CN102097866B - 中长期机组组合优化方法 - Google Patents

Abstract

本发明公开了一种中长期机组组合优化方法，包括下列步骤：获取各类优化数据，确定中长期机组组合的优化空间；然后根据实际电网的电网模型建立以机组发电量与期望电量偏差最小为目标的中长期安全约束机组组合模型；采用混合整数规划法计算出机组在调度周期内各天的启停状态、负荷率以及峰荷时段的有功出力；根据优化求解获得的机组启停状态和峰荷时段机组出力，考虑全部网络监视元件，采用日最大负荷点进行安全校核；通过优化技术与安全校核的迭代，最终获得满足电网安全的中长期机组组合方案。采用本发明的方法大大提高了大电网驾驭能力和电力资源优化配置能力。

Description

中长期机组组合优化方法

技术领域

本发明属于电力系统调度自动化技术领域，涉及一种中长期机组组合优化方法。

背景技术

随着智能电网建设的推进，对电网资源优化配置的要求不断增强，这对调度运行和调度计划提出了更高的要求。机组组合是调度计划首先要解决的问题，从经济效益和安全运行角度看，往往比经济调度问题更加重要。中长期机组组合可以在更长的时间跨度内统筹考虑电网运行效益，优化效果显著。同时，我国是以火电机组为主的国家，随着节能发电调度的实施，逐步淘汰了高耗能的小火电机组，形成了以大火电机组为主的发电运行环境，大火电机组的启停费用高昂，且启停过程复杂，机组不会频繁启停，促使机组组合向更大范围和更长时间周期延伸，从而凸显了中长期机组组合在实际生产中的重要性。

国内中长期计划的安排是以电量形式给出各电厂的总发电量，电量计划如何进行电网安全校核，直接关系到中长期计划执行的可行性，成为函待解决的问题。若将电网的电力约束折算为中长期电量约束，会严重影响电厂的发电量；也可以将电厂的中长期电量分解为电力计划，但电量分解原则难以确定。在实际调度过程中，迫切需要对中长期的电量进度的跟踪、监视，以及其与电网安全的整体优化决策手段。

电力系统调度中心制定中长期机组组合方案时，一般是基于电量合同完成情况，根据运行经验，人工设置发电机组在中长期的启停状态，难以保证各发电机组电量合同完成进度的一致性。同时，经验调度无法有效考虑电网安全，得到的机组组合方案往往实际不可行，需要在运行中对机组组合方案反复调整，从而难以保证调度运行的安全性和经济性，也给运行人员带来了巨大的工作量。

发明内容

本发明实施的目的在于提供一种中长期机组组合优化方法，统一协调考虑电力系统运行的安全性和经济性，决策出满足中长期调度运行要求的机组组合方案。

为解决上述技术问题，本发明提出了一种适用于电网调度运行的中长期机组组合优化方法，其特征在于，包括以下步骤：

1)确定需要进行中长期机组组合优化的周期，获取周期内各天的最大负荷、最小负荷、日电量需求，获取周期内检修计划、联络线计划、各机组的期望发电量，以确定中长期机组组合的优化空间；

2)根据实际电网的电网模型建立以机组发电量与期望电量偏差最小为目标的中长期安全约束机组组合模型：

中长期安全约束机组组合以一天作为一个优化的逻辑时段，以调度周期内各日最大负荷曲线为研究对象，优化各日机组启停满足中长期峰荷曲线，机组日发电量采用开机机组乘以等效负荷率进行折算，优化目标为各机组发电量与期望电量偏差最小，

中长期安全约束机组组合模型为：

目标函数：

$\min f=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{|\underset{t=1}{\overset{T}{\mathrm{\Σ}}}E(i,t)-E_0\left(i\right)|}{E_0\left(i\right)}$

约束条件：

E(i，t)＝P_i，max·u(i，t)·R(i，t)·24

P_i，minu(i，t)≤p(i，t)≤P_i，maxu(i，t)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p(i,t)=p_d\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}r(i,r)\≥p_r\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}E(i,t)=E_d\left(t\right)$

