速度上调，到h+1时段应提供足够的出力，保证断面注入潮流不超出安全极限；

10-2)t日送电地区m’负荷陡降时段h：

m′∈M

其中D _m ^t(h+1) 为地区m’时段h+1的负荷置信区间的下限；10-2)式的物理意义为：如果地区m’内机组从h时段开始以最大速度下调，到h+1时段应保证出力降到足够低，保证断面输出潮流不超出安全极限；

其中M为地区集合；无所属地区的机组只考虑针对电网供需平衡的动态约束；而有所属地区的机组不仅为全网负荷供需平衡提供调节能力，而且为断面潮流安全提供动态调节能力；这两者并不矛盾，因为地区负荷的走势与全网负荷走势基本相同，因此m地区的机组为本地负荷提供调节能力的同时也为全网供需平衡提供了调节能力；

11)机组指定运行状态约束

上述约束只对如下两类机组起作用：(1)安排检修的机组需要指定检修停机；电量合同已经完成的机组，可根据电厂要求安排停机；(2)电量进度较慢的机组，需要指定开机；

周发电计划模型可以分解为机组组合和经济调度两个子优化模型；

机组组合子优化模型为：

$\left\{\begin{array}{cc}\min C=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}|I_i^{(t-1)\left(P\right)}-I_i^{t\left(P\right)}|C_{\mathrm{si}}& \\ s.t& 1),2),4),12)\end{array}\right.$

经济调度子优化模型为：

$\left\{\begin{array}{cc}\min C=\underset{i\&Element;G}{\mathrm{\&Sigma;}}\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{h=1}{\overset{H}{\mathrm{\&Sigma;}}}{c}_i\left(P_i^{t\left(h\right)}\right)& \\ s.t& 3),5)~11)\end{array}\right.$

依次采用混合整数规划求解机组组组合子优化模型，采用非线性规划求解经济调度子优化模型，即可得到周发电计划；

步骤四的构造下一日的日发电计划模型并求解得到下一日的日发电计划具体描述如下：

日发电计划的目标函数综合考虑了电网经济性与安全性两类决策要素，旨在寻求经济效益最佳与电网安全裕度保障的折衷，以单时段为例：

$\min C=\underset{i\&Element;G}{\mathrm{\&Sigma;}}{c}_i\left(P_{\mathrm{Gi}}\right)-\underset{l\&Element;\mathrm{AL}}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_l(S_{l,\max }-|S_l\left|\right)$

其中G为机组集合；其中，c_i为机组i购电费用函数；P_Gi为机组i有功出力；模型前一部分为购电费用最小，后一部分为输电线路安全裕度价值最大；对于三公调度模式，购电成本c_i(P_Gi)与机组的电量进度完成率相关；在节能调度模式下，购电成本与机组的能耗排序相关；在市场环境下，机组购电成本取决于机组报价；本发明利用发电优先级构造机组的虚拟电价；其中AL为关键输电线路集，需要结合调度经验与电网运行情况由人工选取；与输电线路安全裕度相关的权系数λ_l≥0，其经济学含义为关键输电线路集AL中线路l单位安全裕度的价值，是调度人员愿意为安全支付的代价；当所有的λ_l均取零值时，本模型即为追求购电成本最小化的传统经济调度模型；需满足如下约束条件：

1).节点功率平衡

$P_k-j{Q}_k=\underset{j\&Element;k}{\mathrm{\&Sigma;}}\stackrel{*}{S_{\mathrm{kj}}^k}+\stackrel{*}{S_{k0}}$ $\&ForAll;k\&Element;N$

