CN116454890B - 基于scuc模型的机组组合控制方法、装置和设备 - Google Patents
基于scuc模型的机组组合控制方法、装置和设备 Download PDFInfo
- Publication number
- CN116454890B CN116454890B CN202310433118.2A CN202310433118A CN116454890B CN 116454890 B CN116454890 B CN 116454890B CN 202310433118 A CN202310433118 A CN 202310433118A CN 116454890 B CN116454890 B CN 116454890B
- Authority
- CN
- China
- Prior art keywords
- target
- power generation
- data
- historical
- unit combination
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000010248 power generation Methods 0.000 claims abstract description 357
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012795 verification Methods 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 37
- 238000010129 solution processing Methods 0.000 claims 1
- 238000012549 training Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000009194 climbing Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00004—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the power network being locally controlled
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于SCUC模型的机组组合控制方法、装置和设备。所述方法包括:获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据;根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。采用本方法能够提高得到目标机组组合数据的速度,使得电力***调度效率高。
Description
技术领域
本申请涉及电力***技术领域,特别是涉及一种基于SCUC模型的机组组合控制方法、装置和设备。
背景技术
在电力***调度运行过程中,为了保证用电侧和发电侧的供需平衡,以及最小化供电侧的发电代价,需要对电力***进行机组组合优化。一般采用基于安全约束的机组组合(Security-constrained unit commitment,SCUC)模型确定电力***的机组组合数据,然后基于得到的机组组合数据控制电力***中各机组的启动和停止。
基于SCUC模型确定电力***的机组组合数据的过程即是根据用电侧的用电需求数据求解对应的SCUC模型的过程。目前,求解SCUC模型的方法是通过建立混合整数规划问题,使用大规模计算机求解算法-分支节点法-对SCUC模型进行迭代求解。
然而,上述电力***中机组组合控制方法中求解对应SCUC模型的速度比较慢,导致电力***的调度效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电力***调度效率的基于SCUC模型的机组组合控制方法、装置和设备。
第一方面,本申请提供了一种基于SCUC模型的机组组合控制方法。该方法包括:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在其中一个实施例中,获取目标历史机组组合数据,包括:
获取各历史发电数据对应的历史SCUC模型;
对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据;
将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
在其中一个实施例中,该方法还包括:
获取目标发电数据;
根据目标发电数据和预设预测模型,得到目标火电发电数据;
根据目标火电发电数据构建火电SCUC模型。
在其中一个实施例中,根据目标发电数据和预设预测模型,得到目标火电发电数据,包括:
将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;
根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
在其中一个实施例中,在基于初始解对火电SCUC模型进行热启动求解处理之前,该方法还包括:
对初始解进行可行性校验,得到初始解对应的校验结果;
基于初始解对火电SCUC模型进行热启动求解处理,包括:
若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在其中一个实施例中,该方法还包括:
若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。
第二方面,本申请还提供了一种基于SCUC模型的机组组合控制装置。该装置包括:
获取模块,用于获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
