CN108155677A - 一种机组群联合调度优化方法及装置 - Google Patents

一种机组群联合调度优化方法及装置 Download PDF

Info

Publication number
CN108155677A
CN108155677A CN201810011952.1A CN201810011952A CN108155677A CN 108155677 A CN108155677 A CN 108155677A CN 201810011952 A CN201810011952 A CN 201810011952A CN 108155677 A CN108155677 A CN 108155677A
Authority
CN
China
Prior art keywords
unit
output
role
power
scheduling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810011952.1A
Other languages
English (en)
Inventor
代仕勇
黄缙华
唐升卫
顾博川
刘菲
郑培文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201810011952.1A priority Critical patent/CN108155677A/zh
Publication of CN108155677A publication Critical patent/CN108155677A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种机组群联合调度优化方法及装置，在确定目标函数和约束的条件下，利用多目标自主学习群搜索算法，并通过帕累托支配计算得到各机组中在调度时段T内的出力，不需要进行先验加权系数和目标向量的确定，解决了现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。

Description

一种机组群联合调度优化方法及装置
技术领域
本发明涉及电力调度领域，尤其涉及一种考虑新能源的机组群联合调度优化方法及装置。
背景技术
随着各类新能源大规模接入，电力***发电调度运行愈趋复杂，这对现有节能调度***的调度模式和调度算法带来了挑战，需要在现有节能发电调度框架下建立相较于之前在适应性与复杂性上更优的机组群联合优化模型及高效的优化算法，来实现在各类复杂约束条件下的电网优化调度，考虑了新能源与传统电源之间的协调调度，在数学上表现为一个高维多目标多约束的复杂优化问题，需要采用相应的多目标优化算法进行求解。
现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。
发明内容
本发明提供了一种考虑新能源的机组群联合调度优化方法及装置，用于解决现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。
本发明提供的一种机组群联合调度优化方法，包括：
获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据所述煤耗系数、所述出力下限、所述出力和所述煤耗构建机组的总煤耗目标函数，所述总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi,t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi,min为第i台机组的出力下限，Ci(Pi,t)为第i台机组在第t调度时段的煤耗；
获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据所述电导、电压幅值和电压相角构建所述电力网络的第一总网损目标函数，所述第一总网损目标函数具体为：
其中，floss为总网损，gi,t为连接在节点i和节点j之间的传输线的电导，vi,t为第t调度时段节点i的电压幅值，θi,t为第t调度时段节点i的电压相角，NL为传输线的数量；
获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据所述发电出力和所述有功功率构建第二总网损目标函数，所述第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg,t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据所述排放量和所述排放系数构建总排放量目标函数，所述总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi,t)为第i台机组在第t调度时段的排放量,σi、χi和ξi分别为拟合出的第i机组的排放系数；
获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据所述上网电量和所述购电单价构建电网购电成本目标函数，所述电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi,t为第i台机组在第t调度时段的上网电量，Qi,t为与第i台机组在第t调度时段的上网电量对应的购电单价；
确定节点对应的功率平衡约束公式；
所述功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线l上的第i节点到第r节点的有功功率；
获取到各机组的出力上限，并根据所述出力上限和所述出力下限确定各机组对应的功率输出约束公式；
所述功率输出约束公式具体为：
Pi,min≤Pi,t≤Pi,max i＝1,2,…,N；t＝1,2,…,T；
获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据所述时间间隔增加出力上限和所述时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
所述机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
获取各传输线的传输容量限值，并根据所述传输容量限值确定线路传输容量约束公式；
所述线路传输容量约束公式具体为：
其中，为第l线路的传输容量限值；
确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻，通过GSO算法对各所述跟随者角色进行搜寻，通过GSO算法对各所述游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中所述领头者角色、所述跟随者角色、所述游荡者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值；
