CN102170129B - 一种基于大规模风电并网的电力系统低碳调度方法及其装置 - Google Patents

Abstract

本发明涉及一种基于大规模风电并网的电力系统低碳调度方法及其装置，包括以下步骤：步骤1、由电力系统调度系统采集给定电网系统在下一个调度周期内的电网数据；步骤2、由低碳调度系统根据电力系统调度系统所采集的电网数据，获取风电场和每台发电机的有功负荷分配值；步骤3、由电力系统调度系统根据低碳调度系统获取的风电场和发电机的有功负荷分配值制定新的发电执行计划；步骤4、由发电执行系统将上述电力系统调度中心制定的新的发电执行计划发送到风电场和火电厂进行执行。本发明具有如下优点：兼顾电力生产经济性的同时，更加注重了对于生态环境的保护，既达到了节能减排的要求，又推动了电力生产的低碳化。

Description

一种基于大规模风电并网的电力系统低碳调度方法及其装置

技术领域

本发明涉及电力系统调度运行领域，特别涉及一种基于大规模风电并网的电力系统低碳调度方法及其装置。

背景技术

截至2010年底，中国风力发电累计装机容量达到41827MW，首次超越美国，成为全球最大风电装机国。风电作为“零污染、零排放”的绿色清洁能源，对于优化能源结构，促进节能减排，全面推动我国“低碳经济”的发展具有十分重要的战略意义。在全球能源紧缺，生态环境日益恶化的大背影下，电力行业作为能源消耗和污染物排放大户，在保证电力安全可靠供应的前提下，减少排放及实现“低碳发展”是大势所趋。

电力系统现有调度技术至少存在以下问题：传统的经济调度以能源消耗量最少为目标，忽视了电力生产对于生态环境的破坏，没有体现出“减排”的要求。节能调度方法虽然综合考虑了电力生产的“降耗”和“减排”，但是不能够很好的评价不同一次能源之间的“环境效益”，并不太适用于包含大规模风电的电力系统调度。因此，研究大规模风电并网后的电力系统低碳调度方法，对于整个电力工业的节能减排及低碳发展具有重要意义。

发明内容

本发明主要是解决现有技术所存在的传统的经济调度以能源消耗量最少为目标，忽视了电力生产对于生态环境的破坏，没有体现出“减排”，并且不能够很好的评价不同一次能源之间的“环境效益”，并不太适用于包含大规模风电的电力系统调度等的技术问题；提供了一种在兼顾电力生产经济性的同时，更加注重了对于生态环境的保护，既达到了节能减排的要求，又推动了电力生产的低碳化的一种基于大规模风电并网的电力系统低碳调度方法及其装置。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，包括以下步骤：

步骤1、由电力系统调度系统采集给定电网系统在下一个调度周期T内的电网数据；其中，T为一个调度周期内的小时数；

步骤2、由低碳调度系统根据电力系统调度系统所采集的电网数据，获取风电场和每台发电机的有功负荷分配值；

步骤3、由电力系统调度系统根据低碳调度系统获取的风电场和发电机的有功负荷分配值制定新的发电执行计划；

步骤4、由发电执行系统将上述电力系统调度中心制定的新的发电执行计划发送到风电场和火电厂进行执行。

在上述的一种基于大规模风电并网的电力系统低碳调度方法，所述的步骤1中，电网数据包括风电场预测出力值P_w、有功负荷预测值P_D、发电机i的出力值下限P_i ^min、发电机i的出力值上限P_i ^max、发电机i的最大下爬坡速率r_i ^down、发电机i的最大上爬坡速率r_i ^up、发电机i的最小连续停运小时数发电机i的最小连续运行小时数

系统旋转备用率η、风电穿透功率极限系数δ_w、支路ij的约束条件P_ijmax、支路数量N和发电机数量G。

在上述的一种基于大规模风电并网的电力系统低碳调度方法，所述的步骤2中，获取风电场和每台发电机的有功负荷分配值的获取方法基于目标函数：

$\min F_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right]$

$\max F_2=\max \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}\frac{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}}{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}+k{E}_{{\mathrm{CO}}_2}}\right]$

其中，G为发电机数量；P_it为发电机i在t时段的有功出力值；I_it为发电机i在t时段的运行状态，I_it＝1表示运行，I_it＝0表示停机；f_it(P_it)为发电机i在t时段的运行耗能；S_it表示发电机i在t时段的启动耗能，它与停机时间τ_i的长短有关；η_ie为发电机i的发电效率；η_r(P_it)表示发电机i的发电效率η_ie随有功功率P_it变化的函数关系式；θ_α为发电机所使用燃料的低位发热量；k表示标准煤燃烧时的热量损失系数；