求解模块,用于根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
确定模块,用于基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
上述基于SCUC模型的机组组合控制方法、装置和设备,通过获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止,这样,由于在确定目标机组组合数据的过程中火电机组部分需要满足最小启停约束和爬坡约束,因此,上述实施例将确定目标机组组合数据的过程拆分为确定火电机组组合数据的子过程以及其他机组组合数据的子过程,并通过与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定火电SCUC模型中的部分整数变量对应的初始解,基于该初始解对火电SCUC模型进行热启动,加快火电SCUC模型的求解速度,得到火电机组组合数据;避免了传统技术中直接对目标机组组合数据进行求解过程中,因为火电机组需要满足最小启停约束和爬坡约束,使得对整体SCUC模型的求解速度变慢,导致电力***调度效率低的问题;本申请实施例将目标机组组合数据的确定过程分成火电机组组合数据和其他机组组合数据两个求解子过程,并对火电SCUC模型进行热启动加速火电SCUC模型的求解处理速度,从而提高得到目标机组组合数据的速度,使得电力***调度效率高。
附图说明
图1为一个实施例中基于SCUC模型的机组组合控制方法的应用环境图;
图2为一个实施例中基于SCUC模型的机组组合控制方法的流程示意图;
图3为一个实施例中步骤获取目标历史机组组合数据步骤的流程示意图;
图4为一个实施例中构建火电SCUC模型步骤的流程示意图;
图5为一个实施例中得到目标火电发电数据步骤的流程示意图;
图6为另一个实施例中基于SCUC模型的机组组合控制方法的流程示意图;
图7为一个实施例中基于SCUC模型的机组组合控制装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的基于SCUC模型的机组组合控制方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
终端102获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在一个实施例中,如图2所示,提供了一种基于SCUC模型的机组组合控制方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器。本实施例中,该方法包括以下步骤:
步骤202,获取目标历史机组组合数据。
其中,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据;目标发电数据为目标电力***在目标时间段内的发电需求预测数据。历史发电数据为目标电力***历史时期中每个时间段内的发电需求预测数据或者发电需求实际数据。需要说明的是,在电力***领域,目标发电数据也可以称为目标电力***在目标时间段内的负荷预测数据。
示例性的,目标电力***的调度时间周期是2天,目标时间段为未来2天,目标发电数据为目标电力***在未来2天的发电需求预测数据,历史发电数据为目标电力***在历史时期内每2天的发电需求预测数据或者发电需求实际数据,例如,历史发电数据为目标电力***在过去一年内每一天的发电需求预测数据或者发电需求实际数据。
示例性的,终端中预存每个历史发电数据以及每个历史发电数据对应的历史机组组合数据;终端将目标发电数据于每个历史发电数据进行相似度度量,将与目标发电数据相似度最高的历史发电数据对应的历史机组组合数据确定为目标历史机组组合数据。
机组组合数据包括目标电力***每个发电机组(火电发电机组、其他机组)的开关状态组合,示例性的,2是开机,0是关机。其中,其他机组可以包括水电发电机组和新能源发电机组。
历史机组组合数据为历史发电数据对应的机组组合数据。示例性的,历史机组组合数据可以通过收集当天实际的机组组合情况确定,也可以根据历史发电数据和对应的历史SCUC模型进行计算得到;其中历史SCUC模型的最优解为该历史发电数据对应的机组组合数据。其中,一个历史发电数据以及对应的历史机组组合数据可以称为一个历史算例,一个目标发电数据以及最后确定的目标机组组合数据可以称为一个目标算例。
其中,算例可以理解为模拟形的计算案例。示例性的,今天需要进行一次电力市场的出清计算,那么使用SCUC模型计算所需的机组组合数据集合称之为当天的算例。
目标电力***的发电需求预测数据之间在相似环境下具有相似性,历史机组组合数据对确定当前的目标机组组合数据具有参考性。本实施例通过获取与目标发电数据相似度最大的历史发电数据对应的历史机组组合数据,作为目标历史机组组合数据,用于对后续的火电SCUC模型进行加速求解,以提高获取目标机组组合数据的速度。
步骤204,根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对所述火电SCUC模型进行热启动求解处理,得到火电机组组合数据。
其中,火电SCUC模型基于目标火电发电数据构建,本申请实施例中将确定目标发电数据对应的目标机组组合数据的过程分为确定火电机组组合数据和其他机组组合数据的两个子过程。其中,其他机组组合数据可以包括水电机组组合数据和新能源机组组合数据。
传统的基于SCUC模型的机组组合控制方法中,基于目标发电数据构建目标电力***的目标SCUC模型,并对目标SCUC模型进行求解,得到目标发电数据对应的目标电力***对应的目标机组组合数据,根据目标机组组合数据控制目标电力***中各机组的启动和停止。其中,目标SCUC模型是针对目标电力***的所有发电机组的启动和停止状态进行组合求解。在上述传统的基于SCUC模型的机组组合控制方法中目标SCUC模型的求解过程是建立混合整数规划问题,使用大规模计算机求解算法-分支界定法(Branch and Cut),在每一步松弛计算后加入针对整数变量的界定(Cut)。因为火电机组要额外满足最小启停约束和爬坡约束,使得目标SCUC模型的求解难度非常大。