对所述上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
确定所述帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定所述领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
优选地，在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻具体包括：
所述领头者基于GSO算法在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过第一预设公式组对各所述领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值，所述第一预设公式组具体为：
式中，Pi,t(s)为所述出力的向前搜寻值，Pi,t(l)为所述出力的向左搜寻值Pi,t(r)为所述出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数,lmax为最大步长数，r2为在(0,1)间均匀分布的随机序列,为搜索角度，为搜索方向。
本发明提供的一种机组群联合调度优化装置，包括：
第一获取模块，用于获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗；
第一构建模块，用于根据所述煤耗系数、所述出力下限、所述出力和所述煤耗构建机组的总煤耗目标函数，所述总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi,t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi,min为第i台机组的出力下限，Ci(Pi,t)为第i台机组在第t调度时段的煤耗；
第二获取模块，用于获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角；
第二构建模块，用于根据所述电导、电压幅值和电压相角构建所述电力网络的第一总网损目标函数，所述第一总网损目标函数具体为：
其中，floss为总网损，gi,t为连接在节点i和节点j之间的传输线的电导，vi,t为第t调度时段节点i的电压幅值，θi,t为第t调度时段节点i的电压相角，NL为传输线的数量；
第三获取模块，用于获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率；
第三构建模块，用于根据所述发电出力和所述有功功率构建第二总网损目标函数，所述第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg,t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
第四获取模块，用于获取到各机组在各调度时间段内的排放量和各机组的排放系数；
第四构建模块，用于根据所述排放量和所述排放系数构建总排放量目标函数，所述总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi,t)为第i台机组在第t调度时段的排放量,σi、χi和ξi分别为拟合出的第i机组的排放系数；
第五获取模块，用于获取到各机组在各调度时间段内的上网电量和对应的购电单价；
第五构建模块，用于根据所述上网电量和所述购电单价构建电网购电成本目标函数，所述电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi,t为第i台机组在第t调度时段的上网电量，Qi,t为与第i台机组在第t调度时段的上网电量对应的购电单价；
第一确定模块，用于确定节点对应的功率平衡约束公式；
所述功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线l上的第i节点到第r节点的有功功率；
第六获取模块，用于获取到各机组的出力上限；
第二确定模块，用于根据所述出力上限和所述出力下限确定各机组对应的功率输出约束公式；
所述功率输出约束公式具体为：
Pi,min≤Pi,t≤Pi,max i＝1,2,…,N；t＝1,2,…,T；
第七获取模块，用于获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限；
第三确定模块，用于根据所述时间间隔增加出力上限和所述时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
所述机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
第八获取模块，用于获取各传输线的传输容量限值；
第四确定模块，用于根据所述传输容量限值确定线路传输容量约束公式；
所述线路传输容量约束公式具体为：
其中，为第l线路的传输容量限值；
第五确定模块，用于确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
第一搜寻模块，用于在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻；
第二搜寻模块，用于通过GSO算法对各所述跟随者角色进行搜寻；
第三搜寻模块，用于通过GSO算法对各所述游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻；
第一计算模块，用于计算搜寻过程中所述领头者角色、所述跟随者角色、所述游荡者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值；
第二计算模块，用于对所述上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
第六确定模块，用于确定所述帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定所述领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
优选地所述第一搜寻模块，具体用于：
所述领头者基于GSO算法在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过第一预设公式组对各所述领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值，所述第一预设公式组具体为：