2).机组出力限值约束

P_Gt，min≤P_Gi≤P_Gt，max $\&ForAll;i\&Element;G$

3).线路潮流约束

|S_t|≤S_l，max $\&ForAll;l\&Element;L$

其中N为节点集合，P_k为节点k有功净注入；Q_k为节点k无功注入；

为节点k、j间线路上由k节点发出功率的共轭，

为节点k对地损耗功率的共轭；L为线路集合，S_l为线路1的视在功率，S_l，max为线路l的热稳极限；

忽略有功调度中线路潮流无功分量的变化，基于直流潮流的简化，原模型等价于如下直流模型：

$\left\{\begin{array}{c}\min C=\underset{i\&Element;G}{\mathrm{\&Sigma;}}{c}_i\left(P_{\mathrm{Gi}}\right)+\underset{l\&Element;\mathrm{AL}}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_l\left(\underset{i\&Element;G}{\mathrm{\&Sigma;}}{G}_{i\_l}{P}_{\mathrm{Gi}}\right)\\ \underset{i\&Element;G}{\mathrm{\&Sigma;}}{P}_{\mathrm{Gi}}=D+P_{\mathrm{Loss}}\\ P_{\mathrm{Gi},\min }\&le;P_{\mathrm{Gi}}\&le;P_{\mathrm{Gi},\max },\&ForAll;i\&Element;G\\ F_l\&ap;F_l^P\&le;\sqrt{{\left|S_{l,\max }\right|}^2-{\left(F_l^Q\right)}^2}=F_{l,\max }\end{array}\right.$

本发明设计了交直流混合迭代的计算机制求解日发电计划模型；首先利用线性优化算法求解上述直流模型，得到初始可行日发电计划，然后进入迭代流程：基于最新的有功计算结果，使用P-Q分解法完成一次交流潮流迭代，修正电网潮流；依据当前的***网损和线路交流潮流，更新直流模型的有功平衡约束条件和线路潮流约束条件，调用线性优化算法求解；然后进入下一轮迭代，直至电网无线路越限且潮流收敛；如图1所示；

本发明方法实现的效果举例说明如下：

一、本发明中月度发电计划与传统调度方法的启停成本对比

以某省级电网6个月的机组启停调度为实例，表1对比展示了本发明的月度发电计划与传统调度方法的启停成本差异：采用本发明的月度发电计划计算的全网机组开停机次数比传统调度方法降低了274次，节约启停成本3854万元；

表1

电厂	减少次数	节约启停成本
			1	75	868.15
2	37	561.6
			3	32	192
4	22	380
			5	22	380
6	21	172.62
			7	18	440.5
8	18	127.8
			9	14	560
10	9	111

11	6	59.9
			总计	274	3854

二、本发明周发电计划与传统日发电计划的启停成本对比

表2

以某省级电网7天的机组启停决策为实例，表2对比展示了本发明的周发电计划与传统日发电计划的启停成本。传统日计划不考虑月度发电计划，只基于前一日运行状态和当日负荷需求决策机组启停，随意性较大，导致后续日期中启停成本一直居高不下；周发电计划可以继承月度发电计划的全局优化效果，并且考虑到新增启停成本的最小化；周发电计划和传统日发电计划都可以直接指导机组启停，但是传统日发电计划的总启停成本比周发电计划的总启停成本高出12.3％；

三、本发明周发电计划与传统调度方法计算的地区最大可上调出力对比

表3

以某省级电网中某地区的周一晚高峰41~43时段供需平衡调度为实例，表3中分别列出了利用本发明周发电计划和传统调度方法的分别计算的地区最大可上调出力；在传统调度方法的计算结果中，晚高峰时机组的大部分调节空间用于跟踪负荷变化，因此剩余上调能力无法应对41和42时段内地区负荷出现的上波动，断面注入潮流可能会越限；在本发明周发电计划的计算结果中，机组在负荷陡升前预留了一定的动态上调空间，因此41、42时段的地区最大可上调出力显著提高，可以确保负荷波动情况下的电网安全；

四、本发明的日发电计划与传统日发电计划计算的有功网损对比

表4

以IEEE30节点网络为研究实例，对比本发明的日发电计划与传统日发电计划计算的96时段日发电计划。由表4可见，本发明的日发电计划计算出的有功网损比传统日发电计划的计算结果小23.16％，降损效果明显；