其中最小启停约束指的是火力发电机组中电机开启关闭需要遵守的最小开启时长约束;爬坡约束指的是火力发电机组中电机不能随变调整,需要遵循一定的出力上升约束。
针对传统方法的SCUC模型求解过程中,火电机组部分求解过程难度比较大,本申请实施例根据目标火电发电数据构建火电SCUC模型,单独求解火电机组组合数据;并根据目标历史机组组合数据中的整数变量对应的解,确定火电SCUC模型中第一整数变量组对应的初始解。其中,目标历史机组组合数据是与目标发电数据相似度最高的历史发电数据对应的历史机组组合数据,使用目标历史机组组合数据中的整数变量对应的解,确定火电SCUC模型中部分整数变量对应的初始解,基于该初始解对火电SCUC模型进行热启动求解,可以加速火电SCUC模型的求解速度,得到火电机组组合数据。
其中,热启动求解处理是指针对构建的数学模型,设置一个初始解,让求解器在该初始解的基础上继续搜索,在大规模大规模问题时或者时设计主模型、子模型迭代求解中,使用好的初始解能够大大提高模型的求解效率,缩短求解时间,提高求解质量。如此,本申请实施例中通过目标历史机组组合数据确定火电SCUC模型中的部分整数变量对应的初始解,并基于该初始解对火电SCUC模型进行热启动求解,能够加速火电SCUC模型的求解速度。
步骤206,基于火电机组组合数据确定目标发电数据对应的目标机组组合数据。
其中,终端根据目标机组组合数据控制目标电力***中各机组的启动和停止。目标机组组合数据包括火电机组组合数据和其他机组组合数据。本申请实施例中对目标电力***中的其他机组的机组组合数据的确定方式不做限制,示例性的,可以根据其他机组发电数据确定对应的其他SCUC模型,因为其他机组不需要满足最小启停约束和爬坡约束,对其他SCUC模型可以采用传统方法中的求解方式,得到其他机组组合数据;又示例性的,对其他SCUC模型可以根据目标历史机组组合数据确定部分初始解,再基于该部分初始解对其他SCUC模型进行热启动求解处理,得到得到其他机组组合数据。
上述实施例提供的基于SCUC模型的机组组合控制方法中,通过获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止,这样,由于在确定目标机组组合数据的过程中火电机组部分需要满足最小启停约束和爬坡约束,因此,上述实施例将确定目标机组组合数据的过程拆分为确定火电机组组合数据的子过程以及其他机组组合数据的子过程,并通过与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定火电SCUC模型中的部分整数变量对应的初始解,基于该初始解对火电SCUC模型进行热启动,加快火电SCUC模型的求解速度,得到火电机组组合数据;避免了传统技术中直接对目标机组组合数据进行求解过程中,因为火电机组需要满足最小启停约束和爬坡约束,使得对整体SCUC模型的求解速度变慢,导致电力***调度效率低的问题;本实施例将目标机组组合数据的确定过程分成火电机组组合数据和其他机组组合数据两个求解子过程,并对火电SCUC模型进行热启动加速火电SCUC模型的求解处理速度,从而提高得到目标机组组合数据的速度,使得电力***调度效率高。
在一个实施例中,基于图2所示的实施例,参考图3,本实施例涉及获取目标历史机组组合数据的过程。如图3所示,该过程可以包括:
步骤302,获取各历史发电数据对应的历史SCUC模型。
示例性的,对于每一个历史发电数据,构建对应的历史SCUC模型,并获取该模型。由于历史发电数据对应的历史机组组合数据不具有时效性,所以,本实施例中通过对每个历史发电数据构建对应的历史SCUC模型,求解每个历史发电数据对应的历史机组组合数据。
步骤304,对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据。
示例性的,对于每个历史发电数据,对历史发电数据对应的历史SCUC模型采用分支界定法进行求解,得到该历史发电数据对应的历史机组组合数据。其中,可以根据历史机组组合数据确定该历史发电数据对应的历史火电发电数据和历史其他发电数据。
步骤306,将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
其中,可以采用KNN(K-Nearest Neighbor,K个最近的邻居)算法确定与目标发电数据相似度最大的历史发电数据。在本申请中将与目标发电数据相似度最大的历史发电数据称为目标历史发电数据。
示例性的,本实施例中K设为1,即选择与目标发电数据距离最近的历史发电数据作为目标历史发电数据即可,具体为:分别计算目标发电数据与各历史发电数据之间的欧氏距离;将各欧氏距离中值最小的欧氏距离对应的历史发电数据确定为目标历史发电数据。然后将目标发电数据对应的历史机组数据确定为目标历史机组组合数据。
在一种可能的实施方式中,在将各历史发电数据中与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据之前,还包括根据历史机组组合数据的均值或者中位数等,确定各历史机组组合数据的统计特征,根据该统计特征判断目标历史发电数据是否合理。如果目标历史发电数据不合理,则可以检查在确定目标历史机组组合数据的过程中是否出错。
因为确定历史机组组合数据的过程不要求时效性,因此,本实施例中对每个历史发电数据构建相应的历史SCUC模型,对每个历史SCUC模型进行求解,进而得到的各历史机组组合数据,提高得到的目标历史机组组合数据的准确度。
在一个实施例中,基于图2所示的实施例,请参考图4,本实施例提供的是如何构建火电SCUC模型的过程。如图4所示,该过程包括:
步骤402,获取目标发电数据。
