CN110957717A - 一种多电源电力***多目标日前优化调度方法 - Google Patents

Abstract

本发明属于电力***自动化技术领域，尤其涉及一种多电源电力***多目标日前优化调度方法。本发明包括：（1）获取未来一天的***运行方式、负荷预测数据及可再生能源发电预测数据；（2）建立多电源电力***多目标日前优化调度模型；（3）采用粒子群优化算法对模型进行求解；（4）根据求解结果生成日前调度策略。本发明方法可以综合考虑各类型发电机组的运行特点，制定安全性达到要求、可再生能源充分利用、经济性上合理的日前优化调度方案，保证电力***的安全、经济运行，同时提高可再生能源消纳水平。

Description

一种多电源电力***多目标日前优化调度方法

技术领域

本发明属于电力***自动化技术领域，尤其涉及一种多电源电力***多目标日前优化调度方法。

背景技术

近年来，可再生能源发展迅猛，风力发电、光伏发电技术日渐成熟，装机容量不断提升。其中，风电是技术上最成熟、最具规模化和商业化开发价值的发电方式之一。但是由于可再生能源的一次能源具有不确定性，风电及光伏的输出功率会在较大范围内随机波动。新能源发电穿透率的不断提升将会给电力***的调峰、电网的稳定和经济运行带来新的挑战。在风能、光照及水资源丰富的地区，如果缺乏有效及合理的调度，就很可能会出现弃风、弃光、弃水的现象，造成资源浪费。随着我国电力行业的电源结构的不断调整和新能源的不断接入，包含水电、火电、风电、抽水蓄能的多电源的联合调度、优化运营已经成为电网发展的必然趋势。

由于各类型电源的出力特性、经济特性、时间特性相差巨大，因此有必要结合各类型电源的特点，进行多电源的联合优化调度，以确保电网的安全、经济运行。电力***的优化调度是对各发电机组有功出力进行合理、经济分配以实现电力***有功平衡、安全运行的过程，需要跨越不同的时间尺度，对出力分配进行多级协调、逐级细化。基于日前的负荷预测和可再生能源发电预测的结果，日前优化调度主要功能是制定未来24小时内的火电机组的机组组合、抽水蓄能电站的运行工况和各发电机组的出力分配、有效备用容量分配等等，通过各电源的协调优化调度应对电网有限的调峰能力与风电的随机波动性之间的矛盾，是多电源联合优化调度的基础。

目前，单一目标的优化调度模型已经难以满足电力***的安全经济运行，因此需要本领域技术人员不断的进行研究和开发。

发明内容

针对上述现有技术中存在的问题，本发明提出一种多电源电力***多目标日前优化调度方法，目的是为了提供一种可综合考虑来水、来风、负荷需求情况，以及各类型发电机组的运行特点，制定安全性达到要求、可再生能源充分利用、经济性上合理的日前优化调度方案，保证电力***的安全、经济运行，提高可再生能源消纳水平。

基于上述发明目的，本发明是通过以下技术方案来实现的：

一种多电源电力***多目标日前优化调度方法，包括：

步骤1：获取设定时间范围内的***运行方式、负荷预测数据及可再生能源发电预测数据；

步骤2：根据所述***运行方式、负荷预测数据及可再生能源发电预测数据建立多电源电力***多目标日前优化调度模型；

步骤3：采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解；

步骤4：根据求解结果生成日前调度策略。

进一步的，所述多电源电力***多目标日前优化调度模型包括目标函数和约束条件。

进一步的，目标函数的控制变量包括下述中的至少一种：

火电机组在各个时段的启停状态变量；出力计划及有效旋转备用容量；水电站在各个时段的水库水位状态变量；水电机组的在各个时段的出力计划及有效旋转备用容量；风电场在各个时段的出力计划；抽水蓄能电站在各个时段的运行工况状态变量、出力计划及有效旋转备用容量。

进一步的，目标函数为：

f＝min{f₁，f₂，f₃} (4)

式中：f₁表示经济性目标函数；f₂表示安全性目标函数；f₃表示可再生能源消纳目标函数.