表示火电厂排放的CO₂、SO₂和NO_x等污染气体经过折算后的等价CO₂排放量；

其具体操作步骤如下：

步骤3.1、由模糊隶属模块根据模糊优化方法将上述目标函数转换为模糊隶属度函数；

步骤3.2、由约束模块将上述已转换的模糊隶属函数中加入约束条件后构成由模糊隶属度函数和约束条件构成的低碳调度数学模型；

步骤3.3、由有功负荷分配值获取模块根据上述已加入约束条件的模糊隶属函数得到输出最优解，即最优有功负荷分配值。

在上述的一种基于大规模风电并网的电力系统低碳调度方法，

所述的

其中，a_i：发电机耗能特性曲线的常数项；b_i：发电机耗能特性曲线的一次项；c_i：发电机耗能特性曲线的二次项；

所述的

其中，δ_i、σ_i、τ_i为发电机i的启动成本系数；T_it ^off发电机i在t时段的停机持续时间。

在上述的一种基于大规模风电并网的电力系统低碳调度方法，所述的步骤3.2中，约束模块加入约束条件基于下述公式：

约束条件1、系统有功平衡约束：

其中：

为系统总负荷；P_L为系统网络损耗；

表示发电机总有功出力；

表示风电场总有功出力；

约束条件2、发电机出力限制约束：

P_i ^min≤P_it≤P_i ^max  i∈G t∈T，其中：P_i ^min为发电机i的出力值下限值；P_i ^max为发电机i的出力值上限值；

约束条件3、系统旋转备用约束：

其中：P_it ^max为发电机i在t时段出力的上限值；P_it ^min为发电机i在t时段出力的下限值；P_Dt ^up表示上备用时对应的系统总负荷；P_Dt ^down表示下备用时对应的系统总负荷；η为系统旋转备用率；

约束条件4、线路潮流约束：

|P_ij|≤P_ijmax ij∈N，其中：P_ij表示支路ij上的潮流，通过牛拉法进行潮流计算得到；P_ijmax为支路ij上的约束条件，线路和变压器的最大容量；

约束条件5、发电机爬坡速率约束：

r_i ^downΔT≤P_it-P_i(t-1)≤r_i ^upΔT    i∈G  t∈T，其中：r_i ^down为发电机i的最大下爬坡速率；r_i ^up为发电机i的最大上爬坡速率；ΔT表示发电机i运行的一个时段；

约束条件6、发电机启停时间约束：

其中：T_it ^off为发电机i在t时段的停机持续时间；T_it ^on为发电机i在t时段的开机持续时间；T_imin ^off为发电机i的最小连续停运小时数；T_imin ^on为发电机i的最小连续运行小时数；

约束条件7、风电穿透功率极限约束：

P_wt≤δ_wP_Dt  t∈T，其中：P_wt为风电场在t时段的有功出力值；δ_w表示风电穿透功率极限系数；

其中，所述的一个调度周期T的取值为24小时，ΔT的取值为1小时，k的取值近似为2，δ_w的取值为7％，η的取值为5％。

在上述的一种基于大规模风电并网的电力系统低碳调度方法，所述的步骤3.1中，模糊隶属模块将上述目标函数转换为模糊隶属函数的具体步骤如下：

步骤3.11、将上述目标函数即发电机资源消耗量最少化minF₁以及能源环境效益最优化maxF₂转化为隶属度函数，表达式分别为：

发电机资源消耗量最少化：

$\mathrm{\μ}\left(F_1\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_1\left(x\right)\≤f_1{\left(x\right)}^{-}\\ \frac{f_1{\left(x\right)}^{+}-F_1\left(x\right)}{f_1{\left(x\right)}^{+}-f_1{\left(x\right)}^{-}},& f_1{\left(x\right)}^{-}\≤F_1\left(x\right)\≤f_1{\left(x\right)}^{+}\\ 0,& F_1\left(x\right)\≥f_1{\left(x\right)}^{+}\end{array}\right.$

能源环境效益最优化：

$\mathrm{\μ}\left(F_2\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_2\left(x\right)\≥f_2{\left(x\right)}^{+}\\ \frac{F_2\left(x\right)-f_2{\left(x\right)}^{+}}{f_2{\left(x\right)}^{-}-f_2{\left(x\right)}^{+}},& f_2{\left(x\right)}^{-}\≤F_2\left(x\right)\≤f_2{\left(x\right)}^{+}\\ 0,& F_2\left(x\right)\≤f_2{\left(x\right)}^{-}\end{array}\right.$