其中,目标发电数据为目标电力***在目标时间段内的发电需求预测数据。获取目标发电数据的具体手段可以采用现有方式,本申请实施例对获取目标发电数据的过程不做限制。
步骤404,根据目标发电数据和预设预测模型,得到目标火电发电数据。
其中,预设预测模型可以根据目标发电数据预测处目标发电数据对应的目标火电发电数据和/或目标其他发电数据。
在一种可能的实施方式中,预设预测模型用于根据目标发电数据输出相应的目标火电发电数据。其中,预设预测模型的训练数据集包括:历史发电数据、历史发电数据对应的历史火电发电数据和历史SCUC模型最优目标函数值,即,预设预测模型需要学习总发电数据、总发电数据对应的火电发电数据和总发电数据对应的总SCUC模型最优目标函数值组成的向量之间的函数关系。其中,历史火电发电数据可以通过历史发电数据对应的历史机组组合数据确定。
其中,在该种可能的实施方式中,还可以根据各历史发电数据对应的向量数据的平均值或者中位数等,确定各历史发电数据的统计特征,根据该统计特征判断预设预测模型输出的目标火电发电数据是否合理。若判断结果为不合理,则可以通过调整预设预测模型训练参数或者训练数据量重新训练预设预测模型,再根据重新训练后的预设预测模型进行预测输出。
在另一种可能的实施方式中,预设预测模型用于根据目标发电数据输出相应的目标其他发电数据,再根据目标发电数据和目标其他发电数据确定目标火电发电数据。其中,预设预测模型通过历史发电数据以及相应的历史其他发电数据进行训练得到。其中历史其他发电数据可以通过历史发电数据对应的历史机组组合数据确定。请参考图5,在该实施方式中,得到目标火电发电数据的过程包括:
步骤502,将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据。
步骤504,根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
因为目标其他发电数据的变动程度相对于目标火电发电数据的变动程度较小,因此,相较于直接使用预设预测模型输出目标火电发电数据,在该种实施方式中,通过预测得到目标其他发电数据,根据目标其他发电数据和目标其他发电数据得到的目标火电发电数据的精度更高。
类似的,在该种可能的实施方式中,也可以根据各历史发电数据对应的向量数据的平均值或者中位数等,确定各历史发电数据的统计特征,根据该统计特征判断预设预测模型输出的目标其他发电数据是否合理。若判断结果为不合理,则可以通过调整预设预测模型训练参数或者训练数据量重新训练预设预测模型,再根据重新训练后的预设预测模型进行预测输出。
示例性的,预设预测模型可以采用SVR(Support Vector Regression)模型、GBDT(Gradient Boosting Decision Tree,梯度树提升)模型或者DNN(Deep Neural Network深度神经网络)模型中的一种。
步骤406,根据目标火电发电数据构建火电SCUC模型。
本申请实施例中将目标机组组合数据的确定过程分成火电机组组合数据和其他机组组合数据两个求解子过程,为每个子过程分别构建对应的SCUC模型,其中,为确定火电机组合数据的求解子过程,根据预测得到的目标火电发电数据构建火电SCUC模型。后续通过根据目标历史机组组合数据确定的初始解,对该火电SCUC模型进行热启动求解处理,加速火电机组组合数据的确定速度。本实施例考虑火电机组和其他机组需要满足不同的约束条件,单独对根据预测得到的目标火电发电数据构建发电SCUC模型进行求解,保证得到火电机组组合数据的准确度。
需要说明的是,本申请对如何确定其他机组组合数据的过程不做具体限定,可以理解为其他机组组合数据对应的SCUC模型的求解相较于火电SCUC模型的求解要快,因此本申请实施例主要是通过加快目标火电机组组合数据的确定过程,进而加快目标机组组合数据的确定过程,提高电力***调度效率。
在一个实施例中,基于图2所示的实施例,本实施例提供的基于SCUC模型的机组组合控制方法中还包括对初始解进行可行性校验的过程。该实施例在步骤206中的基于初始解对火电SCUC模型进行热启动求解处理之前,还包括:对初始解进行可行性校验,得到该初始解对应的校验结果。其中,此时初始解指的是第一整数变量组对应的初始解。
如果校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在一种可能的实施方式中,如果校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解。其中,第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。也就是说选择火电SCUC模型中更少的整数变量赋予相应的初始解,再对该初始解进行可行性校验,若校验结果为校验通过,则基于该初始解对火电SCUC模型进行热启动处理。
在一种可能的实施方式中,如果校验结果为校验未通过,也可以重新训练预设预测模型,提高根据预设预测模型得到的目标火电发电数据的精度。示例性的,可以调整训练预设预测模型过程中的模型参数的阈值;又示例性的,可以收集更多的训练数据等方式增加训练数据的多样性,增强训练得到的预设预测模型预测的准确性。
本实施例中,先对初始解进行可行性校验,避免初始解可能存在不可解,从而使得求解过程非常慢的问题;本实施例通过对于初始解进行可行性校验,进一步保证火电SCUC模型的求解速度。
在一个实施例中,参考图6,提供了一种基于SCUC模型的机组组合控制方法,本实施例以该方法应用于终端进行举例说明,该方法包括:
步骤602,获取各历史发电数据对应的历史SCUC模型。
步骤604,对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据。
步骤606,获取目标发电数据。
步骤608,根据目标发电数据和预设预测模型,得到目标火电发电数据。