式中，Pi,t(s)为所述出力的向前搜寻值，Pi,t(l)为所述出力的向左搜寻值Pi,t(r)为所述出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数,lmax为最大步长数，r2为在(0,1)间均匀分布的随机序列,为搜索角度，为搜索方向。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供的一种机组群联合调度优化方法，包括：获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据所述煤耗系数、所述出力下限、所述出力和所述煤耗构建机组的总煤耗目标函数；获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据所述电导、电压幅值和电压相角构建所述电力网络的第一总网损目标函数；获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据所述发电出力和所述有功功率构建第二总网损目标函数；获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据所述排放量和所述排放系数构建总排放量目标函数；获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据所述上网电量和所述购电单价构建电网购电成本目标函数；确定节点对应的功率平衡约束公式；获取到各机组的出力上限，并根据所述出力上限和所述出力下限确定各机组对应的功率输出约束公式；获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据所述时间间隔增加出力上限和所述时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻，通过GSO算法对各所述跟随者角色进行搜寻，通过GSO算法对各所述游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中所述领头者角色、所述跟随者角色、所述游荡者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值；对所述上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；确定所述帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定所述领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
本发明中，在确定目标函数和约束的条件下，利用多目标自主学习群搜索算法，并通过帕累托支配计算得到各机组中在第t调度时段的出力，不需要进行先验加权系数和目标向量的确定，解决了现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明提供的一种机组群联合调度优化方法的一个实施例的流程示意图；
图2为本发明提供的一种机组群联合调度优化方法的另一个实施例的流程示意图；
图3为本发明提供的一种机组群联合调度优化装置的一个实施例的结构示意图。
具体实施方式
本发明实施例提供了一种机组群联合调度优化方法及装置，解决了现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供了一种机组群联合调度优化方法的一个实施例，包括：
101：获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据煤耗系数、出力下限、出力和煤耗构建机组的总煤耗目标函数，总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi,t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi,min为第i台机组的出力下限，Ci(Pi,t)为第i台机组在第t调度时段的煤耗；
需要说明的是，当不考虑汽轮机进汽阀突然开启时会发生的拔丝现象时，煤耗函数可以简化为光滑的二次函数，如下所示：
102：获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据电导、电压幅值和电压相角构建电力网络的第一总网损目标函数，第一总网损目标函数具体为：
其中，floss为总网损，gi,t为连接在节点i和节点j之间的传输线的电导，vi,t为第t调度时段节点i的电压幅值，θi,t为第t调度时段节点i的电压相角，NL为传输线的数量；
103：获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据发电出力和有功功率构建第二总网损目标函数，第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg,t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
104：获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据排放量和排放系数构建总排放量目标函数，总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi,t)为第i台机组在第t调度时段的排放量,σi、χi和ξi分别为拟合出的第i机组的排放系数；
105：获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据上网电量和购电单价构建电网购电成本目标函数，电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi,t为第i台机组在第t调度时段的上网电量，Qi,t为与第i台机组在第t调度时段的上网电量对应的购电单价；
106：确定节点对应的功率平衡约束公式；
功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线l上的第i节点到第r节点的有功功率；
107：获取到各机组的出力上限，并根据出力上限和出力下限确定各机组对应的功率输出约束公式；
功率输出约束公式具体为：
Pi,min≤Pi,t≤Pi,max i＝1,2,…,N；t＝1,2,…,T；
108：获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据时间间隔增加出力上限和时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
109：获取各传输线的传输容量限值，并根据传输容量限值确定线路传输容量约束公式；
线路传输容量约束公式具体为：
其中，为第l线路的传输容量限值；
110：确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
在多目标自主学习群搜索算法(Multi-objective Group Search Optimizerwith Adaptive Covariance and Lévy flights,MGSO-ACL)中，领头者角色的数目选择可以等于目标的个数,各领头者，某一领头者的搜索策略为GSO，它使用一种基于动物觅食的扫描机制来随机探寻三个点，即前看、左看和右看；
