CN104485690B - 一种基于多阶段动态规划的电网多源调峰方法 - Google Patents

Abstract

本发明公开一种基于多阶段动态规划的电网多源调峰方法，对电力系统内多种电源联合调峰运行时，建立1天内的多阶段动态规划模型，包括以下步骤：步骤1)根据电网实际运行情况及网内多种电源运行特性，得到等效日负荷曲线；步骤2)计算各个调峰机组单位容量调峰成本；步骤3)以系统1天内运行费用最低为优化目标，建立多阶段动态规划目标函数；步骤4)根据电力系统实际运行状态，列出电网运行约束条件,根据各类发电机组的运行特性列出多种电源约束条件；步骤5)应用蚁群算法，对步骤3)中的目标函数进行求解，得到最优的多源调峰负荷分配方案。符合实际电网运行要求，并采用蚁群算法进行全局搜索求解，使该算法更适合实用化。

Description

一种基于多阶段动态规划的电网多源调峰方法

技术领域

本发明属于电力系统运行与优化技术领域，具体涉及一种基于多阶段动态规划的电网多源调峰方法，特别是一种包含水电、火电、核电、抽水蓄能机组的多阶段动态调峰优化方法。

背景技术

随着核电在电网中比重的增长以及负荷峰谷差的日益增大，电力系统调峰形势越来越严峻，对核电机组参与电网调峰的需求日益增强，传统机组的爬坡速率往往不能满足可再生能源带来的大幅度、短时的功率波动要求，各种电源间的联合运行和协调控制成为现代电网运行中的关键问题，是保证电网安全、稳定、经济运行的必要手段。在核电参与电网调峰运行前提下，如何对多电源联合调峰问题进行优化是电网急需解决的问题之一。电力系统内多种电源投入运行后，由于风、光等新能源具有随机性、波动性等反调峰特性，电力系统调峰问题必然受到巨大考验，急需找到核电参与调峰前提下，多种电源联合调峰运行的优化方法，以满足未来电网调峰需要。研究一种基于多阶段动态规划的电网多源调峰方法具有重大现实意义。

目前，关于多种电源联合调峰优化的研究主要体现在以下方面。

(1)在优化建模方面，主要考虑的电源类型为水电、火电的联合调峰，也有考虑抽水蓄能、风电对调峰的影响，关于核电参与电网调峰运行前提下的多电源联合调峰运行优化鲜有研究。

(2)在优化目标方面，多为以一定周期内网内电源总运行成本最小为优化目标，以保证电力系统以最安全、稳定、经济的调峰方式进行调峰优化。

(3)在约束条件方面，通常是在有功功率平衡的基础上，主要考虑各类发电机组的运行特性、电网安全稳定运行约束、实际工程约束等，模型多较为复杂，具有求解困难、收敛率低等问题。

发明内容

本发明的目的在于提供一种基于多阶段动态规划的电网多源调峰方法。本发明采用的方法对含有水电、火电、核电、抽水蓄能电站的多源电网进行建模优化，通过对各类电源调峰运行特性的分析，给出相应约束条件，并给出实际电网运行的相关约束，最后通过蚁群算法进行求解。本发明采用的方法，能够有效的解决核电参与的多电源联合调峰动态优化问题，具有重大现实意义。

为实现本发明的目的所采用的技术方案是：

一种基于多阶段动态规划的电网多源调峰方法，对电力系统内多种电源联合调峰运行时，建立1天内的多阶段动态规划模型，在有功功率平衡的基础上，结合各类发电机组运行约束及电网运行约束条件；采用蚁群算法进行求解多源最优调峰方案；