，其中：μ(F₁(x))和μ(F₂(x))为隶属度函数；f₁(x)⁺、f₁(x)^-分别为目标函数F₁的最大值和最小值；f₂(x)⁺、f₂(x)^-分别为目标函数F₂的最大值和最小值；

步骤3.12、定义λ为基于目标函数F₁和F₂的隶属度函数μ(F₁(x))和μ(F₂(x))的满意度，表达式为：λ＝min{μ(F₁(x))，μ(F₂(x))}；

步骤3.13、依据模糊集理论的最大最小法则，将低碳调度转化为使满足所有约束条件的满意度λ最大化，即maxλ，表达式为：

步骤3.14、将μ(F₁(x))和μ(F₂(x))结合步骤3.13中maxλ表达式，则将低碳调度多目标函数转化为单目标非线性规划，即经模糊化处理后的低碳调度为：

在上述的一种基于大规模风电并网的电力系统低碳调度方法，所述的步骤3.3中，有功负荷分配值获取模块获取得到输出最优解的具体方法基于粒子群算法和禁忌搜索算法，其具体步骤如下：

步骤3.31、由适应度值计算单元根据电力系统调度系统采集的电网数据和发电机运行数据计算出两个子目标函数

$\min F_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right]$

以及

的最大值和最小值，建立相应的模糊隶属度函数；并在满足上述约束条件1和约束条件2的前提下，形成初始粒子群的位置和速度，计算得到每个粒子的函数值，并求出对应的隶属度值；

步骤3.32、由极值获取单元根据步骤3.31中的各隶属值求取个体极值以及全局极值，并设置首次迭代次数K＝1，以及K_max；

步骤3.33、由粒子速度位置更新单元根据步骤3.32的个体极值以及全局极值更新所有粒子机组状态分量以及符合分量的速度和位置；

步骤3.34、由禁忌搜索单元根据禁忌搜索算法中的禁忌表判断完成步骤3.33后的粒子是否被禁忌，并根据判断结果选择执行一下步骤：

若粒子被禁忌，则返回步骤3.33；

否则，执行步骤3.35；

步骤3.35、由极值更新单元更新个体极值以及全局极值，并将全局极值写入禁忌表后判断迭代次数K与K_max的大小，并根据判断结果选择执行以下步骤：

若K＜K_max，则设置当前迭代次数加1后返回执行步骤3.33；

否则，由输出判断单元输出最优解，迭代结束。

一种用于基于大规模风电并网的电力系统低碳调度方法的装置，包括电力系统调度系统以及分别与电力系统调度系统相连的低碳调度系统和发电执行系统。

在上述的一种用于基于大规模风电并网的电力系统低碳调度方法的装置，所述的电力系统调度系统包括模糊隶属模块、约束模块以及有功负荷分配值获取模块，所述的适应度值计算单元、极值获取单元、粒子速度位置更新单元、禁忌搜索单元、极值更新单元以及输出判断单元。

因此，本发明具有如下优点：兼顾电力生产经济性的同时，更加注重了对于生态环境的保护，既达到了节能减排的要求，又推动了电力生产的低碳化。

附图说明

附图1是本发明的整个工作流程示意图；

附图2是本发明中极小型隶属度函数曲线；

附图3是本发明中极大型隶属度函数曲线；

附图4是本发明中步骤3.3的低碳调度方法求解流程图；

附图5是实施例中应用本发明后与传统调度方法发电机机组出力对比图；

附图6是实施例中应用本发明后与传统调度方法发电资源消耗量的对比图；

附图7是实施例中应用本发明后与传统调度方法能源环境效益的对比图；

附图8是实施例中应用本发明后与传统调度方法风电总出力的对比图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

一种基于大规模风电并网的电力系统低碳调度方法，包括以下步骤：

步骤1、由电力系统调度系统采集给定电网系统在下一个调度周期T内的电网数据；其中，电网数据包括风电场预测出力值P_w、有功负荷预测值P_D、发电机i的出力值下限P_i ^min、发电机i的出力值上限P_i ^max、发电机i的最大下爬坡速率r_i ^down、发电机i的最大上爬坡速率r_i ^up、发电机i的最小连续停运小时数

发电机i的最小连续运行小时数

系统旋转备用率η、风电穿透功率极限系数δ_w、支路ij的约束条件P_ijmax、支路数量N和发电机数量G。T为一个调度周期内的小时数，一个调度周期T的取值为24小时；