111：在满足功率平衡约束公式、功率输出约束公式、机组爬坡约束公式和线路传输容量约束公式的条件下通过GSO算法对各领头者角色进行搜寻，通过GSO算法对各跟随者角色进行搜寻，通过GSO算法对各游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中领头者角色、跟随者角色、游荡者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值；
可选地，在领头者角色的搜寻过程中，若找到更优的位置则领头者转移到该位置上，否则保持原位置不变；
可选地，在跟随者角色的搜寻过程中，跟随者执行以下三个步骤：1)跟随者基于它们的适宜度将种群划分为精英群体和劣势群体，而后通过指数权重将精英种群成员获得信息转化为均值向量m；2)协方差矩阵C通过均值向量来更新，它的作用是获得一个决定进化路径和步长的预测器；3)根据预测的进化路径和步长更新跟随者得到子代个体。
第k代个体的子代由(1)式产生：
式中表示一个均值为0且具有单位协方差矩阵的多变量正态分布，σ＞0为步长，λ为跟随者数目，上标g(g＝0,1,2,…)表示进化代数。
通过在中选出μ个成功的个体，并将它们进行加权平均得到搜索分布均值向量m(g+1)：
其中，p表示种群数目，μ表示从精英群体中选出个体的数目。应用下式得到复合权重：
其中，ω'i＝ln(p/2+0.5)-lni,(i＝1,…,μ)。为中第i个最好的个体。
使用均值向量m(g+1)来更新协方差矩阵C(g)：
(4)式中，
其中为进化路径，且有
cc，c1和cμ的值如下所示：
其中αμ＝2；
步长σ的更新方程给出如式(5)和式(6)：
其中为共轭进化路径，且有
可选地，在游荡者角色的搜寻过程中，引入Lévy飞行的搜索方式，第i个游荡者的步长由(7)式随机决定：
式中u＝φrandn(n)，v＝randn(n)，β＝1.50，n为变量的数目。函数randn(n)产生一个在[1,n]之间均匀分布的随机整数，φ由(8)式计算得到：
其中的Γ是指伽马函数(gamma function)。
因此，游荡者依照(9)式的方向移动到新的位置：
可选地，领头者、跟随者和游荡者三者之间的角色可以相互转换，领头者的领袖气质使其不断发现更为丰富的领地，跟随者总是跟随领头者进行局部搜索，开发这一丰富领地；而游荡者的随机搜索不断开发“新大陆”，保证了群体搜索算法的全局收敛性；
112：对上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
113：确定帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
需要说明的是，帕累托解集(最优集)可以表示为[X1、X2、…XM]，M为解集个数，其中Xi＝[P1(t)、P2(t)…PN(t)]，N为待分配功率的火电机组数量，P1(t)为第一台发电机的优化出力曲线，根据帕累托最优解的定义，不存在其他解，在改善某些标准的同时，而不引起其他标准的降低，这一概念往往不会得到单一解，而是形成一个帕累托最优解集，如有的解线损最少，有的解煤耗最少等等，最终仍然需要调度员干预，从解集中选择合适的解来执行，或者运行其他的决策程序进行自动选择。
本发明实施例提供的一种机组群联合调度优化方法，包括：获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据煤耗系数、出力下限、出力和煤耗构建机组的总煤耗目标函数；获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据电导、电压幅值和电压相角构建电力网络的第一总网损目标函数；获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据发电出力和有功功率构建第二总网损目标函数；获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据排放量和排放系数构建总排放量目标函数；获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据上网电量和购电单价构建电网购电成本目标函数；确定节点对应的功率平衡约束公式；获取到各机组的出力上限，并根据出力上限和出力下限确定各机组对应的功率输出约束公式；获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据时间间隔增加出力上限和时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；在满足功率平衡约束公式、功率输出约束公式、机组爬坡约束公式和线路传输容量约束公式的条件下通过GSO算法对各领头者角色进行搜寻，通过GSO算法对各跟随者角色进行搜寻，通过GSO算法对各游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中领头者角色、跟随者角色、游荡者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值；对上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；确定帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
本发明实施例中，在确定目标函数和约束的条件下，利用多目标自主学习群搜索算法，并通过帕累托支配计算得到各机组中在第t调度时段的出力，不需要进行先验加权系数和目标向量的确定，解决了现有技术中，考虑了新能源与传统电源之间的协调调度的多目标优化算法对应的求解方法主要有加权法、极大极小方法和目标向量法，这些方法存在着如果缺乏对优化问题的先验知识时，确定加权系数和目标向量就非常困难,而且不适合解决非凸多目标优化问题的技术问题。
以上是对一种机组群联合调度优化方法的一个实施例进行的描述，下面将对机组群联合调度优化方法的另一个实施例进行详细的描述。
参照图2，本发明提供的一种机组群联合调度优化方法的另一个实施例，包括：
201：获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据煤耗系数、出力下限、出力和煤耗构建机组的总煤耗目标函数，总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi,t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi,min为第i台机组的出力下限，Ci(Pi,t)为第i台机组在第t调度时段的煤耗；