包括以下步骤：

步骤1)根据电网实际运行情况及网内多种电源运行特性，得到等效日负荷曲线；

步骤2)计算各个调峰机组单位容量调峰成本；

步骤3)以系统1天内运行费用最低为优化目标，建立多阶段动态规划目标函数；

步骤4)根据电力系统实际运行状态，列出电网运行约束条件,根据各类发电机组的运行特性列出多种电源约束条件；

步骤5)应用蚁群算法，对步骤3)中的目标函数进行求解，得到最优的多源调峰负荷分配方案。

本发明采用的方法，可以有效的求解核电参与调峰前提下的多电源联合调峰优化问题，具有实际应用价值。

本发明的特点及与现有调峰优化方法的根本区别是：(1)首次考虑核电参与电网调峰前提下的多电源联合调峰问题的优化，并考虑多阶段动态优化规划建模，求取1天内最优调峰方案；(2)优化目标为单位时间内总运行成本最小，考虑火电运行煤耗及水、火、核电、抽水蓄能调峰成本，其中各机组单位容量调峰成本按定值计算，使优化目标更清晰，计算更简化；(3)在优化目标的约束方面，考虑水电、火电、核电、抽水蓄能电站的各类等式与不等式约束，考虑电网实际运行的各类约束，具有实际应用价值；(4)在优化目标的求解方面，采用蚁群算法进行全局搜索求取最优解，将目标函数转化为TSP问题寻找最优路径，可在复杂约束条件下求取多阶段动态优化目标；上述方法可有效求解核电参与调峰运行前提下的多电源联合调峰优化问题，提高了基于多阶段动态规划的电网多源调峰方法的有效性与实用性。

本发明的优点是：

1.本发明考虑核电参与电网调峰运行。随着越来越多不具备调峰能力的新能源接入电力系统，且核电所占比例越来越大，电网将面临更大的调峰考验，核电参与电网调峰运行迫在眉睫，本方法考虑核电参与电网调峰的基础上，考虑了核电自身的安全及经济影响，安排核电按“12-3-6-3”的出力方式运行，符合核电安全运行要求，对电网调峰有较好影响。

2.本发明建立的模型为多阶段动态规划模型。本模型考虑全天24个时段多阶段的动态优化，各个时段之间相互耦合关联，先求解各类机组单位容量调峰成本，模型求解难度小，且能有效的对全天的调峰负荷进行最优化分配。

3.本发明便于实用化。本模型所考虑约束包括电力系统实际运行约束、各类电源运行约束等，符合实际电网运行要求，并采用蚁群算法进行全局搜索求解，这些特点使该算法更适合实用化。

附图说明

图1是基于多阶段动态规划的电网多源调峰方法具体流程图；

图2是某区域电网等效日负荷曲线；

图3是网内调峰电源单位容量调峰成本曲线；

图4是典型的核电机组日负荷跟踪模式；

图5是蚁群路径搜索实例；

图6是蚁群算法状态转移空间图；

图7是调峰优化结果。

具体实施方式

下面结合附图和实施例对本发明的实施方式做进一步详细说明。

一种基于多阶段动态规划的电网多源调峰方法，对电力系统内多种电源联合调峰运行时，建立1天内的多阶段动态规划模型，在有功功率平衡的基础上，结合各类发电机组运行约束及电网运行约束条件；采用蚁群算法进行求解多源最优调峰方案；

