CN103023074B - 一种基于模型预测控制的大电网有功实时调度方法 - Google Patents

Abstract

本发明涉及一种基于模型预测控制的大电网有功实时调度方法，属于电力系统运行和控制技术领域。首先通过负荷预测模型对未来优化时段的负荷出力进行预测，为MPC的优化提供先验知识，构建基于模型预测控制策略的有功实时调度模型，并采用滚动优化的实时调度求解策略，获得实时调度机组的最优出力结果序列。本发明方法通过在有功实时调度过程中引入模型预测理论，可较好地解决传统有功实时调度处理动态特性变化和存在不确定因素的复杂系统效果较差的问题，超前地消除负荷预测偏差及其他偏差影响。本发明方法降低了电网运行风险，提高了电网运行的经济性。

Description

一种基于模型预测控制的大电网有功实时调度方法

技术领域

本发明涉及一种基于模型预测控制的大电网有功实时调度方法，属于电力系统运行和控制技术领域。

背景技术

实时调度是电网智能调度系统中最重要的部分之一。电力系统正常调度计划在实施时，要面对运行点接近安全域边沿、机组未有效跟踪计划、自动发电控制（AGC）机组容量不足等不确定性因素。因此，取系统中性能良好、执行计划良好的机组作为实时调度机组，通过超短期发电需求预测超前调整机组出力，用于消除这些不确定因素。因此，实时调度是一种超前控制策略，其核心功能是按调度时段编制发电计划，根据未来调度时段的发电需求预测，在考虑机组限值、爬坡速率、滚动发电计划情况下及满足系统安全稳定运行的基础上，按节能减排最优原则自动安排各机组实际发电计划，提前预测消除预测值和计划值的偏差。同时，实时调度是协调调度计划和AGC控制以及网络安全的一个承上启下的环节，它负责修正上一级的偏差，遗留的偏差由下一级来修正，体现了一种“多级协调、逐级细化”的思想。

传统的有功实时调度方法一般都是建立在精确模型的基础上，而实际电力系统受外界干扰、环境变化等因素影响，常常具有很大的时变性和不确定性。由于这些不确定性的存在，按照传统的精确模型得到的最优控制在实际上往往不能保持最优，有时甚至变得不可行。因此，本文采用基于模型预测控制的有功实时调度方法来解决这一问题。

模型预测控制的本质是一类基于模型的有限时域闭环最优控制算法。在每一采样周期，基于过程预测模型的未来状态或输出预测结果，控制器以当前时刻的系统状态作为控制的初始状态，通过在线滚动求解一个有限时长的最优控制问题从而获得当前的控制行为，使得未来输出与参考轨迹之差最小。其以有限时段的反复滚动优化代替最优控制的一次离线全局优化，以时段最优代替全局最优，使得模型预测控制能够处理动态特性变化和存在不确定因素的复杂系统，可有效克服过程的不确定性、非线性和时变性，提高控制的精度。

发明内容

本发明的目的是提出一种基于模型预测控制的大电网有功实时调度方法，改善传统有功实时调度处理动态特性变化和存在不确定因素的复杂系统效果较差的问题，以进一步降低电网运行风险，提高运行经济性。

本发明提出的基于模型预测控制的大电网有功实时调度方法，包括以下步骤：

（1）在当前采样时刻t₀，超短期负荷预测模型根据大电网的历史信息，计算得到大电网的未来设定时段内的负荷输出；

（2）为大电网自动发电控制机组设定一个发电控制目标值 $p_{i,t}^{\mathrm{AGC}},$ $p_{i,t}^{\mathrm{AGC}}=\left\{\begin{array}{c}{p}_{i,t},k_{\min }{C}^{\mathrm{AGC}}\&le;p_{i,t}\&le;k_{\max }{C}^{\mathrm{AGC}}\\ k_{\min }{C}^{\mathrm{AGC}},p_{i,t}<k_{\min }{C}^{\mathrm{AGC}}\\ k_{\max }{C}^{\mathrm{AGC}},p_{i,t}>k_{\max }{C}^{\mathrm{AGC}}\end{array}\right.$

其中，为t时段AGC机组的计划出力。k_max、k_min分别为AGC机组调整裕度的上、下限系数；C^AGC为AGC机组的容量，p_i，t为AGC机组的实际出力值；

