具体实施方式
为更进一步阐述本发明所采取的技术手段及取得的效果,下面结合附图及较佳实施例,对本发明的技术方案,进行清楚和完整的描述。
如图1所示,一种电力市场中发电机组的发电量分配方法,包括步骤:
S110、将各类型发电机组的发电量进行初始化;
S120、根据MOPSO算法对预设的目标函数进行计算,获得各类型发电机组的第一发电量,其中目标函数的变量包括各类型发电机组参与交易电量部分的总利润与污染气体排放值;
S130、根据预设的交易电量总负荷上限和各类型发电机组交易价格上限确定扰动区间,从扰动区间中选取一个数值作为适应度函数值;
S140、将各类型发电机组的第一发电量更新至第二发电量,获得各类型发电机组的第二发电量与第一发电量的各个差值;
S150、若差值与适应度函数值的和大于0,确定对应类型发电机组的发电量为第二发电量;
S160、若差值与适应度函数值的和小于0,确定对应类型发电机组的发电量为第一发电量;
S170、若差值与适应度函数值的和等于0,将第二发电量作为新的第一发电量,返回步骤S140。
在步骤S110中,发电机组的类型包括火电、水电、核电、风电等。发电量即为发电机组的直接交易电量。将发电量进行初始化就是为各个发电量赋初值。
在步骤S120中,在含水电、火电等多类型发电机组的直接交易电力市场中,综合考虑市场效率和公平、节能减排目标,建立不同类型发电机组参与电力交易的利益协调模型,即以不同类型发电机组的利润之和最大化以及污染气体排放最小为目标函数,如式(1)所示。在此仅考虑参与直接交易电量部分的总利润与污染气体排放值。
式中:
U——直接交易实施产生的社会总利润;
k——发电机组类型,k∈K;K为发电机组类型集合,包括火电、水电、核电、风电等;
Qk,i——k类型的发电机组i的发电量,即直接交易电量,i∈Ik,Ik表示k类型发电机组的集合;
Pk,i——k类型的发电机组i的直接交易电价;
Rk,i——k类型的发电机组i因提供辅助服务而得到的成本补偿;
——k类型的发电机组i在直接交易中承担的辅助服务的成本;
——k类型的发电机组i参与交易的容量成本;
——k类型的发电机组i参与交易的电量成本;
λk,i——k类型的发电机组i治理污染气体(包括CO2、NOx、SO2及烟尘等)的单位成本;
ωk,i——k类型的发电机组i的污染气体排放系数。
研究显示,上网电价是影响火电发电量的最重要因素,季度上网电价每提高1%,火电季度发电量就提高13.42%。现有技术中对水电交易电价与交易电量之间的变化关系进行了相关研究。基于现有技术,本发明建立了发电机组发电量(直接交易电量)与直接交易电价间的函数关系式,如式(2)所示:
Qk=f(Pk)=akPk 2+bkPk+ck (2)
式中:
Qk——k类型的发电机组的发电量;
Pk——k类型的发电机组的直接交易电价;
ak、bk、ck——影响直接交易电量的相关常数,可以根据历史数据模拟获得。
建立上述目标函数后,采用现有技术中已有的MOPSO算法对目标函数进行计算,获得社会总效益最大时各类型发电机组的第一发电量,即相对最优发电量,然后对相对最优发电量进行后续的处理,以获得各类型发电机组的最优发电量。
下面对几种粒子群算法做简单介绍。
标准PSO中,粒子i在搜索空间的位置和速度计算公式根据如下公式(3)和公式(4)确定:
其中,w为粒子对应的惯性权重,r1,r2为粒子的加速常数,U[a,b]表示在区间[a,b]内均匀分布的随机数。为粒子i经历过的最优位置,而为粒子i所对应的全局最好位置,与为粒子在时刻t的位置与速度。
PSO算法易早熟收敛,使得算法较早收敛于局部最优解,易陷入局部极优,该算法用于发电厂商最优发电量和最优报价策略的制定存在一定的局限性。
多目标粒子群算法(Multi-objective Particle Swarm Optimization,MOPSO):通常来说,多目标优化问题包括一些目标函数和一个等式与不等式约束,可以按公式(5)构成:
Minimizefm(x),m=1,…,Nobj
多目标优化问题中两个解之间存在支配、非劣两种关系,不能简单确定哪个解更优,因此,需结合多目标优化的特点对其进行修正。修正后的PSO算法也即多目标粒子群算法描述如下:
(1)令t=0;
(2)初始化粒子群Gt,计算各粒子对应的目标函数向量,将其中的非劣解加入到外部档案At;
(3)确定粒子的初始和初始
(4)在保证粒子在搜索空间内飞行条件下,改变粒子的速度和位置,形成Gt+1,调整粒子的
(5)根据新的非劣解维护外部档案,形成At+1,同时为每个粒子选取
(6)t=t+1,若中止条件成立,停止搜索,否则转(4)。