202：获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据电导、电压幅值和电压相角构建电力网络的第一总网损目标函数，第一总网损目标函数具体为：
其中，floss为总网损，gi,t为连接在节点i和节点j之间的传输线的电导，vi,t为第t调度时段节点i的电压幅值，θi,t为第t调度时段节点i的电压相角，NL为传输线的数量；
203：获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据发电出力和有功功率构建第二总网损目标函数，第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg,t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
204：获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据排放量和排放系数构建总排放量目标函数，总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi,t)为第i台机组在第t调度时段的排放量,σi、χi和ξi分别为拟合出的第i机组的排放系数；
205：获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据上网电量和购电单价构建电网购电成本目标函数，电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi,t为第i台机组在第t调度时段的上网电量，Qi,t为与第i台机组在第t调度时段的上网电量对应的购电单价；
206：确定节点对应的功率平衡约束公式；
功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线l上的第i节点到第r节点的有功功率；
207：获取到各机组的出力上限，并根据出力上限和出力下限确定各机组对应的功率输出约束公式；
功率输出约束公式具体为：
Pi,min≤Pi,t≤Pi,max i＝1,2,…,N；t＝1,2,…,T；
208：获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据时间间隔增加出力上限和时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
209：获取各传输线的传输容量限值，并根据传输容量限值确定线路传输容量约束公式；
线路传输容量约束公式具体为：
其中，为第l线路的传输容量限值；
210：确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
211：领头者基于GSO算法在满足功率平衡约束公式、功率输出约束公式、机组爬坡约束公式和线路传输容量约束公式的条件下通过第一预设公式组对各领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值，第一预设公式组具体为：
式中，Pi,t(s)为出力的向前搜寻值，Pi,t(l)为出力的向左搜寻值Pi,t(r)为出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数,lmax为最大步长数，r2为在(0,1)间均匀分布的随机序列,为搜索角度，为搜索方向。
212：通过GSO算法对各跟随者角色进行搜寻，通过GSO算法对各游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中领头者角色、跟随者角色、游荡者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值；
213：对上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
214：确定帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
以上是对一种机组群联合调度优化方法的另一个实施例进行的描述，下面将对一种机组群联合调度优化装置的一个实施例进行描述。
参照图3，本发明提供的一种机组群联合调度优化装置的一个实施例，包括：
第一获取模块301，用于获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗；
第一构建模块302，用于根据煤耗系数、出力下限、出力和煤耗构建机组的总煤耗目标函数，总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi,t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi,min为第i台机组的出力下限，Ci(Pi,t)为第i台机组在第t调度时段的煤耗；
第二获取模块303，用于获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角；
第二构建模块304，用于根据电导、电压幅值和电压相角构建电力网络的第一总网损目标函数，第一总网损目标函数具体为：
其中，floss为总网损，gi,t为连接在节点i和节点j之间的传输线的电导，vi,t为第t调度时段节点i的电压幅值，θi,t为第t调度时段节点i的电压相角，NL为传输线的数量；
第三获取模块305，用于获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率；
第三构建模块306，用于根据发电出力和有功功率构建第二总网损目标函数，第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg,t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
第四获取模块307，用于获取到各机组在各调度时间段内的排放量和各机组的排放系数；
第四构建模块308，用于根据排放量和排放系数构建总排放量目标函数，总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi,t)为第i台机组在第t调度时段的排放量,σi、χi和ξi分别为拟合出的第i机组的排放系数；
第五获取模块309，用于获取到各机组在各调度时间段内的上网电量和对应的购电单价；
第五构建模块310，用于根据上网电量和购电单价构建电网购电成本目标函数，电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi,t为第i台机组在第t调度时段的上网电量，Qi,t为与第i台机组在第t调度时段的上网电量对应的购电单价；
第一确定模块311，用于确定节点对应的功率平衡约束公式；
功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线l上的第i节点到第r节点的有功功率；