进一步的，***运行的经济性目标函数包括常规火电机组的运行费用和启动成本

其中，T为调度总时长；N为火电机组个数；a_i、b_i、c_i为火电机组i的运行费用系数；e_i、f_i、τ_i为火电机组i的启动成本系数；P_i ^t为火电机组i在时段t的有功出力；Δt为每个时段的时长；

为火电机组i在时段t的开机状态，为1表示处于开机状态，为0表示处于停机状态；

为火电机组i在时段t是否发生开机操作，为1表示机组从停机操作至开机，为0表示机组并未发生开机操作；

为火电机组i在时段t的连续停机时长。

进一步的，将***运行的安全性目标函数定义为由***的有效备用容量确定的***不发生弃风、弃水、失负荷的置信水平，如下所示：

式中，

为***在时段t的总有效正旋转备用为

时***发生失负荷的概率，

为***在时段t的总有效负旋转备用为

时***发生弃风或弃水的概率。

进一步的，可再生能源消纳水平目标函数由调度时长内的弃风电量和弃水电量总和来表示，弃风、弃水越多，可再生能源的消纳能力就越弱；

其中，

为风电场w在时段t发生的弃风功率，N_W为风电场总数，

为水电站h在时段t发生的弃水功率，N_h为水电站总数，Δt为每个时段的时长。

进一步的，约束条件包括，发电机组自身的运行约束条件，***的运行约束条件、电力网络安全约束条件；发电机组运行约束包括火电机组运行约束、水电机组运行约束、风电机组运行约束、抽水蓄能电站运行约束；电力***层面运行约束包括功率平衡约束和备用容量约束；电网安全约束包括网络静态安全约束和N-1安全校核约束。

进一步的，求解方法如下：采用线性加权法将多目标优化模型转为单目标优化模型，包括：

minF＝min(w₁f₁+w₂f₂+w₃f₃) (5)

式中，w₁、w₂、w₃为加权系数；

采用粒子群优化算法对该优化模型进行求解，得到日前优化调度策略.

本发明还涉及一种多电源电力***多目标日前优化调度装置，包括：

获取模块，获取设定时间范围内的***运行方式、负荷预测数据及可再生能源发电预测数据；

建模模块，根据所述***运行方式、负荷预测数据及可再生能源发电预测数据建立多电源电力***多目标日前优化调度模型；

计算模块，采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解；

输出模块，根据求解结果生成日前调度策略。

本发明具有以下优点及有益效果：

本发明综合考虑***运行经济性、安全性及可再生能源消纳水平的多目标优化调度模型可以为含有多种电源的电力***优化运行提供指导。

本发明首先获取未来一天的***运行方式、负荷预测数据及可再生能源发电预测数据；随后建立多电源电力***多目标日前优化调度模型；进而采用粒子群优化算法对模型进行求解；最后根据结果生成日前调度策略。该方法可以综合考虑各类型发电机组的运行特点，制定安全性达到要求、可再生能源充分利用、经济性上合理的日前优化调度方案，保证电力***的安全、经济运行，同时提高可再生能源消纳水平。

附图说明

图1是本发明约束条件示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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其他实施例，都属于本发明保护的范围。

本发明是一种多电源电力***多目标日前优化调度方法，多电源电力***包含火电、水电、风电、光伏及储能电站等多种电源类型。以提升多电源电力***运行经济性、安全性和可再生能源消纳水平为目标，以发电机组自身的运行约束、***的运行约束、电力网络安全约束等为约束条件，建立多目标日前优化调度模型。采用粒子群优化算法对该模型进行求解即可得到日前优化调度策略。

