CN114884134A - 基于区间优化的火电机组灵活性调节调度方法 - Google Patents

Abstract

本发明公开了属于电力***优化技术领域的基于区间优化的火电机组灵活性调节调度方法。步骤1：建立火电机组灵活性调节确定性模型；步骤2：建立火电机组灵活性调节区间优化模型；步骤3：利用GSOMP算法对步骤2建立的火电机组灵活性调节区间优化模型进行求解；使用GSOMP算法来协同优化目标区间的均值和偏差值，生成具有不同年综合费用区间特性的候选方案；步骤4：使用多属性决策方法对步骤3候选方案中的年综合费用区间进行评估，依据各区间特征量的综合表现选择一组最优的方案。本发明能够更好地适应高风电接入比例下的潮流不确定性，有效缓解了潮流阻塞现象，并减少了各不确定场景下的弃风量。

Description

基于区间优化的火电机组灵活性调节调度方法

技术领域

本发明涉及电力***优化技术领域，尤其涉及基于区间优化的火电机组灵活性调节调度方法。

背景技术

在经济快速发展的推动下，出于对环境保护与持久发展的考虑，可再生能源的比例不断提高，其利用与开发已成为世界重要课题，使得用户用能更加经济化、低碳化。可再生能源大规模接入电网，对电网调峰能力提出了更高的要求，以中国现有的电源结构，无论装机容量还是发电量都是以火电为主，当前电网实现可再生能源消纳的主要方式也是火电机组调节。火电机组具备更灵活更良好的调峰调频能力，并且具有多年的燃煤机组调峰运行经验。

为破解可再生能源消纳困境，提升电力***灵活性，助力实现碳中和目标，我国积极进行火电机组灵活性调节优化调度方法的探索。电力***灵活性不只包含对灵活性的定义与分析，还包含电力***灵活性相关评价指标，灵活性相关产品等多方面内容，现有相关研究主要以大规模可再生间歇性电源并网为背景，从概念、评价体系等方面对如何更好维持电力***有功平衡进行探讨，而灵活性调节优化调度是否经济合理，不同的方法之间综合效益有何差别，还需要深入研究与探讨。研究火电机组灵活性调节优化调度技术经济评价体系，构建火电机组灵活性调节综合评价模型，将有助于我国合理调整电源结构布局，提升可再生能源消纳与储存能力，推动可再生能源的高效利用。电力***灵活性研究不仅具有学术价值，更对我国可再生能源并网接入以及市场消纳有重要意义，构建科学合理的电力***灵活性评价体系，能够更好助力我国能源的转型。

在火电机组参与深度调峰时，需要提前进行机组灵活性调节优化以降低机组的最低出力极限。以往研究只考虑了适用于大规模风电接入场景下的火电机组灵活调节优化模型，火电机组在实施不同灵活性调节方案下的***经济性，只是分析了影响火电机组调峰能力的主要因素和火电机组在不同调峰深度下对***产生的影响。由于机组会不断进行大范围调减出力和频繁启停，使得运行成本增加，使用寿命减少，仅仅依靠***现有的调峰能力，难以解决当前调峰面临的问题。因此有必要深入挖掘网络拓扑结构对灵活性调节优化调度所造成的影响，也要结合方案在多个场景下的适应性，辅助火电机组调峰，从而减少弃风、弃光量。

针对火电机组在深度调峰阶段发电成本大幅上升引起单位发电成本大幅波动的问题，需要以全场景优化方法实现多个场景的运行费用优化，并给出综合经济性更优的方案。在潮流适应性方面，考虑到需要灵活性改造的电网中通常含有高渗透率的风电，需采用全场景优化方法来处理高渗透率风电下的潮流不确定性，从而提供潮流适应性更优的方案。

发明内容

本发明的目的是提出基于区间优化的火电机组灵活性调节调度方法，其特征在于，该方法包括以下步骤：

步骤1：综合考虑火电机组的灵活性调节费用和运行费用，并以年综合费用作为优化目标，建立火电机组灵活性调节确定性模型；

步骤2：通过限定各个节点不确定场景的波动范围来限定场景集的边界，建立火电机组灵活性调节区间优化模型；

步骤3：利用GSOMP算法对步骤2建立的火电机组灵活性调节区间优化模型进行求解；使用GSOMP算法来协同优化目标区间的均值和偏差值，生成具有不同年综合费用区间特性的候选方案；