包括以下步骤：

步骤1)根据电网实际运行情况及网内多种电源运行特性，得到等效日负荷曲线；

步骤2)计算各个调峰机组单位容量调峰成本；

步骤3)以系统1天内运行费用最低为优化目标，建立多阶段动态规划目标函数；

步骤4)根据电力系统实际运行状态，列出电网运行约束条件,根据各类发电机组的运行特性列出多种电源约束条件；

步骤5)应用蚁群算法，对步骤3)中的目标函数进行求解，得到最优的多源调峰负荷分配方案。

所述步骤3)中的多阶段动态规划，是指：1天内各类电源各个时间段内的负荷分配规划，各时间段之间相互关联耦合。

所述多源调峰包含以下电源：水电、火电、核电、抽水蓄能4类电源，且4类电源共同参与电网调峰运行。

所述的最优调峰方案，是指：寻求系统总的运行成本最低的调峰方案，包括火电煤耗量和调峰产生的费用。

所述步骤2)中的各个调峰机组单位容量调峰成本，包括：

a.常规压负荷调峰不计入调峰成本，单位容量调峰成本指高成本调峰的成本；

b.高成本调峰包括常规火电机组深度调峰、核电调峰、抽水蓄能调峰、火电机组启停调峰、水电弃水调峰。

所述步骤3)的系统1天内运行费用最低的优化目标，是指：

a.不考虑常规水电、核电、抽水蓄能机组的发电成本，运行费用包括常规火电机组发电成本与水电、火电、核电、抽水蓄能机组的调峰运行成本；

b.优化目标为：式1

式1中，6项子式依次代表：火电机组发电成本、核电机组调峰成本、水电机组弃水调峰成本、火电机组深度调峰成本、火电机组启停调峰成本、抽水蓄能机组调峰成本；为i火电机组t时段的发电成本，m₀为火电机组总数；为i核电机组t时段调峰负荷量，C_N,i为i核电机组单位容量调峰成本，m₁为核电机组总数；为i水电站t时段弃水电量，C_H,i为i水电站单位弃水电量成本，m₂为水电站总数；为i火电机组t时段深度调峰容量，C_T,i为i火电机组深度调峰单位容量调峰成本，m₃为参与深度调峰的火电机组数量；为i火电机组t时段关停容量，需从其深度调峰下限往下减，C_TOf,i为i火电机组开停单位容量成本，m₄为参与启停调峰的火电机组数量；为i抽水蓄能电厂t时段的调峰容量，C_Pu,i为i抽水蓄能电厂单位容量调峰成本，m₅为抽水蓄能电厂数量。

所述步骤4)具体包括：

a.电网运行系统约束；

①功率平衡方程：

式2

式2中：左侧4项依次为火电机组t时段出力、核电机组t时段出力、水电机组t时段出力、抽水蓄能机组t时段出力，为发电功率，为抽水功率，为全网等效日负荷；

②规避频率越限风险约束：

式3

式3中：G₁为低负荷时要求规避频率越限风险约束的百万千瓦容量机组集合，P_i,N是机组i的额定容量；

③电网输电断面功率约束：

式4

式4中：G_2,k为输电断面k定义的机组组合，P_L,max,k为输电断面k最大输送有功功率；

④网络安全约束：

式5

式5中：为支路l在时刻t_k的传输功率，为支路l的传输功率最大值；

b.常规水电站约束；

①日水量平衡方程：

式6

式6中：Q_t为所有水电站在t时段的总放水量，q_it为第i个水电站在时段t的发电用水量，s_t为所有水电站在时段t的弃水量。

②水电站出力约束：

式7

式7中：为水电站i的最小发电功率，为水电站i的最大发电功率；

③水电站发电流量约束：

式8

式8中：为水单站i的最小发电流量，为水电站i的最大发电流量；

④水库水位约束：

式9

式9中：为水电站i的最小水位，为水电站i的最大水位；

c.火电机组约束；

①机组出力上下限约束：

式10

式10中：为火电机组i在时段t的出力，分别为火电机组i的最小和最大技术出力。

②机组最小开机、停机时间约束：

最小停运时间约束： 式11

最小运行时间约束： 式12

式11、12中：为火电机组i在时段t的状态变量，表示已经开或关了几个时段，表示关机停运，表示开机运行，MDT_i表示停运的最小时间，MOT_i表示运行的最小时间。