$\underset{\‾}{p_{\mathrm{ij}}}\≤p_{\mathrm{ij}}\left(t\right)\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，N为系统中参与调度的机组数，T为系统调度周期所含时段数，E(i，t)为机组i在t日的发电量，E₀(i)为机组i的中长期期望电量，P_i，max和P_i，min分别为机组i输出功率的上下限，u(i，t)为机组i在t日的启停状态，R(i，t)为机组i的在t日的负荷率，p_d(t)为系统在t日的峰荷；p(i，t)为机组i在t日的峰荷出力，E_d(t)为系统t日的总电量需求，r(i，t)为机组i在t时段提供的旋转备用，p_r(t)为系统在t时段的旋转备用需求，

和p _ij 分别表示支路ij的潮流上下限，p_ij(t)为支路ij在t时段的潮流；

3)将模型中的非线性因素线性化表达，采用混合整数规划法计算出机组在调度周期内各天的启停状态u(i，t)、负荷率R(i，t)以及峰荷时段的有功出力p(i，t)；

4)根据优化求解获得的机组启停状态和峰荷时段机组出力，考虑全部网络监视元件，采用日最大负荷点进行安全校核；若没有新增监视元件潮流越限，则进入步骤5)，否则计算新增越限监视元件的灵敏度信息，进入步骤2)，

5)迭代结束，生成中长期机组组合方案，优化结束。

前述的中长期机组组合优化方法，其特征在于：在所述步骤4)中，

新增越限监视元件以线性化约束形式加入中长期安全约束机组组合模型中，约束表达为：

$\underset{\‾}{p_{\mathrm{ij}}}\≤\underset{i\∈M}{\mathrm{\Σ}}[p(i,t)-l_{i,t}]S_{i,j,t}\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，l_i，t为节点负荷功率，S_i，j，t为节点i的注入功率对支路ij的灵敏度。

本发明的方法具有以下特点和功能：

1)通过建立以机组发电量与期望电量偏差最小为目标函数的中长期安全约束机组组合优化模型，能够根据中长期负荷预测和电量需求预测，统筹协调系统发电资源，分解落实中长期的电量合同，制定切实有效的机组组合方案，实现各机组电量合同进度的一致。

2)通过时段简化，采用一天作为一个优化时段，避免了机组的频繁启停，同时显著降低模型约束条件和变量的数目，有益于提高计算性能。

3)通过负荷率来等效折算开机机组的发电量，实现了电力与电量的解耦，安全校核基于电力，发电计划基于电量，电力与电量的解耦进一步实现了发电计划与安全的解耦，降低了中长期机组组合问题的复杂性，有益于问题的求解。

4)通过优化计算和安全校核两个子问题的交互迭代求解，获得了满足网络边界的中长期机组组合方案，保证了中长期发电计划的可执行性。

本发明的有益效果是：

本发明优化编制满足电网调度运行要求的中长期机组组合方案，可以从更大范围实现对电量完成进度的跟踪与调控，可以从更长时间周期实现对电网运行风险的防御与预控，可以为调度中心提供兼顾电量进度与电网安全的切实可行的中长期发电计划，大大提高了大电网驾驭能力和电力资源优化配置能力。

本方法是在实际电网数据下开展的中长期机组组合优化研究和尝试，摸索出针对中长期发电计划关键需求的机组组合优化方法。本方法通过时段简化、电力电量解耦，建立了以电量偏差最小为目标的中长期安全约束机组组合模型，经过优化计算与安全校核的交替迭代，最终获得更为合理的中长期机组组合方案，替代原先的经验调度型方案，有助于提高电网调度的精细化水平。

本方法通过中长期机组组合优化，得出机组在每一天的启停状态、负荷率、发电量等结果，这些结果可以直接进入短期(日前)发电计划环节，有助于实现中长期发电计划与短期发电计划的有效衔接，更好地指导电力系统的安全经济运行。

附图说明

图1中长期机组组合优化计算流程图。

具体实施方式

本发明一种中长期机组组合优化方法。下面是本发明的一个优选实施案例，包含了采用本发明方法的一个月度机组组合的优化过程，它的特征、目的和优点可以从实施例的说明中看出。