步骤4：使用多属性决策方法对步骤3候选方案中的年综合费用区间进行评估，依据各区间特征量的综合表现选择一组最优的方案。

所述步骤1中的火电机组灵活性调节确定性模型具体如下：

目标函数：以年综合费用最小为优化目标

min(C_B+C_O) (1)式中，C_B和C_O分别为火电机组的年化灵活性调节费用和年运行费用；

火电机组年化改造费用如式(2)：

式中，P_i ^G,min和P_i ^G,min0分别为火电机组i在改造前及改造后的最低出力；C_{y_rebuild}为单位容量的年化灵活性改造费用；M_G为***中火电机组的数目；

单位容量的年化灵活性改造费用折算如式(3)：

式中，C_rebuild为单位容量的灵活性改造费用；Y为机组寿命；η为年利率；

***中年运行费用：

式中，D_m为月份m的天数；T为每个典型日中的运行小时数；

为火电机组i在月份m中典型日时段t的出力；λ_w为单位弃风量的惩罚费用；M_W为***中风电机组的数目；

为风电机组j在月份m中典型日时段t的弃风量；

功率平衡约束：

式中，

为风电机组j在月份m中典型日时段t的出力，风电机组出力指风电机组的预测出力；

为负荷，节点k在月份m中典型日时段t的有功功率；M_D为***中负荷节点的数目；

火电机组的出力约束：

式中，P_i ^G,max为火电机组i的最大出力；

火电机组的灵活性改造约束：

式中，P_i ^G,min1和P_i ^G,min2分别为火电机组i在实施了非投油调峰改造和投油调峰改造后的机组最低出力；x_i,0、x_i,1、x_i,2为机组i的改造方案决策变量，为0-1变量，x_i,0＝1、x_i,1＝1、x_i,2＝1时分别表示机组i不实施改造、实施非投油调峰改造以及实施投油调峰改造；

火电机组的爬坡约束：

式中，

和

分别为火电机组i的最大上爬坡速率、下爬坡速率；

线路潮流约束：

式中，G_n-i、G_n-j、G_n-k分别为火电机组i风电机组j和负荷节点k对线路n的功率转移因子；M_L为***中线路的数目；

为线路n的最大允许传输功率；

风电机组的弃风量约束

所述步骤2中的火电机组灵活性调节区间优化模型具体如下：

***运行费用：

式中：C_D为***运行费用；

和

分别为火电机组i在月份m中典型日时段t的出力下限和上限；

和

分别为风电机组j在月份m中典型日时段t的弃风量下限和上限；

年运行费用区间的下限和上限：

式中：X _D和

分别为***运行费用的下限和上限；

功率平衡等式：

火电机组出力约束：

爬坡约束：

线路潮流约束：

弃风约束：

本发明的有益效果在于：

本发明能有效提高方案的综合经济性以及潮流适应性；模型采用全场景优化方法，明显改善了风电出力较大场景下的运行费用，并维持了常规风电出力场景下的低运行费用，实现了方案的综合经济性提升；全场景优化方式能够更好地适应高风电接入比例下的潮流不确定性，有效缓解了潮流阻塞现象，并减少了各不确定场景下的弃风量，从而得到一组综合经济性最优的火电机组灵活性调节方案。

附图说明

图1为本发明基于区间优化的火电机组灵活性调节调度方法的流程图。

具体实施方式

本发明提出基于区间优化的火电机组灵活性调节调度方法，下面结合附图和具体实施例对本发明做进一步说明。

图1为本发明基于区间优化的火电机组灵活性调节调度方法的流程图。本发明提出的基于区间优化的火电机组灵活性调节模型，以火电机组灵活性调节费用和多场景运行费用的年综合费用区间作为优化目标，提取了目标区间的均值和偏差值作为该区间的特征量，并将其选择为模型中的2个优化子目标。为了综合衡量目标区间的整体特性并筛选出最大限度满足用户需求的方案，在模型求解中使用了多目标寻优和多属性决策2个步骤。首先，使用GSOMP算法来协同优化目标区间的均值和偏差值，从而生成多个候选方案，每个方案具有不同的年综合费用区间特性。其次，使用多属性决策方法对各个方案中的年综合费用区间进行评估，依据各区间特征量的综合表现选择一组最优的方案。具体如下：