第六获取模块312，用于获取到各机组的出力上限；
第二确定模块313，用于根据出力上限和出力下限确定各机组对应的功率输出约束公式；
功率输出约束公式具体为：
Pi,min≤Pi,t≤Pi,max i＝1,2,…,N；t＝1,2,…,T；
第七获取模块314，用于获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限；
第三确定模块315，用于根据时间间隔增加出力上限和时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
第八获取模块316，用于获取各传输线的传输容量限值；
第四确定模块317，用于根据传输容量限值确定线路传输容量约束公式；
线路传输容量约束公式具体为：
其中，为第l线路的传输容量限值；
第五确定模块318，用于确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
第一搜寻模块319，用于第一搜寻模块，具体用于：
领头者基于GSO算法在满足功率平衡约束公式、功率输出约束公式、机组爬坡约束公式和线路传输容量约束公式的条件下通过第一预设公式组对各领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值，第一预设公式组具体为：
式中，Pi,t(s)为出力的向前搜寻值，Pi,t(l)为出力的向左搜寻值Pi,t(r)为出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数,lmax为最大步长数，r2为在(0,1)间均匀分布的随机序列,为搜索角度，为搜索方向。
第二搜寻模块320，用于通过GSO算法对各跟随者角色进行搜寻；
第三搜寻模块321，用于通过GSO算法对各游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻；
第一计算模块322，用于计算搜寻过程中领头者角色、跟随者角色、游荡者角色对应的上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值；
第二计算模块323，用于对上升总煤耗目标函数值、第一总网损目标函数值、第二总网损目标函数值和电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
第六确定模块324，用于确定帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
本实施例中的具体实施方式已在上述实施例中说明，这里不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，***和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的模块和方法，可以通过其它的方式实现。例如，以上所描述的模块实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种机组群联合调度优化方法，其特点在于，包括：
获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗，并根据所述煤耗系数、所述出力下限、所述出力和所述煤耗构建机组的总煤耗目标函数，所述总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi，t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi，min为第i台机组的出力下限，Ci(Pi，t)为第i台机组在第t调度时段的煤耗；
获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角，并根据所述电导、电压幅值和电压相角构建所述电力网络的第一总网损目标函数，所述第一总网损目标函数具体为：
其中，floss为总网损，gi，t为连接在节点i和节点j之间的传输线的电导，vi，t为第t调度时段节点i的电压幅值，θi，t为第t调度时段节点i的电压相角，NL为传输线的数量；
获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率，并根据所述发电出力和所述有功功率构建第二总网损目标函数，所述第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg，t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
获取到各机组在各调度时间段内的排放量和各机组的排放系数，并根据所述排放量和所述排放系数构建总排放量目标函数，所述总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi，t)为第i台机组在第t调度时段的排放量，σi、χi和ξi分别为拟合出的第i机组的排放系数；
获取到各机组在各调度时间段内的上网电量和对应的购电单价，并根据所述上网电量和所述购电单价构建电网购电成本目标函数，所述电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi，t为第i台机组在第t调度时段的上网电量，Qi，t为与第i台机组在第t调度时段的上网电量对应的购电单价；
确定节点对应的功率平衡约束公式；
所述功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线1上的第i节点到第r节点的有功功率；
获取到各机组的出力上限，并根据所述出力上限和所述出力下限确定各机组对应的功率输出约束公式；
所述功率输出约束公式具体为：
Pi，min≤Pi，t≤Pi，max i＝1，2，…，N；t＝1，2，…，T；
获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限，并根据所述时间间隔增加出力上限和所述时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
所述机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
获取各传输线的传输容量限值，并根据所述传输容量限值确定线路传输容量约束公式；
所述线路传输容量约束公式具体为：
其中，为第1线路的传输容量限值；
确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻，通过GSO算法对各所述跟随者角色进行搜寻，通过GSO算法对各所述游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻，并计算搜寻过程中所述领头者角色、所述跟随者角色、所述游荡者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值；