在电网月度发电计划编制过程中，需要优化确定次月(30天)的机组组合方案，将机组的月度合同电量分解到各日。优化过程要求充分考虑机组检修计划、线路检修计划、发电机组特性、月度用电预测等信息，使得机组组合结果能够满足电网运行中的各种安全约束限制，并且所有机组基本保持同步完成电量合同。

本发明的中长期机组组合优化方法主要基于安全约束机组组合技术，以每日峰荷为研究对象建立优化求解模型，采用日最大负荷点进行安全校核，通过优化计算与安全校核的迭代，逐步把起作用约束加入优化模型中，获得最终获得最优的机组组合结果。

本方法包括以下步骤：

1)月度机组组合的优化周期为30天，获取次月各天的最大负荷、最小负荷、日电量需求，获取月度检修计划、联络线计划、各机组的月度期望发电量，确定月度机组组合的优化空间。

2)根据实际电网的电网模型建立以机组发电量与期望电量偏差最小为目标的月度安全约束机组组合模型。

月度安全约束机组组合以一天作为一个优化的逻辑时段，以调度周期内各日最大负荷曲线为研究对象，优化各日机组启停满足月度各日峰荷曲线，机组日发电量采用开机机组乘以等效负荷率进行折算，优化目标为各机组发电量与期望电量偏差最小。

月度安全约束机组组合模型为：

目标函数：

$\min f=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{|\underset{t=1}{\overset{T}{\mathrm{\Σ}}}E(i,t)-E_0\left(i\right)|}{E_0\left(i\right)}$

约束条件：

E(i，t)＝P_i，max·u(i，t)·R(i，t)·24

P_i，minu(i，t)≤p(i，t)≤P_i，maxu(i，t)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p(i,t)=p_d\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}r(i,r)\≥p_r\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}E(i,t)=E_d\left(t\right)$

$\underset{\‾}{p_{\mathrm{ij}}}\≤p_{\mathrm{ij}}\left(t\right)\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，N为系统中参与调度的机组数，T为系统调度周期所含时段数，E(i，t)为机组i在t日的发电量，E₀(i)为机组i的中长期期望电量，P_i，max和P_i，min分别为机组i输出功率的上下限，u(i，t)为机组i在t日的启停状态，R(i，t)为机组i的在t日的负荷率，p_d(t)为系统在t日的峰荷；p(i，t)为机组i在t日的峰荷出力，E_d(t)为系统t日的总电量需求，r(i，t)为机组i在t时段提供的旋转备用，p_r(t)为系统在t时段的旋转备用需求，

和p _ij 分别表示支路ij的潮流上下限，p_ij(t)为支路ij在t时段的潮流。

3)将模型中的非线性因素线性化表达，采用混合整数规划法计算出机组在调度周期内各天的启停状态u(i，t)、负荷率R(i，t)以及峰荷时段的有功出力p(i，t)。

4)根据优化求解获得的机组启停状态和峰荷时段机组出力，考虑全部网络监视元件，采用日最大负荷点进行安全校核；若没有新增监视元件潮流越限，则进入步骤(5)，否则计算新增越限监视元件的灵敏度信息，进入步骤(2)。

新增越限监视元件以线性化约束形式加入模型中，约束表达为：

$\underset{\‾}{p_{\mathrm{ij}}}\≤\underset{i\∈M}{\mathrm{\Σ}}[p(i,t)-l_{i,t}]S_{i,j,t}\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，l_i，t为节点负荷功率，S_i，j，t为节点i的注入功率对支路ij的灵敏度。

5)迭代结束，生成月度机组组合方案，优化结束。

本发明的系统包括月度、日前、日内、实时等多个周期的发电计划编制功能，月度计划编制是多个周期发电计划编制的基础，它指导电量合同的完成进度，并为日前发电计划编制提供系统的开停机方案。月度发电计划是在对未来计划数据整合基础上，应用本发明优化机组组合方案的基础上完成的。