当种群粒子之间相差较小,且数量过大时,会造成种群多样性减少,导致最佳粒子不再变化,使算法陷入局部极值中。因此,需向种群中引入“扰动”以摆脱局部最优,并开始新的搜索,也即对新粒子位置加以筛选,避免性能增益不大粒子过多地进入候选集。
设G为种群空间,X∈G为任一粒子,X`=C(X)为粒子飞行后所处的新位置,Δ=J(X)-J(X`)是新位置和原位置的差值,δ∈[-r,r]为随机扰动。扰动执行的方法是:如果Δ`=Δ+δ>0,则保留新位置淘汰旧位置;如果Δ`<0,则淘汰新位置而保留旧位置;如果Δ`=0,则重新扰动。通过“扰动”,以一定的概率接受性能增益不大的粒子,淘汰性能增益过小的粒子,接受性能增益明显的粒子,从而避免算法陷入局部极优。
变搜索半径优化的多目标粒子群算法(RMOPSO):在MOPSO算法中引入扰动后,RMOPSO算法的流程如下:
(1)对粒子群进行初始化;
(2)利用MOPSO算法得到通用解集Sk;
(3)计算适应度函数值,保留粒子群中的最优粒子,并通过粒子位置和速度计算公式更新粒子;
(4)判断最优粒子是否满足终止条件,若满足,则输出最优解,若不满足,则进行扰动,k=k+1,并再次循环,直到满足终止条件,输出最优解。
在步骤S130中,各发电机组销售电量和电价根据实际数据获取,为保障直接交易市场的稳定有序与协调各发电机组间利益,需要对各类发电机组直接交易价格设定上限,对直接交易电量设定市场总量限制,而对每类发电机组直接交易电量是否设限需综合考虑各区域实际情况作进一步考虑。各发电机组发电成本可参考每类发电机组的平均成本数据。
式中:
δ——某区域内直接交易电量区域总负荷的百分比,可以根据政策文件确定;
Qtotal——直接交易电量区域总负荷;
——火电、水电等各类型发电机组的直接交易价格上限,可以参考上网电价的标杆电价(乘以一个系数)或者执行政府指令。
根据交易电量总负荷上限和各类型发电机组交易价格上限的约束条件,确定满足约束的最优状态随机设定的扰动区间[-r,r],然后从该扰动区间中随机选取一个数值δ作为适应度函数值。
在步骤S140中,对各类型发电机组的第一发电量进行更新,在一个实施例中,可以通过现有的粒子位置和速度计算公式将各类型发电机组的第一发电量更新至第二发电量,其中粒子位置和速度计算公式为公式(3)和公式(4)。
在采用粒子位置和速度计算公式进行更新时,各类型发电机组的发电量作为粒子,从原位置飞到新位置,原位置即发电量更新前的数值,新位置即为发电量更新后的数值。
在步骤S150至步骤S170中,比较Δ`=Δ+δ与0的大小,其中,Δ=J(X)-J(X`)是新位置和原位置的差值,即各类型发电机组的第二发电量与第一发电量的差值,δ为适应度函数值。
如果Δ`=Δ+δ>0,则保留第二发电量淘汰第一发电量,即确定对应类型发电机组的最优发电量为第二发电量。
如果Δ`<0,则淘汰第二发电量而保留第一发电量,即确定对应类型发电机组的发电量为第一发电量;
如果Δ`=0,则重新扰动,返回步骤S140再次循环,直到确定出相应的最优发电量。
本发明以各发电机组参与直接交易的成本、收益等为输入,在交易电量总负荷、各类型发电机组交易价格限制约束下,寻求区域社会总利润最大化、区域污染气体排放最小化时的各发电机组的发电量。本发明得到的各发电机组直接交易发电量考虑了区域的社会利益、节能减排,在相关约束下寻求到使直接交易社会效益最大化及排放量最小化的各省区各发电机组最佳直接交易发电量,这个发电量可以有效协调各机组利益、省间利益并兼顾节能减排。
基于同一发明构思,本发明还提供一种电力市场中发电机组的发电量分配系统,下面结合附图对本发明系统的具体实施方式做详细描述。
如图2所示,一种电力市场中发电机组的发电量分配系统,包括:
初始化模块110,用于将各类型发电机组的发电量进行初始化;
第一发电量获得模块120,用于根据MOPSO算法对预设的目标函数进行计算,获得各类型发电机组的第一发电量,其中目标函数的变量包括各类型发电机组参与交易电量部分的总利润与污染气体排放值;
适应度函数值获得模块130,用于根据预设的交易电量总负荷上限和各类型发电机组交易价格上限确定扰动区间,从扰动区间中选取一个数值作为适应度函数值;
发电量更新模块140,用于根据预设公式将各类型发电机组的第一发电量更新至第二发电量,获得各类型发电机组的第二发电量与第一发电量的各个差值;
发电量确定模块150,用于在差值与适应度函数值的和大于0时,确定对应类型发电机组的发电量为第二发电量;在差值与适应度函数值的和小于0时,确定对应类型发电机组的发电量为第一发电量;在差值与适应度函数值的和等于0时,将第二发电量作为新的第一发电量。