对所述上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
确定所述帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定所述领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
2.根据权利要求1所述的机组群联合调度优化方法，其特征在于，在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻具体包括：
所述领头者基于GSO算法在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过第一预设公式组对各所述领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值，所述第一预设公式组具体为：
式中，Pi，t(s)为所述出力的向前搜寻值，Pi，t(l)为所述出力的向左搜寻值Pi，t(r)为所述出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数，lmax为最大步长数，r2为在(0，1)间均匀分布的随机序列，为搜索角度，为搜索方向。
3.一种机组群联合调度优化装置，其特点在于，包括：
第一获取模块，用于获取到各机组的煤耗系数和出力下限，以及各机组在各调度时间段内的出力和煤耗；
第一构建模块，用于根据所述煤耗系数、所述出力下限、所述出力和所述煤耗构建机组的总煤耗目标函数，所述总煤耗目标函数具体为：
其中，fcost为机组的总煤耗，Pi，t为第i台机组在第t调度时段的出力，ai、bi、ci、ei和fi分别为拟合出的第i台机组对应的煤耗系数，T为调度时段的数量，N为发电机组数量，Pi，min为第i台机组的出力下限，Ci(Pi，t)为第i台机组在第t调度时段的煤耗；
第二获取模块，用于获取到电力网络中各传输线的电导，获取到***中各节点在各调度时间段内的电压幅值和电压相角；
第二构建模块，用于根据所述电导、电压幅值和电压相角构建所述电力网络的第一总网损目标函数，所述第一总网损目标函数具体为：
其中，floss为总网损，gi，t为连接在节点i和节点j之间的传输线的电导，vi，t为第t调度时段节点i的电压幅值，θi，t为第t调度时段节点i的电压相角，NL为传输线的数量；
第三获取模块，用于获取到电力网络中各机组在各调度时间段内的发电出力，获取到电力网络中各负荷在各调度时间段内的有功功率；
第三构建模块，用于根据所述发电出力和所述有功功率构建第二总网损目标函数，所述第二总网损目标函数具体为：
其中，βi和Ωi分别为连接到第i节点的机组和负荷的集合，Pg，t为连接到第i节点的机组在第t调度时段的出力；为连接到第i节点的负荷在第t调度时段的有功功率；NB为节点的数量；
第四获取模块，用于获取到各机组在各调度时间段内的排放量和各机组的排放系数；
第四构建模块，用于根据所述排放量和所述排放系数构建总排放量目标函数，所述总排放量目标函数具体为：
其中，femi为机组的总排放量，Ei(Pi，t)为第i台机组在第t调度时段的排放量，σi、χi和ξi分别为拟合出的第i机组的排放系数；
第五获取模块，用于获取到各机组在各调度时间段内的上网电量和对应的购电单价；
第五构建模块，用于根据所述上网电量和所述购电单价构建电网购电成本目标函数，所述电网购电成本目标函数具体为：
其中，fbuy为电网购电成本，λi，t为第i台机组在第t调度时段的上网电量，Qi，t为与第i台机组在第t调度时段的上网电量对应的购电单价；
第一确定模块，用于确定节点对应的功率平衡约束公式；
所述功率平衡约束公式具体为：
其中为连接到第i节点的节点集合，为在第t调度时段从输电线1上的第i节点到第r节点的有功功率；
第六获取模块，用于获取到各机组的出力上限；
第二确定模块，用于根据所述出力上限和所述出力下限确定各机组对应的功率输出约束公式；
所述功率输出约束公式具体为：
Pi，min≤Pi，t≤Pi，max i＝1，2，…，N；t＝1，2，…，T；
第七获取模块，用于获取到各机组的时间间隔增加出力上限和时间间隔减少出力上限；
第三确定模块，用于根据所述时间间隔增加出力上限和所述时间间隔减少出力上限确定各机组对应的机组爬坡约束公式；
所述机组爬坡约束公式具体为：
其中，URi为第i节点的时间间隔增加出力上限，DRi为第i节点的时间间隔减少出力上限；
第八获取模块，用于获取各传输线的传输容量限值；
第四确定模块，用于根据所述传输容量限值确定线路传输容量约束公式；
所述线路传输容量约束公式具体为：
其中，为第1线路的传输容量限值；
第五确定模块，用于确定各机组中第一预设个数的机组中在调度时段T内的出力为领头者角色，确定各机组中第二预设个数的机组中在调度时段T内的出力为跟随者角色，确定各机组中第三预设个数的机组中在调度时段T内的出力为游荡者角色；
第一搜寻模块，用于在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过GSO算法对各所述领头者角色进行搜寻；
第二搜寻模块，用于通过GSO算法对各所述跟随者角色进行搜寻；
第三搜寻模块，用于通过GSO算法对各所述游荡者角色进行基于Lévy飞行的搜寻策略进行搜寻；
第一计算模块，用于计算搜寻过程中所述领头者角色、所述跟随者角色、所述游荡者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值；
第二计算模块，用于对所述上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值进行帕累托支配计算，得到帕累托解集；
第六确定模块，用于确定所述帕累托解集对应的领头者角色、跟随者角色和游荡者角色，并确定所述领头者角色、跟随者角色和游荡者角色对应的各机组中在调度时段T内的出力。
4.根据权利要求3所述的机组群联合调度优化装置，其特征在于，所述第一搜寻模块，具体用于：
所述领头者基于GSO算法在满足所述功率平衡约束公式、所述功率输出约束公式、所述机组爬坡约束公式和所述线路传输容量约束公式的条件下通过第一预设公式组对各所述领头者角色进行前看、左看和右看三个方向的搜寻，并计算搜寻过程中领头者角色对应的上升总煤耗目标函数值、所述第一总网损目标函数值、所述第二总网损目标函数值和所述电网购电成本目标函数值，所述第一预设公式组具体为：
式中，Pi，t(s)为所述出力的向前搜寻值，Pi，t(l)为所述出力的向左搜寻值Pi，t(r)为所述出力的向右搜寻值，r1为一个均值为0且标准差为1的正态分布随机数，lmax为最大步长数，r2为在(0，1)间均匀分布的随机序列，为搜索角度，为搜索方向。