③机组爬坡速度约束：

式13

式13中：为i火电机组降负荷出力时的调节速率约束，为i火电机组升负荷出力时的爬坡速率约束；

④机组出力持续最小时间段：

式14

式14中：表示火电机组出力保持恒定，表示出力发生变化，T_i,min为出力持续最小时间。

d.核电机组约束；

①核电调峰特性约束：

由核电自身特性影响，仅安排其进行形如“12-3-6-3”出力方式的负荷跟踪运行；

②核电调峰深度约束：

η_i≤η_max 式15

式15中η_i为第i台核电机组的调峰深度，其大小由核电机组自身性能要求、安全因素及专家建议决定，一般取额定容量的50％；

③核电调峰速度约束：

ρ_min≤ρ_i≤ρ_max 式16

式16中ρ_i为第i台核电机组增减功率的速度；

e.抽水蓄能机组约束；

①上水库水量平衡约束，

式17

式17中：分别为第t时间段始、末抽水蓄能电厂i的上水库蓄水量，为第t时段上水库蓄水量的变化量；

②上水库水位Z和蓄水量S的约束，

式18

式19

式18、19中：分别为抽水蓄能电站水库的最小、最大水位， 分别为抽水蓄能电站水库的最小、最大蓄水量；

③抽水蓄能机组的出力约束，

在发电工况下，需满足 式20

在抽水工况下，需满足 式21

式20中：分别为抽水蓄能机组i的最大、最小发电功率，式21中：分别为抽水蓄能机组i最大、最小抽水功率。

应用蚁群算法，对步骤3)中的目标函数进行求解如下：

a.将目标函数转化为一个多阶段搜索问题，从0时段到24时段，寻找一组运行费用最小的调峰方案，对应于TSP问题中搜索一条最短路径；

b.约束条件处理，包括等式约束与不等式约束，以便于计算；

c.根据各机组单位容量调峰成本对机组进行排序，应用蚁群算法从初始状态开始进行全局搜索，寻找最优解。

所述的得到最优的调峰负荷分配方案，是指：满足各类约束前提下，总的运行费用最小；若考虑核电特殊性，系统优先安排抽水蓄能机组调峰，可将核电机组单位容量调峰成本调至高于抽水蓄能机组单位容量调峰成本，即可得到最优调峰方案。

图1是基于多阶段动态规划的电网多源调峰方法具体流程图。流程图与本发明的实施方式的基本步骤是一致的。首先，根据电网实际运行情况及网内电源运行特性，得到等效日负荷曲线；再计算各调峰机组单位容量调峰成本；以系统1天内运行费用最低为优化目标，建立多阶段动态规划目标函数；根据电力系统实际运行状态，列写电网运行约束条件,根据各类发电机组的运行特性列写电源约束条件；应用蚁群算法，对目标函数进行求解，得到最优的调峰负荷分配方案。

图2是某区域电网等效日负荷曲线。即本算例采用的电网日负荷曲线，该地区电网内包含水电、火电、核电、抽水蓄能4类电源，发电负荷16890MW，峰谷差6824MW，旋转备用850MW，核电装机容量2*1250MW，约占总装机容量的10％左右，水电调峰装机2100MW，火电深度调峰容量3500MW，抽水蓄能装机600MW，外区送电550MW。