在一个实施例中,所述目标函数为以下表达式:
式中:
U——直接交易实施产生的社会总利润;
k——发电机组类型,k∈K;K为发电机组类型集合,包括火电、水电、核电、风电等;
Qk,i——k类型的发电机组i的发电量,即直接交易电量,i∈Ik,Ik表示k类型发电机组的集合;
Pk,i——k类型的发电机组i的直接交易电价;
Rk,i——k类型的发电机组i因提供辅助服务而得到的成本补偿;
——k类型的发电机组i在直接交易中承担的辅助服务的成本;
——k类型的发电机组i参与交易的容量成本;
——k类型的发电机组i参与交易的电量成本;
λk,i——k类型的发电机组i治理污染气体(包括CO2、NOx、SO2及烟尘等)的单位成本;
ωk,i——k类型的发电机组i的污染气体排放系数。
在一个实施例中,发电机组发电量与直接交易电价的关系为下述表达式:
Qk=f(Pk)=akPk 2+bkPk+ck
式中:
Qk——k类型的发电机组的发电量;
Pk——k类型的发电机组的直接交易电价;
ak、bk、ck——影响直接交易电量的相关常数,可以根据历史数据模拟获得。
在一个实施例中,所述发电量更新模块140可以通过粒子位置和速度计算公式将各类型发电机组的第一发电量更新至第二发电量。
本发明系统其它技术特征与本发明方法相同,在此不予赘述。
为了验证本发明的有效性,将本发明应用于IEEE-14(Institute of Electricaland Electronics Engineers,电气和电子工程师协会)节点系统中,分析在多类型发电机组共同参与直接交易环境中,各发电机组如何分配直接交易电量,能够实现直接交易总效益的最优化。
在该IEEE-14节点系统中,发电机组类型包括火电机组(2×600MW,2×300MW)和水电机组(1×180MW)。各类型发电机组的基础数据、相关参数如表1、2所示。区域总负荷为750亿kWh,设定直接交易总电量不超过区域总负荷的8%。应用本发明模拟一年期间各发电机组的直接交易行为,得到使得社会总效益最优的交易结果,如表3第2列所示(结果1)。同时,考虑到未来发电机组技术升级情况下,发电机组减排量将有所降低,据此调整发电机组单位减排量与环境成本参数,得到效益最优的交易结果,如表3第3列(结果2)所示。
表1 不同类型发电机组基础数据
表2 火电机组污染气体排放系数与减排成本平均数据
表3 算例结果
由表3可以看出,应用本发明能够获取不同类型发电机组的直接交易电量与直接交易电价结果。各发电机组由于类型与技术性能的不同,其参与直接交易所获利润有所差异,但总体上能够实现社会总效益的最优。因此,本发明能够为协调不同类型发电机组之间的利益、实现最优的直接交易总价值提供决策依据。同时,将结果1与结果2的数据对比,可以发现,发电机组单位环境成本将对发电机组单位发电量的利润产生影响,进而影响到直接交易电量分配结果,在总交易电量一定的情况下,高性能参数、低减排成本的发电机组倾向于获得更多的交易电量与利润。
改变水电机组的交易价格上限,设定水电与火电的交易价格上限均为0.502元/kWh,得到的交易结果如表3第4列所示。对比结果1与结果3,可以明显看出,由于水电机组的发电成本(包括单位投资成本、运行成本与环境成本)低于火电机组,提高其交易价格上限,能够显著提高水电机组的直接交易电量与交易电价,而火电机组的交易电量与电价则有一定程度的降低;但是整体上,水电机组利润的增加额高于火电机组利润的降低额,总效益有较大提高。
综合分析算例结果,得到以下结论:水电等高性能参数、低排放量的发电机组因其自身成本较低,在直接交易中具有较大竞争优势,能够获得更多的交易电量与利润。
为了协调水电、技术经济性能较好火电与性能较差火电机组的利润差异,提出多类型发电机组共同参与直接交易的利益协调机制建议如下:
1)采取限价措施,通过对水电等性能较高发电机组设定交易价格上限,可以降低水电的直接交易电量与交易价格,平衡各类机组所获利润;
2)采取限量措施,直接对水电等机组设置一定的交易电量上限,或者限定水电的增量部分参与直接交易,以约束其在直接交易市场中的收益与利润;
3)支持技术经济性能较好的清洁火电参与直接交易,积极鼓励火电机组通过节能改造提高发电效率,降低能耗与排污量,提高其在直接交易市场中的竞争力。
以上所述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发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。