1.建立传统火电机组灵活性调节确定性模型

所建立的火电机组灵活性调节确定性模型，综合考虑了火电机组的灵活性调节费用以及运行费用。为了便于长期规划及运行中计算周期的统一，将模型的优化周期选择为1年，以年综合费用作为模型的优化目标。该模型具体表述如下：

min(C_B+C_O) (1)

其中：C_B和C_O分别为火电机组的年化灵活性调节费用和年运行费用；P_i ^G,min和P_i ^{G ,min0}分别为火电机组i在改造前及改造后的最低出力；C_{y_rebuild}为单位容量的年化灵活性改造费用；C_rebuild为单位容量的灵活性改造费用，将该费用进行年化折算；Y为机组寿命；η为年利率；D_m为月份m的天数；T为每个典型日中的运行小时数；

和

分别为火电机组i和风电机组j在月份m中典型日时段t的出力，其中风电机组出力指的是风电机组的预测出力；

为负荷，节点k在月份m中典型日时段t的有功功率；

为风电机组j在月份m中典型日时段t的弃风量；P_i ^G,max为火电机组i的最大出力；P_i ^G,min1和P_i ^G,min2分别为火电机组i在实施了非投油调峰改造和投油调峰改造后的机组最低出力；x_i,0、x_i,1、x_i,2为机组i的改造方案决策变量，为0-1变量，x_i,0＝1、x_i,1＝1、x_i,2＝1时分别表示机组i不实施改造、实施非投油调峰改造以及实施投油调峰改造；M_G、M_W、M_D、M_L分别为***中火电机组、风电机组、负荷节点和线路的数目；λ_w为单位弃风量的惩罚费用；

和

分别为火电机组i的最大上爬坡速率、下爬坡速率；

为线路n的最大允许传输功率；G_n-i、G_n-j、G_n-k分别为火电机组i风电机组j和负荷节点k对线路n的功率转移因子。

式(1)表示模型的优化目标为最小化年综合费用，包括了年化改造费用和年运行费用。式(2)给出了火电机组年化改造费用的公式。式(3)给出了单位容量的年改造费用的折算公式。式(4)给出了***中年运行费用的公式。式(5)为***中的功率平衡约束。式(6)为火电机组的出力约束。式(7)和式(8)为火电机组的灵活性改造约束。式(9)为火电机组的爬坡约束。式(10)为线路潮流约束。式(11)为风电机组的弃风量约束。

该模型可以表示为如下的通用形式：

式中，U为方案决策变量

用于表述各台火电机组的最优灵活性改造方案；C为优化目标；X为状态变量，

包括最优潮流计算中所得到的各项运行变量，如各台火电机组的出力以及各个风电场的弃风量；g(X，U)和h(X，U)分别为等式约束函数和不等式约束函数。依据决策变量U可以获取各台火电机组的最优出力下限P_i ^G,min0。

2.建立火电机组灵活性调节区间优化模型

较之传统的火电机组，风电机组的出力具有较强的波动性，这导致实际计算中风电的出力存在较高的不确定性。当多个风电场在各时段出力范围区间内波动时，将产生多个不确定场景，不确定场景s可表示为：

式中：

为不确定场景s下月份m中风电机组j在时段t的出力，其中j＝1,2,…,M_W，t＝1,2,…,T；P_s,m为不确定场景s下月份m中风电机组出力向量。

从给出的场景s表达式P_s，m中可以看出，考虑到多个风电场的波动性后，会衍生出大量的不确定场景。在***中存在大量不确定场景的情况下，区间方法通过限定各个节点不确定场景的波动范围，进而限定场景集的边界，边界范围内可以覆盖所有过渡场景中的值。所提出的模型旨在寻找一组火电机组灵活性改造方案，使之能够满足在多个运行日中风电波动范围内电网潮流可行并具有最优的经济性。

原模型中的式(4)—式(6)、式(9)—式(11)可以转换为区间形式，其表述形式以及相应的场景削减方法如下。

1)***运行费用

式中：C_D为***运行费用；

和

分别为火电机组i在月份m中典型日时段t的出力下限和上限；

和

分别为风电机组j在月份m中典型日时段t的弃风量下限和上限。

年运行费用区间的上、下限分别如式(15)和式(16)所示。

式中：C _D和

分别为***运行费用的下限和上限。

2)功率平衡等式

***中的功率平衡等式由4个部分构成，分别为火电机组出力、风电机组出力、负荷以及弃风量。由于风电机组出力及负荷功率都是一个已知量，故可将该已知量转移至等式的等号右侧，从而反映未知量的出力范围。

将式(18)等号左侧2个区间的上限值和下限值分别进行结合，可以得到2个极限场景，该区间等式可以转换为如下2个极限场景下的功率平衡等式。

3)火电机组出力约束

依据区间不等式的上限、下限严格约束，可以将式(21)转换为以下2个不等式。

4)爬坡约束

通过对这2个区间的上限、下限进行约束，可以将式(24)转换为以下2个不等式。

5)线路潮流约束

将该区间不等式的已知量与未知量分别转移至不等式的两侧，并将该双侧不等式转换为2个单侧不等式以便于求解，可得：

对于等式右侧的已知量，依据低边界理论对区间边界进行缩紧，选择不等式右侧的最小量作为边界的缩紧条件，该条件为加于线路潮流中的最紧约束，可以保证所有可能场景下的潮流可行。对于等式左侧的未知量，依据区间的上限、下限进行约束。通过上述过程，可以将2个不等式转换如下。

6)弃风约束

对于该区间不等式，只要对2个区间的上、下限分别进行约束即可保证所有场景均可满足要求。该不等式可转换为以下2个约束。

综上所述，原有模型中的约束条件以及目标函数可以由区间形式来表述，并可以通过严谨的数学推导来进行全场景削减，确保各区间范围覆盖了所有可能的过渡场景。原模型可以表述为如下的通用形式：

式中：W、P ^w、

分别为风电出力、风电出力下限、风电出力上限向量；X和

分别为X的下限和上限。所提出模型的优化目标中共包2个部分，一部分是火电机组的年化灵活性改造费用，是一个单值目标；另一部分是在给定风电出力预测区间下形成的年运行费用区间，是一个区间目标。为了便于计算，合并这2个部分的费用得到年综合费用区间。为了综合衡量目标区间的整体特性，使用区间均值和偏差值作为区间的特征量来进行协同优化。原模型可以转换为：

式中：A(C(X,U,W))和J(C(X,U,W))分别为目标区间C(X,U,W)的平均值和偏差值；C(X,U,W)和

(X,U,W)分别为目标区间C(X,U,W)的下限和上限。

3.利用GSOMP算法对区间优化模型进行求解

GSOMP算法是一种基于群体搜索的多目标优化方法，该方法在寻优过程中模拟了蜂群智能搜索技术，因而在搜索非支配解集的应用中具有良好的表现。采用GSOMP算法求取一组侧重于不同子目标的非支配最优解集，该解集包含了多个具有不同年综合费用区间特性的候选方案。

4.基于证据推理的目标区间评估方法进行评估

采用证据推理方法从多个候选方案中选择最优方案，证据推理方法是一种基于属性的三层启发式评估方法，在评估框架的底层，定义了待评估的基本属性即年综合费用区间的均值和偏差值。在评估框架的中间层，共设置了5个评价等级，分别为优秀、良好、一般、勉强和差，该层将各个基本属性划分至5个评价等级中并生成相应的等级置信度，可以得到各方案在5个评价等级上的综合评估结果。在评估框架的顶层，将各个等级的评估结果以及相应的等级需求程度进行结合，就得到了方案的综合评估结果。

以上实施例中的模型能有效提高方案的综合经济性以及潮流适应性，模型采用全场景优化方法，明显改善了风电出力较大场景下的运行费用，并维持了常规风电出力场景下的低运行费用，实现了方案的综合经济性提升。在潮流适应性方面，全场景优化方式能够更好地适应高风电接入比例下的潮流不确定性，有效缓解了潮流阻塞现象并减少了各不确定场景下的弃风量，从而得到一组综合经济性最优的火电机组灵活性调节方案。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.基于区间优化的火电机组灵活性调节调度方法，其特征在于，该方法包括以下步骤：

步骤1：综合考虑火电机组的灵活性调节费用和运行费用，并以年综合费用作为优化目标，建立火电机组灵活性调节确定性模型；

步骤2：通过限定各个节点不确定场景的波动范围来限定场景集的边界，建立火电机组灵活性调节区间优化模型；

步骤3：利用GSOMP算法对步骤2建立的火电机组灵活性调节区间优化模型进行求解；使用GSOMP算法来协同优化目标区间的均值和偏差值，生成具有不同年综合费用区间特性的候选方案；

步骤4：使用多属性决策方法对步骤3候选方案中的年综合费用区间进行评估，依据各区间特征量的综合表现选择一组最优的方案。

2.根据权利要求1所述基于区间优化的火电机组灵活性调节调度方法，其特征在于，所述步骤1中的火电机组灵活性调节确定性模型具体如下：

目标函数：以年综合费用最小为优化目标

min(C_B+C_O) (1)

式中，C_B和C_O分别为火电机组的年化灵活性调节费用和年运行费用；

火电机组年化改造费用如式(2)：

式中，P_i ^G,min和P_i ^G,min0分别为火电机组i在改造前及改造后的最低出力；C_{y_rebuild}为单位容量的年化灵活性改造费用；M_G为***中火电机组的数目；

单位容量的年化灵活性改造费用折算如式(3)：

式中，C_rebuild为单位容量的灵活性改造费用；Y为机组寿命；η为年利率；

***中年运行费用：

式中，D_m为月份m的天数；T为每个典型日中的运行小时数；

为火电机组i在月份m中典型日时段t的出力；λ_w为单位弃风量的惩罚费用；M_W为***中风电机组的数目；

为风电机组j在月份m中典型日时段t的弃风量；

功率平衡约束：

式中，

为风电机组j在月份m中典型日时段t的出力，风电机组出力指风电机组的预测出力；

为负荷，节点k在月份m中典型日时段t的有功功率；M_D为***中负荷节点的数目；

火电机组的出力约束：

式中，P_i ^G,max为火电机组i的最大出力；

火电机组的灵活性改造约束：

式中，P_i ^G,min1和P_i ^G,min2分别为火电机组i在实施了非投油调峰改造和投油调峰改造后的机组最低出力；x_i,0、x_i,1、x_i,2为机组i的改造方案决策变量，为0-1变量，x_i,0＝1、x_i,1＝1、x_i,2＝1时分别表示机组i不实施改造、实施非投油调峰改造以及实施投油调峰改造；

火电机组的爬坡约束：

式中，

和

分别为火电机组i的最大上爬坡速率、下爬坡速率；

线路潮流约束：

式中，G_n-i、G_n-j、G_n-k分别为火电机组i风电机组j和负荷节点k对线路n的功率转移因子；M_L为***中线路的数目；

为线路n的最大允许传输功率；

风电机组的弃风量约束

3.根据权利要求1所述基于区间优化的火电机组灵活性调节调度方法，其特征在于，所述步骤2中的火电机组灵活性调节区间优化模型具体如下：

***运行费用：

式中：C_D为***运行费用；

和

分别为火电机组i在月份m中典型日时段t的出力下限和上限；

和

分别为风电机组j在月份m中典型日时段t的弃风量下限和上限；

年运行费用区间的下限和上限：

式中：C _D和

分别为***运行费用的下限和上限；

功率平衡等式：

火电机组出力约束：

爬坡约束：

线路潮流约束：

弃风约束：

Images