图3是网内调峰电源单位容量调峰成本曲线。根据各类电源运行特性，经过计算得到各类有偿调峰手段的单位容量调峰成本。

图4是典型的核电机组日负荷跟踪模式。根据该图可以更直观的看出核电机组调峰特性，列写相关约束条件。

图5是蚁群路径搜索实例。即为蚁群发现最短路径的原理和机制，假设D和H之间、B和H之间以及B和D之间(通过C的)距离为1，C位于D和B的中央(见图5(a))。现在我们考虑在等间隔等离散世界时间点(t＝0,1,2…)的蚁群系统情况。假设每单位时间有30只蚂蚁从A到B，另三十只蚂蚁从E到D，其行走速度都为1(一个单位时间所走距离为l)，在行走时，一只蚂蚁可在时刻t留下浓度为1的信息素。为简单起见，设信息素在时间区间(t+1，t+2)的中点(t+1.5)时刻瞬时完全挥发。在t＝0时刻无任何信息素，但分别有30只蚂蚁在B、30只蚂蚁在D等待出发。它们选择走哪一条路径是完全随机的，因此在两个节点上蚁群可各自一分为二，走两个方向。但在t＝1时刻，从A到B的30只蚂蚁在通向H的路径上(见图5(b)发现一条浓度为15的信息素，这是由,15只从B走向H的先行蚂蚁留下来的；而在通向C的路径上它们可以发现一条浓度为30的信息素路径，这是由15只走向BC的路径的蚂蚁所留下的气息与15只从D经C到达B留下的气息之和(见图5(c))。这时，选择路径的概率就有了偏差，向C走的蚂蚁数将是向H走的蚂蚁数的2倍。对于从E到D来的蚂蚁也是如此。这个过程一直会持续到所有的蚂蚁最终都选择了最短的路径为止。

图6是蚁群算法状态转移空间图。先做如下定义：

状态：一些调峰手段投入而另一些不投入，即当前时刻采取的调峰手段的组合构成一个状态。

决策：从某时段的调峰手段组合到下一个时段调峰手段的确定，即从一个状态到下一个状态形成一个决策。

由于在蚁群优化算法中，蚂蚁从某个城市出发最终又回到该城市，构成一条封闭路径，对于电网调峰优化问题，作如下定义：

路径：全天24小时所有时段的调峰手段集合，每个小时任取调峰手段组合状态，这样形成的决策集合为一条路径。

由上述概念可得，机组联合调峰的优化问题可以转化为一个多阶段搜索问题。图中0时刻为初始时段，只有一个状态(各类电源机组初始状态已知)，进入时刻1时又几种备选状态，从时刻0的状态到时刻1的任意状态称为决策，不同决策将导致运行费用的差别，我们的目标就是寻找一个从0时刻到24时刻的全天决策集合，即一条路径，使得总的决策费用最小，对应于TSP问题中搜索一条最短路径。需要注意的是，由于受到各类约束限制，各时段的决策及决策数并不完全相同。

根据上述概念，调峰电源的优化问题可以转化为一个多阶段搜索问题，如图6所示。采用蚁群算法具体步骤如下：

a.确定蚁群算法模型；

b.设定初始状态、搜索策略、路径长度；

c.根据策略选择下一状态；

d.如果满足停止搜索判据，则迭代停止，输出问题的最优解，否则，转向e；

e.更新路径信息量、累加路径长度，继续迭代转向b。

图7是核电与水、火、抽水蓄能联合调峰优化的结果图。首先确定负荷最大点的机组调峰状态，即初始状态；然后依次向两边进行迭代，在约束条件的约束下，找出最优的调峰手段组合，即搜索策略；给定核电不同调峰深度，不同核电调峰深度有不同的优化结果，不断迭代找到最优的核电调峰深度，最终得到最优的调峰结果。

由于最优化调峰结果是在各类约束条件下迭代完成，从图中可以看出，火电出力平稳，无机组启停；水电出力帮组爬坡，高峰时段接近满出力，无弃水；抽水蓄能低谷蓄水，高峰发电，且仅高峰、低谷参与调峰；核电调峰深度为0.3，全天出力率较高。全天总的运行成本为最优化结果，

可见，采用本发明提出的多阶段动态规划的电网多源调峰方法可以有效解决包含水电、火电、核电、抽水蓄能机组的多阶段动态调峰优化问题，给出最优的调峰方案。

Claims (7)

1.一种基于多阶段动态规划的电网多源调峰方法，其特征在于，对电力系统内多种电源联合调峰运行时，建立1天内的多阶段动态规划模型，在有功功率平衡的基础上，结合各类发电机组运行约束及电网运行约束条件；采用蚁群算法进行求解多源最优调峰方案；