可选的,将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;根据目标发电数据和目标其他发电数据,得到目标其他发电数据。
步骤610,根据目标火电发电数据构建火电SCUC模型。
步骤612,将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
步骤614,根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解。
步骤616,对初始解进行可行性校验,得到初始解对应的校验结果。
步骤618,若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据。
步骤620,若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。
步骤622,重新执行步骤616,直至得到火电机组组合数据,并基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
申请人经过大量的实验验证发现,采用上述实施例中的基于SCUC模型的机组组合控制方法对目标电力***进行调度,相比采用传统技术中的基于SCUC模型的机组组合控制方法对目标电力***进行调度,精度差距仅约为0.002,但是本申请实施例的方法的调度效率大大提高,可以即时为电力***计算出清提供可用解。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于SCUC模型的机组组合控制方法的基于SCUC模型的机组组合控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于SCUC模型的机组组合控制装置实施例中的具体限定可以参见上文中对于基于SCUC模型的机组组合控制方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种基于SCUC模型的机组组合控制装置,包括:获取模块702、求解模块704和确定模块706,其中:
获取模块702,用于获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据。
求解模块704,用于根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建。
确定模块706,用于基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在一个实施例中,获取模块702包括获取历史模型单元、确定历史组合单元和确定目标历史单元;其中,
获取历史模型单元,用于获取各历史发电数据对应的历史SCUC模型。
确定历史组合单元,用于对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据。
确定目标历史单元,用于将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
在一个实施例中,提供的基于SCUC模型的机组组合控制装置还包括构建火电模型模块;其中,
构建火电模型模块,用于获取目标发电数据;根据目标发电数据和预设预测模型,得到目标火电发电数据;根据目标火电发电数据构建火电SCUC模型。
在一个实施例中,构建火电模型模块还用于将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
在一个实施例中,求解模块704包括校验单元和求解单元;其中,
校验单元,用于对初始解进行可行性校验,得到初始解对应的校验结果。
求解单元,用于若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在一个实施例中,求解模块704还包括确定初始解单元;其中,
初始解单元,用于若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。
上述基于SCUC模型的机组组合控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史发电数据以及对应的历史机组组合数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于SCUC模型的机组组合控制方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各历史发电数据对应的历史SCUC模型;对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据;将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取目标发电数据;根据目标发电数据和预设预测模型,得到目标火电发电数据;根据目标火电发电数据构建火电SCUC模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对初始解进行可行性校验,得到初始解对应的校验结果;若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各历史发电数据对应的历史SCUC模型;对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据;将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标发电数据;根据目标发电数据和预设预测模型,得到目标火电发电数据;根据目标火电发电数据构建火电SCUC模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对初始解进行可行性校验,得到初始解对应的校验结果;若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。.