（3）采用基于预测控制的偏差调整最小的有功实时调度模型，计算未来设定时段内的大电网实时调度机组的发电机出力计划如下：

$\left\{\begin{array}{c}{f}_0\left(p_{i,t}\right)=\min \underset{t=t_0+1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}{r}_i|p_{i,t}-p_{i,t}^{\mathrm{roll}}|\\ s.t.D_t=g(D_{t-1},D_{t-2},\&CenterDot;\&CenterDot;\&CenterDot;D_{t-N}),t=t_0+1,\&CenterDot;\&CenterDot;\&CenterDot;,T---\left(1.1\right)\\ \underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}{p}_{i,t}+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}{p}_{k,t}^{\mathrm{roll}}+\underset{j\&Element;G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}=D_t---\left(1.2\right)\\ \underset{\&OverBar;}{p_i}\&le;p_{i,t}\&le;\stackrel{\&OverBar;}{p_i}---\left(1.3\right)\\ p_{i,t-1}-\mathrm{\&Delta;p}{d}_i{T}_5\&le;p_{\mathrm{it}}\&le;p_{i,t-1}+\mathrm{\&Delta;p}{u}_i{T}_5---\left(1.4\right)\\ \underset{\&OverBar;}{{\mathrm{TL}}_l}\&le;\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{li}}{p}_{i,t}\right)+\underset{j\&Element;G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lj}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}\right)+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lk}}{p}_{k,t}^{\mathrm{roll}}\right)\&le;\stackrel{\&OverBar;}{{\mathrm{TL}}_l},l=1,\&CenterDot;\&CenterDot;\&CenterDot;,L---\left(1.5\right)\end{array}\right.$

其中，r_i是大电网实时调度机组中第i台发电机当前的发电单位调整成本，i∈G_rt，p_i，t和p_i，t-1分别为第i台发电机在未来设定时段内的第t时刻及第t-1时刻的有功出力值，为第i台发电机在未来设定时段内的第t时刻的滚动计划值，和p_i分别为第i台发电机的有功出力的上限和下限；

Δpd_i和Δpu_i分别为第i台发电机的向下和向上的爬坡率；

T₅代表调度的设定采样步长；

为大电网自动发电控制机组中第j台发电机的目标出力值，为大电网滚动计划机组中第k台发电机在未来设定时段内的第t时刻的滚动计划值；

G_rt为大电网实时调度机组中的发电机台数；G_AGC为大电网自动发电控制机组中的发电机台数；G_roll为大电网滚动计划机组中的发电机台数；

s_li为大电网中第i台发电机对预测控制的偏差调整最小的有功实时调度模型中第l个断面的灵敏度；

D_t为在未来设定时段内的第t时刻的系统负荷需求；g(D_t-1，D_t-2，…D_t-N)为大电网负荷预测功能函数；

t₀为调度中未来设定时段的初始时刻；T为调度中未来设定时段的终止时刻；

TL_l和分别代表第l个断面的功率传输下限和功率传输上限；L为预测控制的偏差调整最小的有功实时调度模型中安全断面的个数；

约束条件（1.1）代表大电网负荷预测功能函数；（1.2）代表大电网发电负荷平衡约束；（1.3）代表大电网中实时调度机组中的发电机出力限值约束；（1.4）代表大电网中实时调度机组中的发电机爬坡速率约束；（1.5）代表预测控制的偏差调整最小的有功实时调度模型中的断面安全约束；

（4）将上述步骤（3）中计算得到的作为指令下发给大电网实时调度机组中的发电机，到下一采样时刻，重复步骤（1）—（4）。

本发明提出的基于模型预测控制的大电网有功实时调度方法，为了防止模型失配和环境干扰引起控制对理想状态的偏离，每次只将第一个时段的计划值下发。到下一采样时刻，以发电机的实际出力值为基点，重新进行滚动优化，如此循环进行。本发明方法通过在有功实时调度过程中引入模型预测理论，可较好地解决传统有功实时调度处理动态特性变化和存在不确定因素的复杂系统效果较差的问题，超前地消除负荷预测偏差及其他偏差影响。本发明方法降低了电网运行风险，提高了电网运行的经济性。

附图说明

图1是本发明方法的流程框图。

具体实施方式

本发明提出的基于模型预测控制的大电网有功实时调度方法，其流程框图如图1所示，包括以下步骤：

（1）在当前采样时刻t₀，超短期负荷预测模型根据大电网的历史信息，计算得到大电网的未来设定时段内的负荷输出；

本步骤中，负荷预测模型根据对象的历史信息和未来输入，预测其未来输出。预测模型具有展示系统未来动态行为的功能。这样，就可以利用预测模型为MPC的优化提供先验知识，从而决定采用何种控制输入，使未来时刻系统的输出变化符合预期的目标。

（2）为大电网自动发电控制机组设定一个发电控制目标值 $p_{i,t}^{\mathrm{AGC}},$ $p_{i,t}^{\mathrm{AGC}}=\left\{\begin{array}{c}{p}_{i,t},k_{\min }{C}^{\mathrm{AGC}}\&le;p_{i,t}\&le;k_{\max }{C}^{\mathrm{AGC}}\\ k_{\min }{C}^{\mathrm{AGC}},p_{i,t}<k_{\min }{C}^{\mathrm{AGC}}\\ k_{\max }{C}^{\mathrm{AGC}},p_{i,t}>k_{\max }{C}^{\mathrm{AGC}}\end{array}\right.$