如下所示：

(1)获取未来一天的***运行方式、负荷预测数据及可再生能源发电预测数据，该数据获取工作为下述多电源电力***多目标日前优化调度方法的准备工作；

(2)根据所述***运行方式、负荷预测数据及可再生能源发电预测数据，建立多电源电力***多目标日前优化调度模型，如下述多电源电力***多目标日前优化调度方法中的步骤1-3；

(3)采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解，如下述多电源电力***多目标日前优化调度方法的步骤4；

(4)根据求解结果生成日前调度策略，如下述多电源电力***多目标日前优化调度方法的步骤5。

本发明提出一种多电源电力***多目标日前优化调度方法，包括：

步骤1：优化调度模型，控制变量。

控制变量包括：火电机组在各个时段的启停状态变量、出力计划及有效旋转备用容量，水电站在各个时段的水库水位状态变量、水电机组的在各个时段的出力计划及有效旋转备用容量，风电场在各个时段的出力计划，抽水蓄能电站在各个时段的运行工况状态变量、出力计划及有效旋转备用容量。

步骤2：目标函数。

步骤2-1：***运行的经济性。

***运行的经济性主要包括常规火电机组的运行费用和启动成本，即：

其中，T为调度总时长；N为火电机组个数；a_i、b_i、c_i为火电机组i的运行费用系数；e_i、f_i、τ_i为火电机组i的启动成本系数；P_i ^t为火电机组i在时段t的有功出力；Δt为每个时段的时长；

为火电机组i在时段t的开机状态，为1表示处于开机状态，为0表示处于停机状态；

为火电机组i在时段t是否发生开机操作，为1表示机组从停机操作至开机，为0表示机组并未发生开机操作；

为火电机组i在时段t的连续停机时长。

步骤2-2：***运行的安全性。

将***运行的安全性指标定义为由***的有效备用容量确定的***不发生弃风、弃水、失负荷的置信水平，如下所示：

式中，

为***在时段t的总有效正旋转备用为

时***发生失负荷的概率，

为***在时段t的总有效负旋转备用为

时***发生弃风或弃水的概率。

步骤2-3：可再生能源消纳水平。

可再生能源消纳水平由调度时长内的弃风电量和弃水电量总和来表示，如式(3)所示。弃风、弃水越多，可再生能源的消纳能力就越弱。

其中，

为风电场w在时段t发生的弃风功率，N_W为风电场总数，

为水电站h在时段t发生的弃水功率，N_h为水电站总数，Δt为每个时段的时长。

目标函数综合为：

f＝min{f₁，f₂，f₃} (4)

式中：f₁表示经济性指标，如公式(1)；f₂表示安全性指标，如公式(2)；f₃表示可再生能源消纳指标，如公式(3)。

步骤3：约束条件。

多电源联合优化调度中，日前优化调度主要考虑发电机组自身的运行约束条件，***的运行约束条件、电力网络安全约束条件。完整约束如图1所示。具体来说，发电机组运行约束包括火电机组运行约束、水电机组运行约束、风电机组运行约束、抽水蓄能电站运行约束；电力***层面运行约束包括功率平衡约束和备用容量约束；电网安全约束包括网络静态安全约束和N-1安全校核约束。

步骤4：求解方法。

采用线性加权法将多目标优化模型转为单目标优化模型，即：

minF＝min(ω₁f₁+ω₂f₂+ω₃f₃) (5)

式中，w₁、w₂、w₃为加权系数。

进而采用粒子群优化算法对单目标优化模型进行求解，即可得到日期优化调度策略，其步骤为：

①初始化粒子的位置和速度；

②进行暂态时域仿真，根据公式(5)计算每个粒子的适应度；

③更新粒子个体最优；

④更新种群全局最优；

步骤5：将最优调度策略下发至各个火电机组、水电机组、风电场和抽水蓄能电站，完成调度策略实施。

本发明还涉及一种多电源电力***多目标日前优化调度装置，包括：

获取模块，获取设定时间范围内的***运行方式、负荷预测数据及可再生能源发电预测数据；

建模模块，根据所述***运行方式、负荷预测数据及可再生能源发电预测数据建立多电源电力***多目标日前优化调度模型；

计算模块，采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解；

输出模块，根据求解结果生成日前调度策略。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种多电源电力***多目标日前优化调度方法，其特征是：包括：