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标历史机组组合数据,目标历史机组组合数据为与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据,目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于初始解对火电SCUC模型进行热启动求解处理,得到火电机组组合数据,火电SCUC模型基于目标火电发电数据构建;
基于火电机组组合数据确定目标发电数据对应的目标机组组合数据,目标机组组合数据用于根据目标机组组合数据控制目标电力***中各机组的启动和停止。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各历史发电数据对应的历史SCUC模型;对于每个历史发电数据,对历史发电数据对应的历史SCUC模型进行求解处理,得到历史发电数据对应的历史机组组合数据;将各历史发电数据中,与目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为目标历史机组组合数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取目标发电数据;根据目标发电数据和预设预测模型,得到目标火电发电数据;根据目标火电发电数据构建火电SCUC模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将目标发电数据输入至预设预测模型,得到目标发电数据对应的目标其他发电数据;根据目标发电数据和目标其他发电数据,得到目标火电发电数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对初始解进行可行性校验,得到初始解对应的校验结果;若校验结果为校验通过,则基于初始解对火电SCUC模型进行热启动求解处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若校验结果为校验未通过,则根据历史机组组合数据,确定火电SCUC模型中第二整数变量组对应的初始解;第一整数变量组包括的整数变量的个数大于第二整数变量组包括的整数变量的个数。.
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于SCUC模型的机组组合控制方法,其特征在于,所述方法包括:
获取目标发电数据,所述目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
根据所述目标发电数据和预设预测模型,得到目标火电发电数据;
根据所述目标火电发电数据构建所述火电SCUC模型;
获取目标历史机组组合数据,所述目标历史机组组合数据为与所述目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据;
根据所述目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于所述初始解对所述火电SCUC模型进行热启动求解处理,得到火电机组组合数据;
基于所述火电机组组合数据确定所述目标发电数据对应的目标机组组合数据,所述目标机组组合数据用于根据所述目标机组组合数据控制所述目标电力***中各机组的启动和停止。
2.根据权利要求1所述的方法,其特征在于,所述获取目标历史机组组合数据,包括:
获取各所述历史发电数据对应的历史SCUC模型;
对于每个所述历史发电数据,对所述历史发电数据对应的历史SCUC模型进行求解处理,得到所述历史发电数据对应的历史机组组合数据;
将各所述历史发电数据中,与所述目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为所述目标历史机组组合数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标发电数据和预设预测模型,得到所述目标火电发电数据,包括:
将所述目标发电数据输入至所述预设预测模型,得到所述目标发电数据对应的目标其他发电数据;
根据所述目标发电数据和所述目标其他发电数据,得到所述目标火电发电数据。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述初始解对所述火电SCUC模型进行热启动求解处理之前,所述方法还包括:
对所述初始解进行可行性校验,得到所述初始解对应的校验结果;
所述基于所述初始解对所述火电SCUC模型进行热启动求解处理,包括:
若所述校验结果为校验通过,则基于所述初始解对所述火电SCUC模型进行热启动求解处理。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述校验结果为校验未通过,则根据所述历史机组组合数据,确定所述火电SCUC模型中第二整数变量组对应的初始解;所述第一整数变量组包括的整数变量的个数大于所述第二整数变量组包括的整数变量的个数。
6.一种基于SCUC模型的机组组合控制装置,其特征在于,所述装置包括:
构建火电模型模块,用于获取目标发电数据,根据所述目标发电数据和预设预测模型,得到目标火电发电数据,根据所述目标火电发电数据构建火电SCUC模型,所述目标发电数据为目标电力***在目标时间段内的发电需求预测数据;
获取模块,用于获取目标历史机组组合数据,所述目标历史机组组合数据为与所述目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据;
求解模块,用于根据所述目标历史机组组合数据,确定火电SCUC模型中第一整数变量组对应的初始解,并基于所述初始解对所述火电SCUC模型进行热启动求解处理,得到火电机组组合数据,所述火电SCUC模型基于目标火电发电数据构建;
确定模块,用于基于所述火电机组组合数据确定所述目标发电数据对应的目标机组组合数据,所述目标机组组合数据用于根据所述目标机组组合数据控制所述目标电力***中各机组的启动和停止。