其中，为t时段AGC机组的计划出力。k_max、k_min分别为AGC机组调整裕度的上、下限系数；C^AGC为AGC机组的容量，p_i，t为AGC机组的实际出力值；

在电力系统的调度过程中，会不断发生各种意外事件，例如负荷偏差、发电机非计划停机、线路过负荷等。因此，实时调度不仅需要与滚动计划协调，还需要与AGC控制相协调，对AGC系统起到辅助调节的作用。实时调度负责规律性的幅度较大的负荷的功率分配，而AGC控制负责幅值较小的负荷快速随机变化。因此，实时调度要给AGC控制保留一定的调整空间，以满足偏差校正的需要。

（3）采用基于预测控制的偏差调整最小的有功实时调度模型，计算未来设定时段内的大电网实时调度机组的发电机出力计划如下：

$\left\{\begin{array}{c}{f}_0\left(p_{i,t}\right)=\min \underset{t=t_0+1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}{r}_i|p_{i,t}-p_{i,t}^{\mathrm{roll}}|\\ s.t.D_t=g(D_{t-1},D_{t-2},\&CenterDot;\&CenterDot;\&CenterDot;D_{t-N}),t=t_0+1,\&CenterDot;\&CenterDot;\&CenterDot;,T---\left(1.1\right)\\ \underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}{p}_{i,t}+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}{p}_{k,t}^{\mathrm{roll}}+\underset{j\&Element;G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}=D_t---\left(1.2\right)\\ \underset{\&OverBar;}{p_i}\&le;p_{i,t}\&le;\stackrel{\&OverBar;}{p_i}---\left(1.3\right)\\ p_{i,t-1}-\mathrm{\&Delta;p}{d}_i{T}_5\&le;p_{\mathrm{it}}\&le;p_{i,t-1}+\mathrm{\&Delta;p}{u}_i{T}_5---\left(1.4\right)\\ \underset{\&OverBar;}{{\mathrm{TL}}_l}\&le;\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{li}}{p}_{i,t}\right)+\underset{j\&Element;G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lj}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}\right)+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lk}}{p}_{k,t}^{\mathrm{roll}}\right)\&le;\stackrel{\&OverBar;}{{\mathrm{TL}}_l},l=1,\&CenterDot;\&CenterDot;\&CenterDot;,L---\left(1.5\right)\end{array}\right.$

其中，r_i是大电网实时调度机组中第i台发电机当前的发电单位调整成本，i∈G_rt，p_i，t和p_i，t-1分别为第i台发电机在未来设定时段内的第t时刻及第t-1时刻的有功出力值，为第i台发电机在未来设定时段内的第t时刻的滚动计划值，和p_i分别为第i台发电机的有功出力的上限和下限；

Δpd_i和Δpu_i分别为第i台发电机的向下和向上的爬坡率；

T₅代表调度的设定采样步长；

为大电网自动发电控制机组中第j台发电机的目标出力值，为大电网滚动计划机组中第k台发电机在未来设定时段内的第t时刻的滚动计划值；

G_rt为大电网实时调度机组中的发电机台数；G_AGC为大电网自动发电控制机组中的发电机台数；G_roll为大电网滚动计划机组中的发电机台数；

s_li为大电网中第i台发电机对预测控制的偏差调整最小的有功实时调度模型中第l个断面的灵敏度；

D_t为在未来设定时段内的第t时刻的系统负荷需求；g(D_t-1，D_t-2，…D_t-N)为大电网负荷预测功能函数；

t₀为调度中未来设定时段的初始时刻；T为调度中未来设定时段的终止时刻；

TL_l和分别代表第l个断面的功率传输下限和功率传输上限；L为预测控制的偏差调整最小的有功实时调度模型中安全断面的个数；

约束条件（1.1）代表大电网负荷预测功能函数；（1.2）代表大电网发电负荷平衡约束；（1.3）代表大电网中实时调度机组中的发电机出力限值约束；（1.4）代表大电网中实时调度机组中的发电机爬坡速率约束；（1.5）代表预测控制的偏差调整最小的有功实时调度模型中的断面安全约束；

（4）在通过优化确定了一系列未来的发电机出力计划{p_i，t，t＝t₀+1，…，T}后，为了防止模型失配和环境干扰引起控制对理想状态的偏离，只将上述步骤（3）中计算得到的作为指令下发给大电网实时调度机组中的发电机，到下一采样时刻，重复步骤（1）-（4）。

本发明方法的一个实施例中，以5分钟为一个调度时段，15分钟为一个调度周期。

Claims (1)