步骤1：获取设定时间范围内的***运行方式、负荷预测数据及可再生能源发电预测数据；

步骤2：根据所述***运行方式、负荷预测数据及可再生能源发电预测数据建立多电源电力***多目标日前优化调度模型；

步骤3：采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解；

步骤4：根据求解结果生成日前调度策略。

2.根据权利要求1所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述多电源电力***多目标日前优化调度模型包括目标函数和约束条件。

3.根据权利要求2所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述目标函数的控制变量包括下述中的至少一种：

火电机组在各个时段的启停状态变量；出力计划及有效旋转备用容量；水电站在各个时段的水库水位状态变量；水电机组的在各个时段的出力计划及有效旋转备用容量；风电场在各个时段的出力计划；抽水蓄能电站在各个时段的运行工况状态变量、出力计划及有效旋转备用容量。

4.根据权利要求2所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述目标函数为：

f＝min{f₁，f₂，f₃} (4)

式中：f₁表示经济性目标函数；f₂表示安全性目标函数；f₃表示可再生能源消纳目标函数。

5.根据权利要求4所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述经济性目标函数包括常规火电机组的运行费用和启动成本，通过下式表示：

其中，T为调度总时长；N为火电机组个数；a_i、b_i、c_i为火电机组i的运行费用系数；e_i、f_i、τ_i为火电机组i的启动成本系数；P_i ^t为火电机组i在时段t的有功出力；Δt为每个时段的时长；

为火电机组i在时段t的开机状态，为1表示处于开机状态，为0表示处于停机状态；

为火电机组i在时段t是否发生开机操作，为1表示机组从停机操作至开机，为0表示机组并未发生开机操作；

为火电机组i在时段t的连续停机时长。

6.根据权利要求4所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述安全性目标函数为由***的有效备用容量确定的***不发生弃风、弃水、失负荷的置信水平，如下所示：

式中，

为***在时段t的总有效正旋转备用为

时***发生失负荷的概率，

为***在时段t的总有效负旋转备用为

时***发生弃风或弃水的概率。

7.根据权利要求4所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述可再生能源消纳水平目标函数由调度时长内的弃风电量和弃水电量总和来表示，弃风、弃水越多，可再生能源的消纳能力就越弱；

其中，

为风电场w在时段t发生的弃风功率，N_W为风电场总数，

为水电站h在时段t发生的弃水功率，N_h为水电站总数，Δt为每个时段的时长。

8.根据权利要求2所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述约束条件包括，发电机组自身的运行约束条件，***的运行约束条件、电力网络安全约束条件；发电机组运行约束包括火电机组运行约束、水电机组运行约束、风电机组运行约束、抽水蓄能电站运行约束；电力***层面运行约束包括功率平衡约束和备用容量约束；电网安全约束包括网络静态安全约束和N-1安全校核约束。

9.根据权利要求1所述的一种多电源电力***多目标日前优化调度方法，其特征是：所述步骤3中，求解方法如下：

采用线性加权法将多目标优化模型转为单目标优化模型，包括：

minF＝min(w₁f₁+w₂f₂+w₃f₃) (5)

式中，w₁、w₂、w₃为加权系数；

采用粒子群优化算法对单目标优化模型进行求解，得到日前优化调度策略。

10.一种多电源电力***多目标日前优化调度装置，其特征是：包括：

获取模块，获取设定时间范围内的***运行方式、负荷预测数据及可再生能源发电预测数据；

建模模块，根据所述***运行方式、负荷预测数据及可再生能源发电预测数据建立多电源电力***多目标日前优化调度模型；

计算模块，采用粒子群优化算法对所述多电源电力***多目标日前优化调度模型进行求解；

输出模块，根据求解结果生成日前调度策略。

Images