步骤2、由低碳调度系统根据电力系统调度系统所采集的电网数据，获取风电场和每台发电机的有功负荷分配值；

步骤3、由电力系统调度系统根据低碳调度系统获取的风电场和发电机的有功负荷分配值制定新的发电执行计划；

其中，获取风电场和每台发电机的有功负荷分配值的获取方法基于目标函数：

$\min F_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right]$

$\max F_2=\max \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}\frac{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}}{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}+k{E}_{{\mathrm{CO}}_2}}\right]$

其中，G为发电机数量；P_it为发电机i在t时段的有功出力值；I_it为发电机i在t时段的运行状态，I_it＝1表示运行，I_it＝0表示停机；f_it(P_it)为发电机i在t时段的运行耗能；S_it表示发电机i在t时段的启动耗能，它与停机时间τ_i的长短有关；η_ie为发电机i的发电效率；η_r(P_it)表示发电机i的发电效率η_ie随有功功率P_it变化的函数关系式；θ_α为发电机所使用燃料的低位发热量；k表示标准煤燃烧时的热量损失系数；表示火电厂排放的CO₂、SO₂和NO_x等污染气体经过折算后的等价CO₂排放量；

应当注意的是，在本实施例中，调度周期T的时间为24小时，划分为24个时间段(每个时间段为1小时)，即研究和制定日发电计划；风电场预测出力值为根据风电场安装的风速预测软件(已公开使用)得到的下一个调度周期(未来24小时)内的风电场在每一个时间段的平均风速情况；然后利用风力发电机固有的风速-功率转化曲线(函数)计算得到风电场每一个时间段的预测出力值P_w；有功负荷预测值为根据短期负荷预测软件(已公开使用)得到的下一个调度周期(未来24小时)内的电力负荷需求情况，包括每一个时间段的负荷。

其中，a_i：发电机耗能特性曲线的常数项；b_i：发电机耗能特性曲线的一次项；c_i：发电机耗能特性曲线的二次项；

其中，δ_i、σ_i、τ_i为发电机i的启动成本系数；T_it ^off发电机i在t时段的停机持续时间。

其具体操作步骤如下：

步骤3.1、由模糊隶属模块根据模糊优化方法将上述目标函数转换为模糊隶属度函数；在上述的一种基于大规模风电并网的电力系统低碳调度方法，具体步骤如下：

步骤3.11、将上述目标函数即发电机资源消耗量最少化minF₁以及能源环境效益最优化maxF₂转化为隶属度函数，表达式分别为：

发电机资源消耗量最少化：

$\mathrm{\μ}\left(F_1\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_1\left(x\right)\≤f_1{\left(x\right)}^{-}\\ \frac{f_1{\left(x\right)}^{+}-F_1\left(x\right)}{f_1{\left(x\right)}^{+}-f_1{\left(x\right)}^{-}},& f_1{\left(x\right)}^{-}\≤F_1\left(x\right)\≤f_1{\left(x\right)}^{+}\\ 0,& F_1\left(x\right)\≥f_1{\left(x\right)}^{+}\end{array}\right.$

能源环境效益最优化：

$\mathrm{\μ}\left(F_2\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_2\left(x\right)\≥f_2{\left(x\right)}^{+}\\ \frac{F_2\left(x\right)-f_2{\left(x\right)}^{+}}{f_2{\left(x\right)}^{-}-f_2{\left(x\right)}^{+}},& f_2{\left(x\right)}^{-}\≤F_2\left(x\right)\≤f_2{\left(x\right)}^{+}\\ 0,& F_2\left(x\right)\≤f_2{\left(x\right)}^{-}\end{array}\right.$

，其中：μ(F₁(x))和μ(F₂(x))为隶属度函数；f₁(x)⁺、f₁(x)^-分别为目标函数F₁的最大值和最小值；f₂(x)⁺、f₂(x)^-分别为目标函数F₂的最大值和最小值；