CN201810011952.1A 2018-01-05 2018-01-05 一种机组群联合调度优化方法及装置 Pending CN108155677A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810011952.1A CN108155677A (zh) 2018-01-05 2018-01-05 一种机组群联合调度优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810011952.1A CN108155677A (zh) 2018-01-05 2018-01-05 一种机组群联合调度优化方法及装置

Publications (1)

Publication Number Publication Date
CN108155677A true CN108155677A (zh) 2018-06-12

Family

ID=62461001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810011952.1A Pending CN108155677A (zh) 2018-01-05 2018-01-05 一种机组群联合调度优化方法及装置

Country Status (1)

Country Link
CN (1) CN108155677A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299862A (zh) * 2018-09-04 2019-02-01 云南电网有限责任公司 一种风电最大消纳能力的凸松弛评估方法
CN112529980A (zh) * 2020-12-14 2021-03-19 重庆师范大学 一种基于极大极小化的多目标有限角ct图像重建方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106410856A (zh) * 2016-11-30 2017-02-15 国网山东省电力公司电力科学研究院 一种含分布式电源的配电网多目标优化调度方法
CN107370191A (zh) * 2017-07-25 2017-11-21 中国水利水电科学研究院 一种基于改进蚁群算法的火电机组发电计划制作方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106410856A (zh) * 2016-11-30 2017-02-15 国网山东省电力公司电力科学研究院 一种含分布式电源的配电网多目标优化调度方法
CN107370191A (zh) * 2017-07-25 2017-11-21 中国水利水电科学研究院 一种基于改进蚁群算法的火电机组发电计划制作方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李远征: ""电力***优化调度及其决策方法的研究"", 《中国博士学位论文全文数据库（工程科技II辑），2016年第01期》 *
黄缙华 等: ""考虑网络损耗的节能发电调度模型及其混合整数二次规划算法"", 《广东电力》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299862A (zh) * 2018-09-04 2019-02-01 云南电网有限责任公司 一种风电最大消纳能力的凸松弛评估方法
CN112529980A (zh) * 2020-12-14 2021-03-19 重庆师范大学 一种基于极大极小化的多目标有限角ct图像重建方法
CN112529980B (zh) * 2020-12-14 2022-11-08 重庆师范大学 一种基于极大极小化的多目标有限角ct图像重建方法

Similar Documents

Publication Publication Date Title
Niknam et al. Reserve constrained dynamic environmental/economic dispatch: A new multiobjective self-adaptive learning bat algorithm
CN107769237B (zh) 基于电动汽车接入的多能源***协同调度方法及装置
CN108565900A (zh) 一种基于博弈论的分布式能源优化运行方法
CN107545325A (zh) 一种基于博弈论的多微网互联运行优化方法
CN112952908B (zh) 一种多合作微电网主体分布式协调交易方法
CN104361403A (zh) 一种分布式电源与微电网的优化分组配置方法
CN106329568B (zh) 户商型光伏发电经济调度控制***
CN112990596B (zh) 一种主动配电网和虚拟电厂协同运行的分布式优化方法
CN109167347A (zh) 基于云自适应粒子群多目标电动汽车充放电优化调度方法
CN112202206A (zh) 一种基于势博弈的多能源微网分布式调度方法
CN108155649A (zh) 一种考虑dg不确定性的配电网网架模糊规划方法
CN108155677A (zh) 一种机组群联合调度优化方法及装置
CN109378863A (zh) 权重与约束关联调整的电网实时发电控制优化决策方法
CN109242217A (zh) 一种电-气能源多目标分布式交易协同优化方法和装置
CN108898305A (zh) 主动配电网规划方法及其***
CN105956693A (zh) 一种基于分布式梯度算法的虚拟电厂经济调度方法
CN110048461B (zh) 一种多虚拟电厂分散自律优化方法
CN108376994A (zh) 基于三端口电力电子变压器并网的交直流混合微网运行优化方法
CN110120892A (zh) 基于改进的萤火虫算法的sdn多控制器部署方法及***
CN109670981A (zh) 基于利益均衡及规划运行交替优化的主动配电网规划方法
CN111047071B (zh) 基于深度迁移学习和Stackelberg博弈的电力***实时供需互动方法
CN107910881A (zh) 一种基于电网负载应急管理的admm控制方法
CN111654025A (zh) 考虑配网间互联的输配一体化协调调度方法
Lenin et al. Reduction of real power loss by using Fusion of Flower Pollination Algorithm with Particle Swarm Optimization
CN110535123A (zh) 一种快速的解析式分布式多目标多微网经济调度优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180612

RJ01 Rejection of invention patent application after publication