7.根据权利要求6所述的装置,其特征在于,所述获取模块包括:
获取历史模型单元,用于获取各所述历史发电数据对应的历史SCUC模型;
确定历史组合单元,用于对于每个所述历史发电数据,对所述历史发电数据对应的历史SCUC模型进行求解处理,得到所述历史发电数据对应的历史机组组合数据;
确定目标历史单元,用于将各所述历史发电数据中,与所述目标发电数据相似度最大的历史发电数据所对应的历史机组组合数据确定为所述目标历史机组组合数据。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310433118.2A CN116454890B (zh) | 2023-04-20 | 2023-04-20 | 基于scuc模型的机组组合控制方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310433118.2A CN116454890B (zh) | 2023-04-20 | 2023-04-20 | 基于scuc模型的机组组合控制方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116454890A CN116454890A (zh) | 2023-07-18 |
CN116454890B true CN116454890B (zh) | 2024-02-06 |
Family
ID=87133420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310433118.2A Active CN116454890B (zh) | 2023-04-20 | 2023-04-20 | 基于scuc模型的机组组合控制方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116454890B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4868754A (en) * | 1986-04-02 | 1989-09-19 | Hitachi, Ltd. | Method of starting thermal power plant |
JP2003016374A (ja) * | 2001-06-28 | 2003-01-17 | Toshiba Corp | 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム |
CN109617131A (zh) * | 2018-12-07 | 2019-04-12 | 国网经济技术研究院有限公司 | 一种电力***生产成本测算方法及*** |
CN109728578A (zh) * | 2019-02-19 | 2019-05-07 | 清华大学 | 基于牛顿法求解分位数的电力***随机动态机组组合方法 |
CN110764468A (zh) * | 2018-07-26 | 2020-02-07 | 国家能源投资集团有限责任公司 | 一种确定火电机组运行参数基准值的方法及装置 |
CN111626470A (zh) * | 2020-04-10 | 2020-09-04 | 中国电力科学研究院有限公司 | 一种电热综合协调优化调度方法及*** |
CN113408648A (zh) * | 2021-07-07 | 2021-09-17 | 华北电力大学 | 一种结合深度学习的机组组合计算方法 |
CN113595152A (zh) * | 2021-08-25 | 2021-11-02 | 国网山东省电力公司电力科学研究院 | 基于火电机组调节速率包络线的电网agc指令优化分配方法及*** |
CN114336778A (zh) * | 2021-11-29 | 2022-04-12 | 中国华能集团清洁能源技术研究院有限公司 | 风光火储***中火电机组的开机序列确定方法和装置 |
CN114884134A (zh) * | 2022-05-25 | 2022-08-09 | 华北电力大学 | 基于区间优化的火电机组灵活性调节调度方法 |
CN115173489A (zh) * | 2022-07-29 | 2022-10-11 | 西安交通大学 | 一种基于二分法的火电集群调度方法及*** |
CN115659792A (zh) * | 2022-10-18 | 2023-01-31 | 西安交通大学 | 多时段多场景scuc解耦方法、***、设备及存储介质 |
-
2023
- 2023-04-20 CN CN202310433118.2A patent/CN116454890B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4868754A (en) * | 1986-04-02 | 1989-09-19 | Hitachi, Ltd. | Method of starting thermal power plant |
JP2003016374A (ja) * | 2001-06-28 | 2003-01-17 | Toshiba Corp | 発電設備計画の評価方法、発電設備計画の策定方法及びプログラム |
CN110764468A (zh) * | 2018-07-26 | 2020-02-07 | 国家能源投资集团有限责任公司 | 一种确定火电机组运行参数基准值的方法及装置 |
CN109617131A (zh) * | 2018-12-07 | 2019-04-12 | 国网经济技术研究院有限公司 | 一种电力***生产成本测算方法及*** |
CN109728578A (zh) * | 2019-02-19 | 2019-05-07 | 清华大学 | 基于牛顿法求解分位数的电力***随机动态机组组合方法 |
CN111626470A (zh) * | 2020-04-10 | 2020-09-04 | 中国电力科学研究院有限公司 | 一种电热综合协调优化调度方法及*** |