1.一种基于模型预测控制的大电网有功实时调度方法，其特征在于该方法包括以下步骤：

(1)在当前采样时刻t₀，超短期负荷预测模型根据大电网的历史信息，计算得到大电网的未来设定时段内的负荷输出；

(2)为大电网自动发电控制机组设定一个发电控制目标值

$p_{i,t}^{\mathrm{AGC}}=\left\{\begin{array}{c}{p}_{i,t},k_{\min }{C}^{\mathrm{AGC}}\&le;p_{i,t}\&le;k_{\max }{C}^{\mathrm{AGC}}\\ k_{\min }{C}^{\mathrm{AGC}},p_{i,t}{<k}_{\min }{C}^{\mathrm{AGC}}\\ k_{\max }{C}^{\mathrm{AGC}},p_{i,t}>k_{\max }{C}^{\mathrm{AGC}}\end{array}\right.$

其中，为t时段AGC机组的计划出力，k_max、k_min分别为AGC机组调整裕度的上、下限系数；C^AGC为AGC机组的容量，p_i,t为AGC机组的实际出力值；

(3)采用基于预测控制的偏差调整最小的有功实时调度模型，计算未来设定时段内的大电网实时调度机组的发电机出力计划如下：

$\left\{\begin{array}{cc}{f}_0\left(p_{i,t}\right)=\min \underset{t=t_0+1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}{r}_i|p_{i,t}-p_{i,t}^{\mathrm{roll}}|& \\ s.t.D_t=g(D_{t-1},D_{t-2},...D_{t-N}),t=t_0+1,...,T& \left(1.1\right)\\ \underset{i{\&Element;}_G\mathrm{rt}}{\mathrm{\&Sigma;}}{p}_{i,t}+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}{p}_{k,t}^{\mathrm{roll}}+\underset{j=G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}=D_t& \left(1.2\right)\\ \underset{\&OverBar;}{p_i}\&le;p_{i,t}\&le;\stackrel{\&OverBar;}{p_i}& \left(1.3\right)\\ p_{i,t-1}-\mathrm{\&Delta;}{\mathrm{pd}}_i{T}_5\&le;p_{\mathrm{it}}\&le;p_{i,t-1}+\mathrm{\&Delta;}{\mathrm{pu}}_i{T}_5& \left(1.4\right)\\ \underset{\&OverBar;}{{\mathrm{TL}}_l}\&le;\underset{i\&Element;G_{\mathrm{rt}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{li}}{p}_{i,t}\right)+\underset{j\&Element;G_{\mathrm{AGC}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lj}}{p}_{\mathrm{jt}}^{\mathrm{AGC}}\right)+\underset{k\&Element;G_{\mathrm{roll}}}{\mathrm{\&Sigma;}}\left(s_{\mathrm{lk}}{p}_{k,t}^{\mathrm{roll}}\right)\&le;\stackrel{\&OverBar;}{{\mathrm{TL}}_l},l=1,...,L& \left(1.5\right)\end{array}\right.$

其中，r_i是大电网实时调度机组中第i台发电机当前的发电单位调整成本，i∈G_rt，

p_i,t和p_i,t-1分别为第i台发电机在未来设定时段内的第t时刻及第t-1时刻的有功出力值，为第i台发电机在未来设定时段内的第t时刻的滚动计划值，和分别为第i台发电机的有功出力的上限和下限；

Δpd_i和Δpu_i分别为第i台发电机的向下和向上的爬坡率；

T₅代表调度的设定采样步长；

为大电网自动发电控制机组中第j台发电机的目标出力值，为大电网滚动计划机组中第k台发电机在未来设定时段内的第t时刻的滚动计划值；

G_rt为大电网实时调度机组中的发电机台数；G_AGC为大电网自动发电控制机组中的发电机台数；G_roll为大电网滚动计划机组中的发电机台数；

s_li为大电网中第i台发电机对预测控制的偏差调整最小的有功实时调度模型中第l个断面的灵敏度；

D_t为在未来设定时段内的第t时刻的系统负荷需求；g(D_t-1,D_t-2,...D_t-N)为大电网负荷预测功能函数；

t₀为调度中未来设定时段的初始时刻；T为调度中未来设定时段的终止时刻；

和分别代表第l个断面的功率传输下限和功率传输上限；L为预测控制的偏差调整最小的有功实时调度模型中安全断面的个数；

约束条件(1.1)代表大电网负荷预测功能函数；(1.2)代表大电网发电负荷平衡约束；(1.3)代表大电网中实时调度机组中的发电机出力限值约束；(1.4)代表大电网中实时调度机组中的发电机爬坡速率约束；(1.5)代表预测控制的偏差调整最小的有功实时调度模型中的断面安全约束；

(4)将上述步骤(3)中计算得到的作为指令下发给大电网实时调度机组中的发电机，到下一采样时刻，重复步骤(1)—(4)。