包括以下步骤：

步骤1)根据电网实际运行情况及网内多种电源运行特性，得到等效日负荷曲线；

步骤2)计算各个调峰机组单位容量调峰成本；

步骤3)以系统1天内运行费用最低为优化目标，建立多阶段动态规划目标函数；

所述步骤3)的系统1天内运行费用最低的优化目标，是指：

a.不考虑常规水电、核电、抽水蓄能机组的发电成本，运行费用包括常规火电机组发电成本与水电、火电、核电、抽水蓄能机组的调峰运行成本；

b.优化目标为：式1

$\begin{array}{c}J=\\ \min \left(\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_0}{\Σ}}{f}_i\right(P_{T,i}^t)+\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_1}{\Σ}}(g_{N,i}^t\·C_{N,i})+\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_2}{\Σ}}(g_{H,i}^t\·C_{H,i})+\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_3}{\Σ}}(g_{T,i}^t\·C_{T,i})+\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_4}{\Σ}}(g_{TOf,i}^t\·C_{TOf,i})+\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{m_5}{\Σ}}(g_{Pu,i}^t\·C_{Pu,i}\left)\right)\end{array}$

式1中，6项子式依次代表：火电机组发电成本、核电机组调峰成本、水电机组弃水调峰成本、火电机组深度调峰成本、火电机组启停调峰成本、抽水蓄能机组调峰成本；为i火电机组t时段的发电成本，m₀为火电机组总数；为i核电机组t时段调峰负荷量，C_N,i为i核电机组单位容量调峰成本，m₁为核电机组总数；为i水电站t时段弃水电量，C_H,i为i水电站单位弃水电量成本，m₂为水电站总数；为i火电机组t时段深度调峰容量，C_T,i为i火电机组深度调峰单位容量调峰成本，m₃为参与深度调峰的火电机组数量；为i火电机组t时段关停容量，需从其深度调峰下限往下减，C_TOf,i为i火电机组开停单位容量成本，m₄为参与启停调峰的火电机组数量；为i抽水蓄能电厂t时段的调峰容量，C_Pu,i为i抽水蓄能电厂单位容量调峰成本，m₅为抽水蓄能电厂数量；

步骤4)根据电力系统实际运行状态，列出电网运行约束条件,根据各类发电机组的运行特性列出多种电源约束条件；

步骤5)应用蚁群算法，对步骤3)中的目标函数进行求解，得到最优的多源调峰负荷分配方案。

2.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：步骤3)中的多阶段动态规划，是指：1天内各类电源各个时间段内的负荷分配规划，各时间段之间相互关联耦合。

3.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：所述多源调峰包含以下电源：水电、火电、核电、抽水蓄能4类电源，且4类电源共同参与电网调峰运行。

4.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：所述的最优调峰方案，是指：寻求系统总的运行成本最低的调峰方案，包括火电煤耗量和调峰产生的费用。

5.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：所述步骤2)中的各个调峰机组单位容量调峰成本，包括：

a.常规负荷调峰不计入调峰成本，单位容量调峰成本指高成本调峰的成本；

b.高成本调峰包括常规火电机组深度调峰、核电调峰、抽水蓄能调峰、火电机组启停调峰、水电弃水调峰。

6.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：应用蚁群算法，对步骤3)中的目标函数进行求解如下：

a.将目标函数转化为一个多阶段搜索问题，从0时段到24时段，寻找一组运行费用最小的调峰方案，对应于TSP问题中搜索一条最短路径；

b.约束条件处理，包括等式约束与不等式约束，以便于计算；

c.根据各机组单位容量调峰成本对机组进行排序，应用蚁群算法从初始状态开始进行全局搜索，寻找最优解。

7.根据权利要求1所述的一种基于多阶段动态规划的电网多源调峰方法，其特征在于：所述得到最优的多源调峰负荷分配方案是指：满足各类约束前提下，总的运行费用最小；若考虑核电特殊性，系统优先安排抽水蓄能机组调峰，可将核电机组单位容量调峰成本调至高于抽水蓄能机组单位容量调峰成本，即可得到最优调峰方案。