本发明基于模糊化处理技术把低碳调度模型中的两个调度目标(子目标)转化为非线性单目标进行求解计算；模糊优化方法的核心是确定各子目标的隶属度函数；根据低碳调度模型中极小化型和极大化型的特点，选用降半直线形为发电机资源消耗量最少化的隶属度函数，选用升半直线形为能源环境效益最优化的隶属度函数；两隶属度函数的变化曲线如图2所示。低碳调度模型是根据两个调度目标函数(发电资源消耗最少化，能源环境效益最优化)及多个约束条件，构造多目标非线性混合整数优化模型，再利用模糊化处理技术将上述两个目标转化为单一优化目标，最后应用综合禁忌搜索思想的改进粒子群算法求解单一目标优化模型；有功负荷分配值是通过由发电资源消耗最少化和能源环境效益最优化两个目标函数所构造的低碳调度模型求解得到，既兼顾了电力生产的经济性，同时，更加注重了对于生态环境的保护，推动和促进了低碳经济的发展；有功负荷分配为确定次日风电场和各发电机24时段(每1小时为一个运行时段，即发电机i运行的一个时段ΔT＝1)的出力，一次性计算出24个运行时段的发电优化分配计划，并下发各电厂执行；计算有功负荷分配时，为了充分考虑风电出力的随机波动性及系统的旋转备用情况，允许风电场的负荷分配在风电场预测出力值P_w的±25％范围(0.75P_w～1.25P_w)内波动。

步骤3.12、定义λ为基于目标函数F₁和F₂的隶属度函数μ(F₁(x))和μ(F₂(x))的满意度，表达式为：λ＝min{μ(F₁(x))，μ(F₂(x))}；

步骤3.13、依据模糊集理论的最大最小法则，将低碳调度转化为使满足所有约束条件的满意度λ最大化，即maxλ，表达式为：

步骤3.14、将μ(F₁(x))和μ(F₂(x))结合步骤3.13中maxλ表达式，则将低碳调度多目标函数转化为单目标非线性规划，即经模糊化处理后的低碳调度为：

模糊化数学模型表征了当前子目标的解集向量贴近理想值的相对程度，物理意义描述清晰，便于实际操作，可以作为非线性单目标用于优化计算。

本发明设计了综合禁忌搜索思想的改进粒子群算法求解基于大规模风电并网的电力系统低碳调度模型；在调度模型模糊化处理的基础上，本发明的低碳调度方法需要处理两个子优化问题：发电机机组组合优化问题和既定机组间负荷分配优化问题；使用离散二进制粒子群算法求解发电机机组组合优化问题，使用标准粒子群算法求解既定机组间负荷分配优化问题；并采用禁忌搜索算法中的禁忌表来更新粒子群算法中粒子的个体极值和全局极值，如图4所示。

步骤3.2、由约束模块将上述已转换的模糊隶属函数中加入约束条件后构成由模糊隶属度函数和约束条件构成的低碳调度数学模型，约束模块加入约束条件基于下述公式：

约束条件1、系统有功平衡约束：

其中：

为系统总负荷；P_L为系统网络损耗；

表示发电机总有功出力；

表示风电场总有功出力；

约束条件2、发电机出力限制约束：

P_i ^min≤P_it≤P_i ^max  i∈G  t∈T，其中：P_i ^min为发电机i的出力值下限值；P_i ^max为发电机i的出力值上限值；

约束条件3、系统旋转备用约束：

其中：P_it ^max为发电机i在t时段出力的上限值；P_it ^min为发电机i在t时段出力的下限值；P_Dt ^up表示上备用时对应的系统总负荷；P_Dt ^down表示下备用时对应的系统总负荷；η为系统旋转备用率；

约束条件4、线路潮流约束：

|P_ij|≤P_ijmax ij∈N，其中：P_ij表示支路ij上的潮流，通过牛拉法进行潮流计算得到；P_ijmax为支路ij上的约束条件，线路和变压器的最大容量；

约束条件5、发电机爬坡速率约束：

r_i ^downΔT≤P_it-P_i(t-1)≤r_i ^upΔT    i∈G  t∈T，其中：r_i ^down为发电机i的最大下爬坡速率；r_i ^up为发电机i的最大上爬坡速率；ΔT表示发电机i运行的一个时段；

约束条件6、发电机启停时间约束：

其中：T_it ^off为发电机i在t时段的停机持续时间；T_it ^on为发电机i在t时段的开机持续时间；T_imin ^off为发电机i的最小连续停运小时数；T_imin ^on为发电机i的最小连续运行小时数；

约束条件7、风电穿透功率极限约束：

P_wt≤δ_wP_Dt  t∈T，其中：P_wt为风电场在t时段的有功出力值；δ_w表示风电穿透功率极限系数；

其中，ΔT的取值为1小时，k的取值近似为2，δ_w的取值为7％，η的取值为5％。

步骤3.3、由有功负荷分配值获取模块根据上述已加入约束条件的模糊隶属函数得到输出最优解，即最优有功负荷分配值，其具体方法基于粒子群算法和禁忌搜索算法，其具体步骤如下：