五、本发明的日发电计划与传统日发电计划的安全校核结果对比

表5

设定线路31的传输容量为18MVA，在传统日发电计划中按照16.2MW(线路容量×0.9)作为有功传输极限。对比分析本发明的日发电计划与传统日发电计划的安全校核结果。由表5可见，传统日发电计划只能采用直流潮流做安全校核，虽然线路31的直流潮流结果没有越限，但计算此时的电网交流潮流，结果表明线路31的视在功率超过了18MVA，实际上并不安全；而本发明的日发电计划采用交流潮流做安全校核，线路潮流分布在17.2~17.3MVA之间，完全满足电网运行的安全要求。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种时序递进式电力调度方法，其特征在于，所述电力调度为实现月、周、日三个时序环节的调度配合与协调，包括以下步骤：

步骤一、设置月度发电计划、周发电计划、日发电计划的三级电力调度时序环节；其中，月度发电计划的调度时间范围为整月，周发电计划的调度时间范围为7～10天；日发电计划的调度时间范围为1天中的多个时段；

步骤二、调度中心根据下个月电厂中各机组的检修管理信息和月度负荷预测信息，以及各机组下个月的计划电量，构造下个月的月度发电计划模型，并求解得到下个月的月度发电计划，向电网中的各电厂发布；

步骤三、调度中心首先根据当前月的月度发电计划，计算各机组下一个周的周发电优先级；然后根据当前月的月度发电计划提供的机组下一周的各日启停状态、机组下一个周的周发电优先级、下一个周的检修管理信息和周负荷预测信息，构造并求解t+1日至t+7～10日的下一个周的周发电计划模型，t为当前日；得到下一个周的周发电计划，向电厂发布；

步骤四、调度中心首先根据当前周的周发电计划，计算各机组下一日的日发电优先级；然后根据当前周的周发电计划提供的机组下一日各时段启停状态、机组下一日的日发电优先级、下一日的检修管理信息和日负荷预测信息，构造并求解t+1日发电计划模型，得到日发电计划下发电厂供t+1日执行；

步骤五、t+1日电厂按t+1日发电计划执行后，调度中心在t+2日统计各电厂的实发电量，在t+2日进行日-周反馈，在当前月的月末进行日-月反馈；

所述日-周反馈为：统计从月初到当前日为止的各机组超额发电量或缺额发电量，与当前月的月度发电计划已经确定的下一周机组各日发电量累加，重新统计机组的周负荷率或周利用小时数，得到机组下个周的周发电优先级，转到步骤三，用于构造并求解下一个周发电计划；所述日-月反馈为：汇总统计当前月各机组超额发电量或缺额发电量，与下一个月已签订的电量计划累加，作为机组下个月的应发电量计划，转到步骤二。

2.如权利要求1所述的，其特征在于，所述步骤二中的月度发电计划模型是根据多个调度目标及约束条件，构造多目标非线性混合整数优化模型，再利用理想点贴近度法把所述多个调度目标转化为单一目标，最后应用非线性混合整数规划求解单一目标优化模型；所述当前月的月度发电计划为确定当前月机组各日启停状态以及峰平谷时段发电量；

3.如权利要求1所述的，其特征在于，所述步骤三中的周发电计划模型是根据调度目标及约束条件，基于直流潮流构造单目标线性混合整数优化模型，再把该优化模型解耦为机组组合子模型和经济调度子模型，利用混合整数规划求解机组组合子模型，利用非线性规划求解经济调度子模型；该周发电计划包括确定各机组在下一个周各个时段的启停状态和出力，提供各时段电网开机容量和电网出力。

4.如权利要求1所述的，其特征在于，所述步骤四中的日发电计划模型采用购电成本最小化，输电线路安全裕度价值最大化两个调度目标，求和作为单一优化目标，采用电网有功、无功、电压变量基于交流潮流构造单目标非线性优化模型，然后利用交直流混合迭代算法求解得到；所述机组下一日的日发电优先级为机组日负荷率，即当前周的周发电计划确定的机组在下一日发电量与下一日机组最大可发电量的比值。

Images