对计算结果进行分析，机组电量合同完成率在总体上较为接近，全网各机组均有效地完成了合同电量，机组组合的优化结果与实际运行状况相一致。

本方法在实际电网数据下开展的中长期机组组合优化的研究和尝试。该方法经过优化计算与安全校核的交替迭代，最终获得更加合理的机组组合结果，有助于在电网调度计划编制中有效把握电量合同进度，编制合理的机组开停机计划，提高电网运行的安全性和经济性。该方法不需要大量人力的参与，计算速度可以满足实际应用的需要，有效地解决了传统的中长期机组组合方案制定需要大量人力，依靠经验，效率低，难以有效考虑电网安全约束的弊病，具有广泛的推广前景。

此处根据特定的示例性实施案例描述了本发明。对本领域的技术人员来说不脱离本发明范围下进行适当的替换或修改是显而易见的。示例性的实施案例仅仅是例证性的，而不是对本发明的范围的限制，本发明的范围由所附属的权利要求定义。

Claims (1)

1.一种中长期机组组合优化方法，其特征在于，包括以下步骤：

1)确定需要进行中长期机组组合优化的周期，获取周期内各天的最大负荷、最小负荷、日电量需求，获取周期内检修计划、联络线计划、各机组的期望发电量，以确定中长期机组组合的优化空间；

2)根据实际电网的电网模型建立以机组发电量与期望发电量偏差最小为目标的中长期安全约束机组组合模型，

中长期安全约束机组组合以一天作为一个优化的逻辑时段，以调度周期内各日最大负荷曲线为研究对象，优化各日机组启停满足中长期峰荷曲线，机组日发电量采用开机机组乘以等效负荷率进行折算，优化目标为各机组发电量与期望发电量偏差最小，

中长期安全约束机组组合模型为：

目标函数：

$\min f=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{|\underset{t=1}{\overset{T}{\mathrm{\Σ}}}E(i,t)-E_0\left(i\right)|}{E_0\left(i\right)}$

约束条件：

E(i,t)=P_i，max·u(i,t)·R(i,t)2 4

P_i,minu(i,t)≤p(i,t)≤P_i,maxu(i,t)

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}p(i,t)=p_d\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}r(i,t)\≥p_r\left(t\right)$

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}E(i,t)=E_d\left(t\right)$

$\underset{\‾}{p_{\mathrm{ij}}}\≤p_{\mathrm{ij}}\left(t\right)\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，N为系统中参与调度的机组数，T为系统调度周期所含时段数，E(i,t)为机组i在t日的发电量，E₀(i)为机组i的中长期期望发电量，P_i，max和P_i，min分别为机组i输出功率的上下限，u(i,t)为机组i在t日的启停状态，R(i,t)为机组i在t日的负荷率，p_d(t)为系统在t日的峰荷；p(i,t)为机组i在t日的峰荷出力，E_d(t)为系统t日的总电量需求，r(i,t)为机组i在t日提供的旋转备用，p_r(t)为系统在t日的旋转备用需求，

和p _ij 分别表示支路ij的潮流上下限，p_ij(t)为支路ij在t日的潮流；

3)将模型中的非线性因素线性化表达，采用混合整数规划法计算出机组在调度周期内各天的启停状态u(i,t)、负荷率R(i,t)以及峰荷时段的有功出力p(i,t)；

4)根据优化求解获得的机组启停状态和峰荷时段机组出力，考虑全部网络监视元件，采用日最大负荷点进行安全校核；若没有新增监视元件潮流越限，则进入步骤5），否则计算新增越限监视元件的灵敏度信息，进入步骤2）；所述新增越限监视元件以线性化约束形式加入中长期安全约束机组组合模型中，约束表达为：

$\underset{\‾}{p_{\mathrm{ij}}}\≤\underset{i\∈N}{\mathrm{\Σ}}[p(i,t)-l_{i,t}]S_{i,j,t}\≤\stackrel{\‾}{p_{\mathrm{ij}}}$

其中，l_i,t为节点负荷功率，S_i，j，t为节点i的注入功率对支路ij的灵敏度；

5)迭代结束，生成中长期机组组合方案，优化结束。

Images