步骤3.31、由适应度值计算单元根据电力系统调度系统采集的电网数据和发电机运行数据计算出两个子目标函数

$\min F_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right]$

以及

的最大值和最小值，建立相应的模糊隶属度函数；并在满足上述约束条件1和约束条件2的前提下，形成初始粒子群的位置和速度，计算得到每个粒子的函数值，并求出对应的隶属度值；

步骤3.32、由极值获取单元根据步骤3.31中的各隶属值求取个体极值以及全局极值，并设置首次迭代次数K＝1，以及K_max；

步骤3.33、由粒子速度位置更新单元根据步骤3.32的个体极值以及全局极值更新所有粒子机组状态分量以及符合分量的速度和位置；

步骤3.34、由禁忌搜索单元根据禁忌搜索算法中的禁忌表判断完成步骤3.33后的粒子是否被禁忌，并根据判断结果选择执行一下步骤：

若粒子被禁忌，则返回步骤3.33；

否则，执行步骤3.35；

步骤3.35、由极值更新单元更新个体极值以及全局极值，并将全局极值写入禁忌表后判断迭代次数K与K_max的大小，并根据判断结果选择执行以下步骤：

若K＜K_max，则设置当前迭代次数加1后返回执行步骤3.33；

否则，由输出判断单元输出最优解，迭代结束。

步骤4、由发电执行系统将上述电力系统调度中心制定的新的发电执行计划发送到风电场和火电厂进行执行。

本发明还包括一个用于基于大规模风电并网的电力系统低碳调度方法的装置，如图8所示，包括电力系统调度系统以及分别与电力系统调度系统相连的低碳调度系统和发电执行系统，电力系统调度系统包括模糊隶属模块、约束模块以及有功负荷分配值获取模块，有功负荷分配值获取模块还包括依次相连的适应度值计算单元、极值获取单元、粒子速度位置更新单元、禁忌搜索单元、极值更新单元以及输出判断单元。

本发明方法实现的效果举例如图5、图6以及图7：本发明与传统调度方法(只考虑图5)发电机资源消耗量最少化目标函数，不考虑图6)能源环境效益最优化目标函数)在一个调度周期内发电计划、发电资源消耗量、能源环境效益以及风电总出力对比。

以IEEE30节点网络为研究实例，对比本发明与传统调度方法在一个调度周期内发电计划、发电资源消耗量、能源环境效益以及风电总出力的计算结果。图5为本发明与传统调度方法的发电计划对比；由图6可见，本发明与传统调度方法相比，发电资源消耗量基本相同，只是略微增加了0.743％；由图7可见，本发明与传统调度方法相比，在提高能源环境效益，减少碳排放方面效果显著，计算结果提高了6.99％；由图8可见，本发明与传统调度方法相比，在整个调度周期内，风电总的出力增加了0.188pu，计算结果提高了4.93％，这也直接证明了风力发电的低碳化；

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，包括以下步骤：

步骤1、由电力系统调度系统采集给定电网系统在下一个调度周期T内的电网数据；其中，T为一个调度周期内的小时数；

步骤2、由低碳调度系统根据电力系统调度系统所采集的电网数据，获取风电场和每台发电机的有功负荷分配值；

步骤3、由电力系统调度系统根据低碳调度系统获取的风电场和发电机的有功负荷分配值制定新的发电执行计划；

步骤4、由发电执行系统将上述电力系统调度系统制定的新的发电执行计划发送到风电场和火电厂进行执行；

所述的步骤1中，电网数据包括风电场预测出力值P_w、有功负荷预测值P_D、发电机i的出力值下限

发电机i的出力值上限

发电机i的最大下爬坡速率

发电机i的最大上爬坡速率

发电机i的最小连续停运小时数

发电机i的最小连续运行小时数

系统旋转备用率η、风电穿透功率极限系数δ_w、支路ij的约束条件P_ijmax、支路数量N和发电机数量G；

所述的步骤2中，获取风电场和每台发电机的有功负荷分配值的获取方法基于目标函数：

${\min F}_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right]$

${\max F}_2=\max \left[\underset{\text{t=1}}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}\frac{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}}{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}+{\mathrm{kE}}_{{\mathrm{CO}}_2}}\right]$

其中，G为发电机数量；P_it为发电机i在t时段的有功出力值；I_it为发电机i在t时段的运行状态，I_it=1表示运行，I_it=0表示停机；f_it(P_it)为发电机i在t时段的运行耗能；S_it表示发电机i在t时段的启动耗能，它与停机时间T_it ^off的长短有关；η_ie为发电机i的发电效率；η_r(P_it)表示发电机i的发电效率η_ie随有功功率P_it变化的函数关系式；θ_α为发电机所使用燃料的低位发热量；k表示标准煤燃烧时的热量损失系数；

表示火电厂排放的CO₂、SO₂和NO_x污染气体经过折算后的等价CO₂排放量；

其具体操作步骤如下：

步骤3.1、由模糊隶属模块根据模糊优化方法将上述目标函数转换为模糊隶属函数；

步骤3.2、由约束模块将上述已转换的模糊隶属函数中加入约束条件后构成由模糊隶属函数和约束条件构成的低碳调度数学模型；

步骤3.3、由有功负荷分配值获取模块根据上述已加入约束条件的模糊隶属函数得到输出最优解，即最优有功负荷分配值。

2.根据权利要求1所述的一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，

所述的

其中，a_i：发电机耗能特性曲线的常数项；b_i：发电机耗能特性曲线的一次项；c_i：发电机耗能特性曲线的二次项；

所述的其中，δ_i、σ_i、τ_i为发电机i的启动成本系数；T_it ^off发电机i在t时段的停机持续时间。

3.根据权利要求1所述的一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，所述的步骤3.2中，约束模块加入约束条件基于下述公式：

约束条件1、系统有功平衡约束：

其中：

为系统总负荷；P_L为系统网络损耗；

表示发电机总有功出力；

表示风电场总有功出力；

约束条件2、发电机出力限制约束：

i∈G t∈T，其中：P_i ^min为发电机i的出力值下限值；P_i ^max为发电机i的出力值上限值；

约束条件3、系统旋转备用约束：

$\left\{\begin{array}{c}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}({P_{\mathrm{it}}}^{\max }-P_{\mathrm{it}})\≥{{\mathrm{\ηP}}_{\mathrm{Dt}}}^{\mathrm{up}}\\ \underset{i=1}{\overset{G}{\mathrm{\Σ}}}(P_{\mathrm{it}}-{P_{\mathrm{it}}}^{\min }){\≥{\mathrm{\ηP}}_{\mathrm{Dt}}}^{\mathrm{down}}\end{array}\right.$ t∈T，其中：P_it ^max为发电机i在t时段出力的上限值；P_it ^min为发电机i在t时段出力的下限值；P_Dt ^up表示上备用时对应的系统总负荷；P_Dt ^down表示下备用时对应的系统总负荷；η为系统旋转备用率；

约束条件4、线路潮流约束：

|P_ij|≤P_ijmax ij∈N，其中：P_ij表示支路ij上的潮流，通过牛拉法进行潮流计算得到；P_ijmax为支路ij上的约束条件，线路和变压器的最大容量；

约束条件5、发电机爬坡速率约束：

i∈G t∈T，其中：r_i ^down为发电机i的最大下爬坡速率；r_i ^up为发电机i的最大上爬坡速率；ΔT表示发电机i运行的一个时段；

约束条件6、发电机启停时间约束：

$\left\{\begin{array}{c}(I_{\mathrm{it}}-I_{\mathrm{it}-1})({T_{\mathrm{it}}}^{\mathrm{off}}-{T_{i\min }}^{\mathrm{off}})\≥0\\ (I_{\mathrm{it}-1}-I_{\mathrm{it}})({T_{\mathrm{it}}}^{\mathrm{on}}-{T_{i\min }}^{\mathrm{on}})\≥0\end{array}\right.$ i∈G，其中：T_it ^off为发电机i在t时段的停机持续时间；T_it ^on为发电机i在t时段的开机持续时间；T_imin ^off为发电机i的最小连续停运小时数；T_imin ^on为发电机i的最小连续运行小时数；

约束条件7、风电穿透功率极限约束：

P_wt≤δ_wP_Dt t∈T，其中：P_wt为风电场在t时段的有功出力值；δ_w表示风电穿透功率极限系数；

其中，所述的一个调度周期T的取值为24小时，ΔT的取值为1小时，k的取值近似为2，δ_w的取值为7%，η的取值为5%。

4.根据权利要求3所述的一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，所述的步骤3.1中，模糊隶属模块将上述目标函数转换为模糊隶属函数的具体步骤如下：

步骤3.11、将上述目标函数即发电机资源消耗量最少化minF₁以及能源环境效益最优化maxF₂转化为隶属度函数，表达式分别为：

发电机资源消耗量最少化：

$\mathrm{\μ}\left(F_1\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_1\left(x\right)\≤f_1{\left(x\right)}^{-}\\ \frac{f_1{\left(x\right)}^{+}-F_1\left(x\right)}{f_1{\left(x\right)}^{+}-f_1{\left(x\right)}^{-}},& f_1{\left(x\right)}^{-}\≤F_1\left(x\right)\≤f_1{\left(x\right)}^{+}\\ 0,& F_1\left(x\right)\≥f_1{\left(x\right)}^{+}\end{array}\right.$

能源环境效益最优化：

$\mathrm{\μ}\left(F_2\left(x\right)\right)=\left\{\begin{array}{cc}1,& F_2\left(x\right)\≥f_2{\left(x\right)}^{+}\\ \frac{F_2\left(x\right)-f_2{\left(x\right)}^{+}}{f_2{\left(x\right)}^{-}-f_2{\left(x\right)}^{+}},& f_2{\left(x\right)}^{-}\≤F_2\left(x\right)\≤f_2{\left(x\right)}^{+}\\ 0,& F_2\left(x\right)\≤f_2{\left(x\right)}^{-}\end{array}\right.$

，其中：μ(F₁(x))和μ(F₂(x))为隶属度函数；f₁(x)⁺、f₁(x)^-分别为目标函数F₁的最大值和最小值；f₂(x)⁺、f₂(x)^-分别为目标函数F₂的最大值和最小值；

步骤3.12、定义λ为基于目标函数F₁和F₂的隶属度函数μ(F₁(x))和μ(F₂(x))的满意度，表达式为：λ=min{μ(F₁(x)),μ(F₂(x))}；

步骤3.13、依据模糊集理论的最大最小法则，将低碳调度转化为使满足所有约束条件的满意度λ最大化，即maxλ，表达式为：

maxλ

步骤3.14、将μ(F₁(x))和μ(F₂(x))结合步骤3.13中maxλ表达式，则将低碳调度多目标函数转化为单目标非线性规划，即经模糊化处理后的低碳调度为：

maxλ

5.根据权利要求3所述的一种基于大规模风电并网的电力系统低碳调度方法，其特征在于，所述的步骤3.3中，有功负荷分配值获取模块获取得到输出最优解的具体方法基于粒子群算法和禁忌搜索算法，其具体步骤如下：

步骤3.31、由适应度值计算单元根据电力系统调度系统采集的电网数据和发电机运行数据计算出两个子目标函数

${\min F}_1=\min \left[\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}(f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)+(1-I_{\mathrm{it}-1})S_{\mathrm{it}})I_{\mathrm{it}}\right],$ 以及

${\max F}_2=\max \left[\underset{\text{t=1}}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{G}{\mathrm{\Σ}}}\frac{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}}{{\mathrm{\η}}_{\mathrm{ie}}{\mathrm{\η}}_r\left(P_{\mathrm{it}}\right){\mathrm{\θ}}_{\mathrm{\α}}+{\mathrm{kE}}_{{\mathrm{CO}}_2}}\right]$ 的最大值和最小值，建立相应的模糊隶属函数；并在满足权利要求5中约束条件1和约束条件2的前提下，形成初始粒子群的位置和速度，计算得到每个粒子的函数值，并求出对应的隶属度值；

步骤3.32、由极值获取单元根据步骤3.31中的各隶属值求取个体极值以及全局极值，并设置首次迭代次数K=1，以及最大迭代次数K_max；

步骤3.33、由粒子速度位置更新单元根据步骤3.32的个体极值以及全局极值更新所有粒子机组状态分量以及符合分量的速度和位置；

步骤3.34、由禁忌搜索单元根据禁忌搜索算法中的禁忌表判断完成步骤3.33后的粒子是否被禁忌，并根据判断结果选择执行一下步骤：

若粒子被禁忌，则返回步骤3.33；

否则，执行步骤3.35；

步骤3.35、由极值更新单元更新个体极值以及全局极值，并将全局极值写入禁忌表后判断迭代次数K与K_max的大小，并根据判断结果选择执行以下步骤：

若K<K_max，则设置当前迭代次数加1后返回执行步骤3.33；

否则，由输出判断单元输出最优解，迭代结束。

6.一种用于权利要求1所述的一种基于大规模风电并网的电力系统低碳调度方法的装置，包括电力系统调度系统以及分别与电力系统调度系统相连的低碳调度系统和发电执行系统。

7.根据权利要求6所述的一种用于基于大规模风电并网的电力系统低碳调度方法的装置，其特征在于，所述的电力系统调度系统包括模糊隶属模块、约束模块以及有功负荷分配值获取模块，所述的有功负荷分配值获取模块还包括依次相连的适应度值计算单元、极值获取单元、粒子速度位置更新单元、禁忌搜索单元、极值更新单元以及输出判断单元。

Images