CN113408648A (zh) * | 2021-07-07 | 2021-09-17 | 华北电力大学 | 一种结合深度学习的机组组合计算方法 |
CN113595152A (zh) * | 2021-08-25 | 2021-11-02 | 国网山东省电力公司电力科学研究院 | 基于火电机组调节速率包络线的电网agc指令优化分配方法及*** |
CN114336778A (zh) * | 2021-11-29 | 2022-04-12 | 中国华能集团清洁能源技术研究院有限公司 | 风光火储***中火电机组的开机序列确定方法和装置 |
CN114884134A (zh) * | 2022-05-25 | 2022-08-09 | 华北电力大学 | 基于区间优化的火电机组灵活性调节调度方法 |
CN115173489A (zh) * | 2022-07-29 | 2022-10-11 | 西安交通大学 | 一种基于二分法的火电集群调度方法及*** |
CN115659792A (zh) * | 2022-10-18 | 2023-01-31 | 西安交通大学 | 多时段多场景scuc解耦方法、***、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
Fast SCUC for Large-Scale Power Systems;Yong Fu, et al;《IEEE TRANSACTIONS ON POWER SYSTEMS》;第22卷(第4期);第2144-2151页 * |
火电机组组合分步求解策略研究;苏济归;《中国优秀硕士学位论文全文数据库》 工程科技Ⅱ辑;C042-169 * |
计及潮流约束的水火电力***机组组合问题的分解协调算法;汪超群;韦化;吴思缘;;中国电机工程学报(11);第3148-3161页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116454890A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861502B2 (en) | Control sequence generation system and methods | |
Wang et al. | An effective estimation of distribution algorithm for the flexible job-shop scheduling problem with fuzzy processing time | |
Wang et al. | A Pareto-based estimation of distribution algorithm for the multi-objective flexible job-shop scheduling problem | |
CN111815035B (zh) | 一种融合形态聚类及TCN-Attention的短期负荷预测方法 | |
Wang et al. | Parallel k-pso based on mapreduce | |
Zhang et al. | Load Prediction Based on Hybrid Model of VMD‐mRMR‐BPNN‐LSSVM | |
CN111126707A (zh) | 能耗方程构建、能耗预测方法与装置 | |
CN115528750B (zh) | 一种面向电网安全稳定的数据模型混合驱动机组组合方法 | |
CN116454890B (zh) | 基于scuc模型的机组组合控制方法、装置和设备 | |
CN117458453A (zh) | 电力***暂态稳定性的预测方法、***、设备及存储介质 | |
CN112434872A (zh) | 酒店产量预测方法、***、设备及存储介质 | |
CN116523001A (zh) | 电网薄弱线路识别模型构建方法、装置和计算机设备 | |
CN116341634B (zh) | 神经结构搜索模型的训练方法、装置及电子设备 | |
Taha et al. | Learning to run a power network under varying grid topology | |
CN113222216B (zh) | 冷热电负荷预测方法、装置及*** | |
CN113608434B (zh) | 一种综合能源***异质能流联动优化平台 | |
Tong et al. | A prediction model for complex equipment remaining useful life using gated recurrent unit complex networks | |
CN111027709B (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN116526582B (zh) | 基于人工智能联合驱动的电力机组组合调度方法与*** | |
CN118157211B (zh) | 静态变频装置参数预测方法、装置和计算机设备 | |
CN116109053A (zh) | 多风电场风险约束随机经济调度方法、装置及计算机设备 | |
CN118195160A (zh) | 一种电网断面调控模型训练方法、装置和计算机设备 | |
Xu et al. | Regional electricity market price forecasting based on an adaptive spatial–temporal convolutional network | |
Wu et al. | SGT: Session-based Recommendation with GRU and Transformer | |
CN115392594A (zh) | 一种基于神经网络和特征筛选的用电负荷模型训练方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |